张拉整体——从艺术到结构工程

尽管艺术家和结构工程师的工作目的有很大的区别,但他们的工作过程却有着相同的特征,这主要体现在初步设计阶段。而且艺术家在某些新型结构领域往往走在前列,尤其是在张拉整体这一领域。本文对这一方面进行了阐述,从艺术和结构工程、艺术家和结构工程师之间关系出发,逐渐形成了与张拉整体体系这一结构形态学相关的某些主要特征。第3节对已经实现的或者计划中的张拉整体体系工程进行了介绍。     

电力用户侧参与的综合能源系统优化调度

针对传统需求侧响应在热力系统描述方面不能满足综合能源系统应用的问题,提出了用户侧参与下的电、气、热综合能源系统联合优化调度模型。用户侧采用可转移电力负荷分类参与需求侧功率调整;综合考虑系统内部电气热的耦合及分时电价、气价等,并利用储能系统的时移特性;以调度周期内系统运行成本以及负荷调用补偿成本之和最小为目标函数,增设了考虑系统热负荷需求及电锅炉提供电力需求转换的热力平衡方程等式约束。仿真结果表明,相较于用户侧不参与调度的优化模型,用户侧的参与可改变原电力负荷曲线实现削峰填谷,同时降低综合能源系统总成本,保证综合能源系统正常运行及实现系统内源、储、荷协调互动。     

La2O3/γ-Al2O3酸碱性对肉桂醛MPV反应的影响

用封锁酸(碱)性位点的方法,研究了La₂O₃/γ-Al₂O₃的酸碱性对肉桂醛MPV反应还原为肉桂醇的影响。结果表明,La₂O₃/γ-Al₂O₃的酸性和碱性位点均对肉桂醛MPV反应有影响,而催化剂酸性位点对反应的影响大于碱性位点。     

输变电设备状态评估方法的研究

状态评估是设备状态检修的基础,准确了解电力设备的健康水平后,才可以制订检修计划。采用统计的方法,综合分析设备的历史数据、试验数据、在线信息及家族缺陷等信息,实现对设备状态的评估,此方法考虑了限值的变化,并且分析了状态量值的变化趋势,简单有效,可得到较准确的评估结果。     

继电保护装置最佳检修周期的研究

针对继电保护装置检修最佳周期难以确定的问题,阐述了继电保护的失效分布模型,分析了模型参数与故障过程的关系,提出了经济性和可靠性约束条件,并根据历年故障数据和经验数据进行Matlab仿真分析。计算结果表明,这种基于非齐次泊松过程的计算方法,可以简单有效地计算出继电保护装置最佳检修周期,为继电保护检修计划制定和状态检修应用提供了理论指导依据。     

基于聚类算法的服装感性数据挖掘方法

本文以运动休闲风格男士上衣为例,使用问卷调查的形式收集了与之相关的主要设计元素的消费者喜好评分,将离散的设计元素与服装情绪感性信息相对应和量化,并以此为基础设计了消费者感性意向矩阵,将矩阵数据进行归一化处理后,应用专业的数据挖掘软件WEKA,使用K-means聚类算法对数据进行处理,依据输出数据最终构建了4类典型的设计模型。目的是对获取到的大部分消费者的情感选择进行科学分析与处理,拟合出可以指导服装感性设计工作的具有代表性的“最佳设计模型”。通过所提出的服装感性信息模型构建的方法,可以有效揭示不同类型消费者的偏爱度,并能够筛选出可以对特定消费行为产生正面的积极影响的重要设计元素,为服装设计人员提供有效的参考。     

基于新型间谍技术的半监督自训练正例无标记学习

正例无标记（PU）学习中的间谍技术极易受噪声和离群点干扰，导致划分的可靠正例不纯，且在初始正例中随机选择间谍样本的机制极易造成划分可靠负例时效率低下，针对这些问题提出一种结合新型间谍技术和半监督自训练的PU学习框架。首先，该框架对初始有标记样本进行聚类并选取离聚类中心较近的样本来取代间谍样本，这些样本能有效地映射出无标记样本的分布结构，从而更好地辅助选取可靠负例；然后对间谍技术划分后的可靠正例进行自训练提纯，采用二次训练的方式取回被误分为正例样本的可靠负例。该框架有效地解决了传统间谍技术在PU学习中分类效率易受数据分布干扰以及随机间谍样本影响的问题。通过9个标准数据集上的仿真实验结果表明，所提框架的平均分类准确率和F-值均高于基本PU学习算法（Basic_PU）、基于间谍技术的PU学习算法（SPY）、基于朴素贝叶斯的自训练PU学习算法（NBST）和基于迭代剪枝的PU学习算法（Pruning）。     

面向女大学生的职业套装感性设计研究

为分析目标被试对职业套装的感性评价,建立消费者感性意向与具体设计元素之间的对应关系,以进行相应的感性设计,研究以职业套装作为研究载体,以女大学生作为实验对象,采用主成分分析对初始的感性词做降维处理,提取出贡献率较高的两个因子做代表因子,命名为成熟优雅因子和职业简约因子,在设计时可以从这两个方面进行风格规划。通过计算每个样本在2个因子上的得分,分析样本与感性因子之间的交互关系,进而分析了2个因子中高分数样本的属性特征,从而有针对性的进行职业套装设计。     

融合注意力特征的遮挡物体6D姿态估计

在机械臂视觉抓取过程中,现有的算法在复杂背景、光照不足、遮挡等条件下,难以对目标物体进行实时、准确、鲁棒的姿态估计。针对以上问题,提出一种基于关键点方法的融合注意力特征的物体6D姿态网络。首先,在跳跃连接（Skip Connection）阶段引入能够聚焦通道空间信息的卷积注意力模块（CBAM）,使编码阶段的浅层特征与解码阶段的深层特征进行有效融合,增强特征图的空间域信息和精确位置通道信息;其次,采用归一化损失函数以弱监督的方式回归每个关键点的注意力图,将注意力图作为对应像素位置上关键点偏移量的权重分数;最后,累加求和得到关键点坐标。实验结果证明,所提网络在LINEMOD数据集和Occlusion LINEMOD数据集上ADD（-S）指标分别达到了91.3%和46.3%。与基于关键点的逐像素投票网络（PVNet）相比ADD（-S）指标分别提升了5.0个百分点和5.5个百分点,验证了所提网络在遮挡场景下有更好的鲁棒性。     

基于最大最小距离和动态隧道的聚类算法

针对K-means聚类算法对初值敏感和易陷入局部最小值的缺陷,提出了一种基于最大最小距离和动态隧道的聚类算法.该算法首先利用最大最小距离法来优选初始聚类中心以避免由于聚类中心过于随机而导致其分布较为集中的情形,以提高划分初始数据集的效率.动态隧道法具有全局寻优能力,利用钻隧过程可跳出局部极小点得到更小值点,再由K-means聚类算法对其迭代优化,如此反复直至得到全局极值.实验结果表明了该算法的可行性和有效性.