基于数据质量评价的目标估计

针对目标估计过程需要大量人工参与、自动化程度低的问题，提出了基于数据质量评价的目标估计方法。利用目标数据质量评价方法，对不同传感器得到的目标数据质量进行科学、有效的测度和评价，并根据质量得分动态调整各数据源在目标估计过程中所占的权重，从而减少人工干预，提高目标估计效能。仿真试验结果证明了该方法的有效性。     

基于单光子计数激光雷达的Bayesian检测研究

在单光子计数激光雷达检测领域,目前的检测方法在低信噪比情况下虚警概率会增加,同时也无法适应噪声变化的问题。针对这些问题,提出了一种基于Bayesian的检测方法,该方法首先通过雷达方程估计回波信号光子数的范围,将其作为先验信息,而后结合二项分布建立了累计概率模型,基于Bayesian判决准则计算得到检测阈值,此阈值能够在检测概率与虚警概率中间择其平衡。这种方法不仅克服了低信噪比检测困难的情况,还减少了先验信息的获取难度。实验结果表明,对比固定阈值其虚警概率降低了10倍。对比“恒虚警”其检测概率提高了约20。验证了方法具有良好的检测效果,具备一定的可操作性。     

乳白玻璃生产中节能优化的探索

针对日用玻璃陶瓷生产过程的能耗环节进行探索,优化配方使其更适合于电熔炉的生产工艺,通过对配方中各氧化物引入的原料进行优化,降低原料整体熔点,增加出料量,最终达到降低能耗、减少成本的目的 ,提高企业在行业中的竞争力.     

浅谈石油工程注水工艺技术优化

随着我国经济的高速发展,社会公众对石油的需求越来越大。在石油工程中,如何通过改善石油开采技术来提高石油开采效率,和提高石油开采量,成为社会公众关注的焦点。对此,本文以石油工程中常见的低压低渗油层为出发点,对这些开采难度大、开采效率低的油田进行简要分析,并对如何在石油工程中优化注水工艺技术的简述如下。     

一种直升机避障电力线检测方法

电力线是一类形状细长、特征稀疏、随着视角的变化容易混淆在大量背景信息中的特殊障碍物，常规电力线检测识别算法得到的目标框对电力线所在位置的估计不够准确。为此，提出了一种相对角度估计方法，基于常规电力线目标检测与识别算法，并结合电力线相对角度估计，从而提高电力线的检测识别过程中所在位置的精度。相比电力线绝对角度回归的方法，提出的相对角度估计方法容易训练易收敛，计算量小，适用于实时性要求较高的应用场合。     

InP/InGaP/GaAsSb/InGaAsSb/InP双异质结双极晶体管设计北大核心

应用半导体器件的电阻电容计算理论和SILVACO ATLAS软件,在综合考虑载流子渡越时间和电阻电容延迟时间对增益截止频率的影响下设计了一种InP/InGaP/GaAsSb/InGaAsSb/InP双异质结双极晶体管(DHBT)结构。该结构中在基区与发射区之间加入P型半导体层以降低基区与发射区之间的电子势垒,并通过引入梯度渐变材料及优化掺杂分布提高基区电场、增强集电区中易趋近于零区域的电场,器件的电流增益截止频率得到显著提升。此外,还列出了InGaP和InGaAsSb材料的禁带宽度和电子亲合势、P型GaAs_(0.51)Sb_(0.49)和InGaAsSb材料的电子迁移率的近似计算公式。     

4英寸f_(max)=620 GHz的0.25μm InP DHBT北大核心

报道了一款在101.6 mm(4英寸)InP晶圆上制备的特征尺寸为0.25μm的磷化铟双异质结双极型晶体管。采用发射极自对准技术和介质钝化工艺,器件的发射极典型尺寸为0.25μm×3.00μm,最大电流增益为25,当发射极电流密度为10μA/μm^(2)时,器件的击穿电压达到了4.2 V,电流增益截止频率为390 GHz,最高振荡频率为620 GHz。建立了用于提取器件寄生参数的小信号等效电路模型,模型的仿真结果与高频实测数据具有很好的拟合精度。     

考虑井眼清洁条件下的小井眼钻井液性能优化研究北大核心

新疆油田玛湖部分区块采用长水平段(超2000 m)小井眼技术进行钻井和开发。在钻井过程中,井眼不清洁导致的卡钻,井筒压力过大导致的漏失问题严重制约了该区块的高效经济开发。钻井液性能的优化是解决上述问题的关键方法之一。为此,采用了CFD数值模拟的方法,建立了环空固液两相流模型,探究了不同钻进参数下钻井液不同流变参数(赫巴流变模型)对岩屑运移和环空压耗的影响。根据数值模拟结果可知:(1)提升钻井液密度有利于提高携岩能力;(2)不同钻进参数下,钻井液流变参数对岩屑运移作用效果不同;(3)钻井液流变参数并非越大越有利于岩屑运移;(4)结合玛湖区块特征,确立了最优钻井液流变参数范围,并将该范围成功的应用于现场。     

能耗优化的神经网络轻量化方法研究进展

近年来，神经网络在语音识别、计算机视觉、自然语言处理等领域都取得了良好的进展.大量的神经网络被部署于诸如手机、摄像头等依赖电池或太阳能供电的小型设备.但神经网络参数量大计算复杂，需占用大量计算资源并消耗电能，从而限制了其在资源受限平台上的应用.学术界和工业界逐渐关注于神经网络的高能耗问题.神经网络轻量化方法可以有效地减少参数数量、降低参数精度或优化计算过程从而降低神经网络能耗.本文从能耗优化的角度梳理了神经网络能耗估算方法和神经网络轻量化方法的基本思路，综述了近年来该领域主要研究成果，并提出了能耗估算和能耗优化的神经网络轻量化方法存在的挑战及进一步研究的方向.其中神经网络能耗估算方法包括测量法、分析法和估算法.能耗优化的神经网络轻量化方法包括剪枝、量化、张量分解和知识蒸馏.对于进一步研究方向我们认为，首先需要建立可自适应网络类型的能耗模型；然后需要考虑平衡精度和能耗的轻量化方法.其次需要实现硬件平台可泛化的轻量化方法；最后开发搜索空间可约束的轻量化方法.     

响应面优化絮凝法去除水中Cr（Ⅵ）

为了探究不同絮凝剂对水中Cr（Ⅵ）的去除效果，比较了聚合硫酸铁、聚合氯化铝、聚丙烯酰胺、Fe Cl3对Cr（Ⅵ）的去除效果，通过效能对比以及成本分析得出了最合适的絮凝剂。通过改变反应温度、体系的初始p H值、絮凝剂的初始浓度和反应时间来探究聚合硫酸铁去除Cr（Ⅵ）效果的影响后，再进行均匀设计和响应面优化试验。结果表明，反应温度30℃、絮凝剂浓度为150mg·L^-1、pH值为7、反应时间9min，此时Cr（Ⅵ）的去除效率最高为68.4%；絮凝剂浓度、初始p H值、反应时间对Cr（Ⅵ）去除效果影响显著性为絮凝剂浓度>反应时间>初始pH值。响应面模型预测在最佳反应条件下，Cr（Ⅵ）的去除效率可达70.5%，实验结果为69.8%，二者接近，表明模型有效。