磷酸铁锂正极材料改性研究进展

锂离子二次电池(LIBs)是当今新能源领域的主流储能器件.磷酸铁锂(LiFePO4)凭借高能量密度、低成本、稳定的充放电平台、环境友好、安全性高等优势,成为应用最为广泛的锂离子电池正极材料之一.如何提高其输出功率以及低温下的能量密度和使用寿命,是磷酸铁锂正极材料面临的主要挑战.本文通过对近期相关文献的探讨,归纳总结了近...     

基于多目标遗传算法的特种车舱室送风系统优化设计

特种车由于其舱内空间狭窄、人员密集等特点,送风系统难以同时保证多乘、载员人体热舒适性要求,需要对特种车舱室送风系统进行合理布局和优化设计。针对某型特种车,建立其舱室简化三维模型。选取预计平均热感度、空气龄、加权温度及头足温差作为送风系统性能优劣的评判标准,结合计算流体动力学和多目标遗传算法,对送风系统布局和参数分别进行仿真优化设计。仿真结果表明,采用顶部左右条缝及脚部送风口可以有效改善乘、载员热舒适性,提高送风系统性能。进一步分析帕累托最优解,得出顶部送风口位置、送风角度和回风口位置的最优取值。本优化设计结果满足设计指标要求,为特种车送风系统设计、优化工作提供了新的思路。     

可变形NTS-Net的螺栓属性多标签分类

目的 螺栓是确保输电线路安全牢靠的基石,螺栓缺销、松动和锈蚀等缺陷是造成输电线路损坏甚至重大事故的重要原因之一。本文针对螺栓缺陷存在视觉不可分的问题,提出了一种改进NTS-Net（navigator-teacher-scrutinizer network）的螺栓属性多标签分类方法。方法 为了增强模型对不规则轮廓的处理能力,采用可变形卷积的ResNet-50网络作为特征提取网络从原图中提取全局特征。利用NTS-Net学习得到图像信息量最大的判别性局部区域。为了考虑不同局部特征对不同属性标签的不同影响,在局部特征与全局特征融合时引入通道注意力机制,提取特征的通道权重,获取关键通道特征以改善多标签分类效果。结果 实验结果表明,本文在螺栓多属性分类数据集上的平均分类精确率为84.5%,比采用传统的多标签分类精确率提升了10%~20%。结论 本文通过可变形卷积提升网络的特征提取能力以及引入通道注意力机制实现了对NTS-Net提供的局部特征的高效利用,为解决螺栓多属性分类中存在的问题提供了一种新的思路。     

图像分类的深度卷积神经网络模型综述

图像分类是计算机视觉中的一项重要任务,传统的图像分类方法具有一定的局限性。随着人工智能技术的发展,深度学习技术越来越成熟,利用深度卷积神经网络对图像进行分类成为研究热点,图像分类的深度卷积神经网络结构越来越多样,其性能远远好于传统的图像分类方法。本文立足于图像分类的深度卷积神经网络模型结构,根据模型发展和模型优化的历程,将深度卷积神经网络分为经典深度卷积神经网络模型、注意力机制深度卷积神经网络模型、轻量级深度卷积神经网络模型和神经网络架构搜索模型等4类,并对各类深度卷积神经网络模型结构的构造方法和特点进行了全面综述,对各类分类模型的性能进行了对比与分析。虽然深度卷积神经网络模型的结构设计越来越精妙,模型优化的方法越来越强大,图像分类准确率在不断刷新的同时,模型的参数量也在逐渐降低,训练和推理速度不断加快。然而深度卷积神经网络模型仍有一定的局限性,本文给出了存在的问题和未来可能的研究方向,即深度卷积神经网络模型主要以有监督学习方式进行图像分类,受到数据集质量和规模的限制,无监督式学习和半监督学习方式的深度卷积神经网络模型将是未来的重点研究方向之一;深度卷积神经网络模型的速度和资源消耗仍不尽人意,应用于移动式设备具有一定的挑战性;模型的优化方法以及衡量模型优劣的度量方法有待深入研究;人工设计深度卷积神经网络结构耗时耗力,神经架构搜索方法将是未来深度卷积神经网络模型设计的发展方向。