CuI Encapsulated within Single-Walled Carbon Nanotube Networks with High Current Carrying Capacity and Excellent Conductivity

High current carrying capacity and high conductivity are two important indicators for materials used in microscale electronics and inverters. However, it is challenging to obtain high conductivity and high current carrying capacity at the same time since high conductivity requires a weakly bonded system to provide free electrons, while high current carrying capacity requires a strongly bonded system. In this paper, CuI@SWCNT networks by filling the single-walled carbon nanotubes (SWCNTs) with CuI is ingeniously prepared. CuI@SWCNT shows good stability due to the confinement protection of SWCNTs. Through the host-guest hybridization, CuI@SWCNT networks exhibit a current carrying capacity of 2.04 × 10⁷ A cm⁻² and a conductivity of 31.67 kS m⁻¹. Their current carrying capacity and conductivity are significantly improved compared with SWCNT. The Kelvin probe force microscopy measurements show a drop of surface potential energy after SWCNT filled with CuI, indicating that the CuI guest molecules regulate the position of the Fermi level of SWCNTs, increasing carrier concentration, achieving high conductivity and high current carrying capacity. This study offers ideas and solutions for the regulation of high-performance carbon tube networks, which hold great promise for future applications in carbon-based electronic devices.     

基于动态门控特征融合的轻量深度补全算法

稠密深度图在自动驾驶和机器人等领域至关重要,但是现今的深度传感器只能产生稀疏的深度测量,所以有必要对其进行补全.在所有辅助模态中, RGB图像是常用且易得的信息.现今的许多方法都采用RGB和稀疏深度信息结合进行补全.然而它们绝大部分都是利用通道拼接或逐元素求和简单的对两种模态的信息进行融合,没有考虑到不用场景下不同模态特征的置信度.提出一种以输入深度稀疏分布为指导,结合双模态信息量的动态门控融合模块,通过动态产生融合权重的方式对两个模态特征进行更高效的结合.并且根据不同模态的数据特征设计了精简的网络结构.实验结果表明所提出模块和改进的有效性,提出的网络在两个有挑战性的公开数据集KITTI depth completion和NYU depth v2上,使用了很少的参数量达到了先进的结果,取得了性能和速度的优秀平衡.     

面向多模态自监督特征融合的音视频对抗对比学习

目的 同一视频中的视觉与听觉是两个共生模态,二者相辅相成,同时发生,从而形成一种自监督模式。随着对比学习在视觉领域取得很好的效果,将对比学习这一自监督表示学习范式应用于音视频多模态领域引起了研究人员的极大兴趣。本文专注于构建一个高效的音视频负样本空间,提高对比学习的音视频特征融合能力。方法 提出了面向多模态自监督特征融合的音视频对抗对比学习方法：1)创新性地引入了视觉、听觉对抗性负样本集合来构建音视频负样本空间;2)在模态间与模态内进行对抗对比学习,使得音视频负样本空间中的视觉和听觉对抗性负样本可以不断跟踪难以区分的视听觉样本,有效地促进了音视频自监督特征融合。在上述两点基础上,进一步简化了音视频对抗对比学习框架。结果 本文方法在Kinetics-400数据集的子集上进行训练,得到音视频特征。这一音视频特征用于指导动作识别和音频分类任务,取得了很好的效果。具体来说,在动作识别数据集UCF-101和HMDB-51(human metabolome database)上,本文方法相较于Cross-AVID(cross-audio visual instance discrimination...     

注意力增强和目标模型更新的红外目标跟踪算法

目的 多数以深度学习为基础的红外目标跟踪方法在对比度弱、噪声多的红外场景下,缺少对目标细节信息的利用,而且当跟踪场景中有相似目标且背景杂乱时,大部分跟踪器无法对跟踪的目标进行有效的更新,导致长期跟踪时鲁棒性较差。为解决这些问题,提出一种基于注意力和目标模型自适应更新的红外目标跟踪算法。方法 首先以无锚框算法为基础,加入针对红外跟踪场景设计的快速注意力增强模块以并行处理红外图像,在不损失原信息的前提下提高红外目标与背景的差异性并增强目标的细节信息,然后将提取的特征融合到主干网络的中间层,最后利用目标模型自适应更新网络,学习红外目标的特征变化趋势,同时对目标的中高层特征进行动态更新。结果 本文方法在 4 个红外目标跟踪评估基准上与其他先进算法进行了比较,在 LSOTB-TIR(large-scale thermalinfrared object tracking benchmark)数据集上的精度为 79.0%,归一化精度为 71.5%,成功率为 66.2%,较第 2 名在精度和成功率上分别高出 4.0%和 4.6%;在 PTB-TIR(thermal infrared pedestrian tracking benchmark)数据集上的精度为85.1%,成功率为 66.9%,较第 2 名分别高出 1.3% 和 3.6%;在 VOT-TIR2015(thermal infrared visual object tracking)和VOT-TIR2017 数据集上的期望平均重叠与精确度分别为 0.344、0.73 和 0.276、0.71,本文算法在前 3 个数据集的测评结果均达到最优。同时,在 LSOTB-TIR 数据集上的消融实验结果显示,本文方法对基线跟踪器有着明显的增益作用。结论 本文算法提高了对红外目标特征的捕捉能力,解决了红外目标跟踪易受干扰的问题,能够提升红外目标长期跟踪的精度和成功率。     

信息技术在医院设备科应用的探索与实践

文中探讨了新一代信息技术在医院设备科中的应用实践以及医院信息化的建设与管理。全文分为6个部分,包括引言、医院信息化概述、医用耗材管理信息系统、医疗设备固定资产信息化管理、医疗数据管理平台以及结语,介绍了医院信息化的历史发展、现状与未来以及医院信息化建设的重要性,同时还探讨了医院信息化在设备科耗材管理和设备资产管理方面的应用。最后,分析了医院信息技术应用的风险与管理、医院设备科信息化应用的影响和管理策略。通过对新一代信息技术的深入研究,希望能为医院设备科信息技术的应用提供参考和借鉴。     

基于改进混合粒子群算法和匹配理论的无人机电力巡检卸载策略

无人机搭载深度神经网络进行自主电力巡检时由于受到设备本身计算能力、电池容量、深度神经网络计算负载的限制,无法独立处理巡检任务中产生的海量图像数据。为解决该问题,提出了一种基于改进混合粒子群算法和匹配理论的无人机电力巡检卸载策略,该策略将系统成本最小化问题分解为深度神经网络计算任务协同分割和边缘服务器选择两个子问题。针对协同分割子问题,基于深度神经网络计算任务的执行流程提出了一种错时传输方法,通过改进混合粒子群算法求解多无人机任务协同分割层。针对边缘服务器选择子问题,定义无人机与边缘服务器各自偏好函数,根据偏好函数通过匹配理论建立两者间的稳定匹配,得到边缘服务器选择策略。仿真结果表明,与其他卸载策略相比,所提策略能有效降低无人机能耗和计算任务处理时延,促进边缘服务器负载均衡。     

考虑超调的虚拟同步发电机暂态功率振荡抑制策略

虚拟同步发电机(VSG)在有功指令和电网频率扰动下存在输出有功暂态振荡和稳态偏差的问题。控制中增加暂态阻尼环节可以抑制振荡、避免稳态偏差,但存在较大超调问题。通过建立VSG在2种扰动下的有功闭环小信号模型,依据根轨迹分析振荡抑制效果,进一步结合零点分析超调,得到暂态阻尼策略下VSG超调的原因和特性,并提出2种基于有功暂态补偿的VSG功率振荡抑制策略：暂态前馈补偿和暂态反馈补偿。2种改进策略均可以提升系统的暂态阻尼,有效抑制VSG有功振荡,既不会增大稳态偏差,又能大大减小超调。通过MATLAB/Simulink仿真及StarSim硬件在环半实物实验验证了所提策略的正确性和有效性。     

高比例可再生能源渗透下的电力市场价值分配机制设计

大力发展可再生能源、构建清洁高效的能源体系已成为贯彻落实能源革命的必然选择。在电力市场环境下,随着可再生能源渗透率的持续提升,传统火电份额被不断占据。由于尚未建立合理的市场机制保障火电提供容量的基本收益,火电企业缺乏为高比例可再生能源提供辅助服务的动力。市场价值分配的核心思想在于按照“谁创造的价值谁分享,谁产生的成本谁承担”来量化市场成员的贡献和价值,并分配利益。为此,提出一种高比例可再生能源渗透下的电力市场价值分配机制。基于Vickrey-Clarke-Groves(VCG)机制,定义一台火电机组的价值为该机组对其他发电资源的替代效益,精准辨识火电为可再生能源并网消纳付出的真实成本,从而激励火电机组真实报价,主动预留辅助容量,形成高比例可再生能源电力市场互利共济的格局。     

基于混合模型的钢轨检测识别方法

为了改善我国现有钢轨检测识别方法准确性和鲁棒性不高以及弯轨拟合较差等问题,提出一种基于直线-曲线混合模型的钢轨检测识别算法。首先对图像进行预处理,调整滞后阈值进行Canny边缘检测。采用累计概率Hough变换对直轨检测并完成近远视场的划分以及消失点的确定。对近视场直轨采用直线模型拟合,根据其检测结果对远视场进行循环线性近似获取钢轨特征点,并根据钢轨灰度特征进行验证,采用最小二乘法完成曲线拟合。直线-曲线模型的切换根据制定的规则完成。实验结果表明,提出的算法检测正确率为90.1%,适用于不同环境的场景,具有较好的鲁棒性。     

考虑储能与动态重构的柔性互联配电系统两阶段鲁棒优化

强波动性分布式电源的大量接入给配电系统可靠安全运行带来了挑战。为此,提出了一种考虑储能与动态重构的柔性互联配电系统两阶段鲁棒优化调度方法。首先,建立了综合考虑柔性配电开关、储能与动态重构的柔性互联配电系统两阶段鲁棒优化数学模型,其中第一阶段考虑日前分布式电源出力预测的不确定性以及网络拓扑和储能的时序相关性进行全局优化,第二阶段基于第一阶段的决策方案和准确的超短期预测信息,在各时段对柔性配电开关进行实时调度;其次,采用改进的列与约束生成算法对模型进行求解,通过辅助变量和对偶变量交替迭代,显著提高子问题的求解效率;最后,通过33和69节点系统进行测试,验证了所提调度模型和求解算法的有效性。