基于互相关的随掘地震超前探测有效信号提取方法研究

随掘地震超前探测数据中地震波组成复杂,能量较弱的反射信号难以识别,影响勘探效果。为提取有效反射信号,基于交错网格有限差分方法进行随掘地震超前探测数值模拟,分析随掘地震超前探测波场特征,并使用互相关技术对模拟数据进行处理。研究表明:随掘地震超前探测记录中反射信号能量较弱,被直达波等其他成分掩盖;互相关技术进行处理能够增强反射信号,压缩连续信号,通过奇异值分解技术分离地震波场,从而得到与子波震源类似的地震记录,提高勘探效果。     

共晶高熵合金形成的热力学基础研究

通过收集并总结已报道的18种共晶高熵合金的整体成分和各相成分等信息分别计算了反映其性质的一些参数,包括混合焓、混合熵、吉布斯自由能、原子尺寸失配度、电负性差和价电子数,并从热力学角度分析了这些参数对合金结构的影响规律。发现共晶高熵合金整体成分计算出的混合熵等值均基本满足传统高熵合金形成单相固溶体的结构判据要求(即?Smix11 J/(mol×K)、-15 kJ/molΔH_(mix) 5 kJ/mol,δ6.6%等),但是由于其共晶相的平均自由能低于其整体形成单相时的总自由能,这使得共晶高熵合金在凝固过程中发生共晶反应,形成多相结构。     

基于可解释机器学习模型的难熔高熵合金相预测

采用k近邻(KNN)、支持向量机(SVM)、决策树(DT)、随机森林(RF)和人工神经网络(ANN)5种机器学习(ML)方法对RHEAs中固溶体(SS)、混合固溶体和金属间化合物(SS+IM)进行了分类和预测。选择了5个输入相预测参数作为特征以及139组RHEAs数据以训练ML模型。结果表明,ANN模型的预测准确率最高,达到90.72%。9组新的四元和(TiVTa)_xCr_1–x体系RHEAs的实验结果显示,RF和ANN的预测精度更高,精准预测了11个SS和3个SS+IM合金的相组成。采用了SHAP(SHapley Additive exPlanations)模型来解释精度最高的ANN模型,并研究每个特征对相形成的贡献。5个特征的重要性顺序是混合焓(ΔH_mix)、原子尺寸差(δ)、价电子浓度(VEC)、混合熵(ΔS_mix)和电负性差(Δ_χ),其中ΔH_mix的平均SHAP值大约是Δχ的5倍,是ΔS_mix的4倍。较大的ΔH_mix<...     

机器学习指导相和硬度可控的AlCoCrCuFeNi系高熵合金设计

采用机器学习辅助高熵合金设计,致力于解决传统试错实验方法时间周期长、成本高的问题。以经典的AlCoCrCuFeNi系高熵合金为研究对象,采用机器学习方法,分别构建高熵合金的相结构预测模型和硬度预测模型。其中支持向量机模型（SVM）在两个任务中均有最好的训练表现,最佳的相分类准确率达0.944,硬度预测模型的均方根误差为56.065HV。进一步串联两种机器学习模型,基于样本数据集上下限的成分空间,对AlCoCrCuFeNi系高熵合金同时进行相和硬度的高效预测和筛选,实现新型合金成分的快速设计。实验验证5种新合金符合相预测结果,测试硬度与预测硬度值的RMSE为12.58HV,表明建立的机器学习模型实现对高熵合金相和硬度的高效预测。     

基于IABC-ICA的随掘地震去噪方法

随掘地震是利用掘进机切割岩石产生的振动作为震源来进行探测,具有安全、简便、高效等优点,但随掘地震探测所采集的地震记录中波组成分复杂,有效信号能量弱,且被掘进机工作时产生的强噪声干扰,信噪比极低,去噪难度大,需要对随掘地震记录去噪方法进行研究.通过改进人工蜂群(IABC)算法搜索策略,提高了人工蜂群算法的收敛速度和收敛精...     

光伏阵列故障检测中的无人机红外图像拼接

红外遥感图像可用来检测光伏组件的异常发热,为获得大视野的地面信息需要图像拼接技术,该文提出一种基于快速鲁棒特征检测(speeded-up robust features,SURF)算子的红外光伏图像自动拼接算法。基于K-d树(Kdimension tree)算法的匹配结果,结合匹配对的坐标信息提出一种优化算法,减少了随机抽样一致(random sample consensus,RANSAC)算法的迭代次数,并采用最佳缝合线算法进行图像融合;然后优化平移变换模型、修正旋转序列的角度,基于待拼接图像和模板之间的重叠区域自动修正拼接参数。实现从图像序列到全景图的全自动拼接流程。试验表明,该方法使RANSAC算法的迭代次数平均减少93.26%,处理时间平均减少86.21%。在没有无人机位置和飞行方向的少参数条件下,基本消除了光伏组件的几何相似性导致的误匹配和累计误差。