生物光声成像中声反射伪影抑制方法的研究进展

生物光声成像(Photoacoustic Imaging,PAI)是一种新型的无创复合功能成像方法.生物组织不均匀的声学特性会使超声波在组织界面处发生反射,导致重建图像中存在伪影和失真,降低图像质量和成像深度.文中综述了目前抑制PAI声反射伪影的主要方法,包括延迟相减法、基于杂波去相关理论的方法、短滞后空间相干法、基于深度学习的方法、光声引导聚焦超声法、基于超声平面波模型的方法和多波长激励的方法等,详细介绍各方法的原理,分析其优势和不足,并展望未来的研究趋势.     

温度对核电站传热管阵列声透射特性的影响

为了研究温度分布对于管阵列结构中的声透射特性的影响，以核电站的实际工况为背景，构建了不同的温度场以及周期性变化的非均匀温度场，利用有限元方法进行数值模拟。结果表明：（1）温度分布会改变管阵列声透射频谱的“禁带”宽度以及中心频率位置。在同一介质中，温度变化对频率较高位置的影响大于频率较低的位置。（2）在同样为10℃的温度差下，当水的平均声速为1 653 m·s^-1、饱和水蒸气的平均声速为522.5 m·s^-1时，介质为水时的禁带宽度及中心频率位置变化较大，即声速大的介质的频谱对于温度的变化更敏感。（3）当温度差在10℃以内，在周期性变化的非均匀温度场和与均匀温度场中管阵列声透射特性在第一中心频率23 996.1 Hz之前，两频谱差别很小，在第一禁带之后会出现明显区别。该研究成果对完善核电站应用的声学检测提供了理论基础。     

基于人工神经网络的智能化架空线路应变快速解调方法北大核心

为了提高智能化光纤复合架空线路态势感知的实时性,将人工神经网络方法应用于光纤沿线应变解调,确定了神经网络的结构。编程实现了基于洛伦兹模型的最小二乘谱拟合方法和神经网络方法,采用不同信噪比和布里渊频移的布里渊谱训练神经网络,将它们应用于某光纤复合架空线路沿线光纤应变的测量,从不同角度比较了两种方法的计算结果。计算结果表明,神经网络方法能有效获得光纤沿线的布里渊频移进而获得应变,具有与谱拟合方法相似的准确性,但应变解调时间仅约为谱拟合方法的1/20000。研究结果为提高智能光纤复合架空线路态势感知的实时性提供了参考。     

X射线影像识别技术在GIS缺陷诊断中的作用

变电站地基下沉容易导致GIS内部导体结构发生变化,GIS设备导体的倾斜会引发设备故障。为了检测GIS设备导体的倾斜状态,针对某220 kV变电站出现的地基下沉问题,文中首先采用局部放电方法检测GIS设备内部结构是否存在故障问题,然后采用X射线数字成像技术对GIS设备导体进行X射线检测,利用GIS典型缺陷图像自动识别技术对得到的影像进行分类识别,从而确定了不同区域导体的倾斜状态,同时检测结果可以为变电站下一步的地基处理提供准确的理论依据。     

纳米零价铁材料对放射性核素的 去除及机理研究进展

随着人类社会的发展，放射性铀矿的开采和使用越来越多，环境面临着越来越严重的放射性污染问题。从生物和环境的角度来看，有效地清除环境中的放射性核素是核能利用过程中最重要的问题之一。纳米零价铁（nanoscale zero valent iron, nZVI）具有较大的比表面积和较高的活性位点，能显著提高放射性污染物的修复效率。本综述的目的是展示nZVI基材料对放射性核素的高效去除能力和环境修复作用。简介了常用的nZVI基材料（表面改性或多孔材料支撑的nZVI材料）及其对放射性核素的去除效果和相互作用机制（如吸附和氧化还原）。最后，对nZVI材料的应用和挑战给出个人见解。本综述有助于为高效去除放射性核素的nZVI材料的设计指明方向，为放射性核素的高效处理处置提供新材料。     

基于IMFO算法的光伏高占比电网UPFC参数优化模型

光伏高占比地区功率双向交换过程中系统存在暂态功角稳定及电压稳定问题,为得到电网在有功和无功动态波动下统一潮流控制器(Unified Power Flow Controller,UPFC)的最优参数,文章通过对飞蛾扑火(MothFlame Optimization,MFO)算法进行改进,提出光伏高占比电网UPFC控制参数优化模型。首先,针对光伏高占比条件下电力系统UPFC串联、并联功率控制方法,建立基于UPFC的系统阻尼优化控制模型;其次,建立基于系统阻尼和电压偏差最优控制的UPFC参数改进的飞蛾扑火优化算法(Improve Moth-Flame Optimization,IMFO)模型;最后,通过MATLAB与PSD-BPA联合仿真,以东北某光伏高占比电网实际运行数据为基础,建立光伏高占比电网UPFC参数IMFO优化仿真模型。仿真结果表明,基于IMFO算法优化得到的UPFC控制参数,可有效提高UPFC设备对系统阻尼震荡及暂态电压稳定的支撑能力,与传统的MFO相比具有更好的收敛性。     

基于多层感知器的气液两相流流型识别方法

通过对电阻层析成像数据采集原理和深度学习网络的研究,提出了一种基于阵列电阻值和多层感知器深度学习网络相结合的流型识别方法。利用电阻层析成像系统中的16个电极传感器来获取流型样本数据,并构建出流型识别数据库,然后对多层感知器深度学习网络进行训练,获得可以识别不同流型的网络。实验结果表明,采用阵列电阻值结合多层感知器网络对流型进行学习和识别的方法,流型识别准确率可以达到95%,解决了流型图像生成过程与数据特征预选过程中流型特征损失的问题,流型识别性能得到了提高。