基于Matlab的发酵系统仿真与操作优化

通过将自动化中仿真技术与生物技术相结合,借助于Matlab设计应用软件.实现:根据实际生产数据、求取生物发酵过程的稳态和动态数学模型,并且对生物发酵过程进行模拟,从而寻求使生物发酵过程产率达到最高的优化操作条件的功能.     

基于声纹特征和集成学习的变压器缺陷诊断方法

变压器运行过程中产生的振动噪声与其运行状态及内部缺陷情况直接相关,对其声纹信号开展特征分析,有助于进一步了解设备运行工况,保障电力系统安全稳定运行。文中以声纹特征分析为基础,兼顾诊断效率与准确性,提出一种基于卷积神经网络及集成学习模型的变压器缺陷诊断方法。该方法以变压器声纹数据的时域及频域信号为多通道输入混合特征,构建了基于卷积神经网络模型和声纹特征分析法的集成学习模型,可实现变压器声纹特征的有效识别,并通过由多个基学习器组成的集成学习模型提高了变压器缺陷诊断的准确性。基于文中所构建的变压器声纹样本库,可得到该方法对变压器单一缺陷的识别准确率为99.2%,对变压器混合缺陷的识别准确率为99.7%。研究结果表明该方法可有效识别变压器的运行状态,为变压器运维检修提供技术参考。     

计及老化线路电流承载能力退化特性的电力系统连锁故障分析

长期老化效应导致输电线路的电流承载能力退化以及老化失效风险增大,会使连锁故障风险进一步恶化。研究了输电线路老化对电力系统连锁故障的影响。首先,基于热平衡理论建立了输电线路老化相依的电流承载能力计算模型,阐述了电流承载能力与输电线路运行年龄的数值对应关系。在此基础上,综合考虑实时潮流和输电线路的老化效应,建立了包含实时潮流、运行年限、停运概率的三维映射关系,改良了输电线路动态停运概率模型。然后,通过引入概率阈值参数,建立一种改进的基于停运概率模型的连锁故障路径搜索准则,以连锁故障演化过程中的最大概率耦合事件为导向,在过滤低概率连锁故障路径的同时筛选代表性故障路径。最后,在改进的IEEE 39节点系统上进行了实例研究。算例结果证明,考虑线路老化效应后,由单线路意外事件触发的连锁故障事件增多,概率增大,其对应路径阶数增大,系统连锁故障风险明显升高,表明输电线路老化效应与连锁故障后果之间存在显著相关性。     

计及配电公司特许经营权的产消者点对点交易模型

在针对配电系统层面设计点对点电力交易机制时,需要考虑配电公司所拥有的特许经营权,通过设计适当的网络收费模式有效补偿配电系统基础设施所有者的投资和运行成本。提出一种计及配电公司特许经营权的产消者点对点交易模型。基于配电公司和产消者之间的主从互动关系,建立基于电气距离的过网费定价双层博弈模型,上层为以配电公司收益最大为目标的过网费价格决策模型,下层为考虑过网费的产消者最优调度模型;基于卡罗需-库恩-塔克(KKT)条件将双层博弈模型转化为单层混合整数规划问题,进而得到过网费价格;利用交替方向乘子法分布式求解产消者点对点实时交易电量和交易电价。IEEE 33节点配电系统的仿真结果验证了所提模型能在保证配电系统安全运行的基础上保障所有产消者利益,且能合理补偿配电公司因放弃部分特许经营权而产生的收益损失。     

小像元量子阱FPA抗光学串音的FDTD仿真

采用光栅耦合结构的焦平面阵列(Focal Plane Array,FPA)在工艺上难以制备,反射耦合结构较为容易。为探究反射耦合结构是否可以在小尺寸范围内替代光栅耦合结构,文章使用FDTD电磁场仿真软件MEEP构建了光栅耦合结构和反射结构GaAs/AlGaAs量子阱红外焦平面阵列三像元模。通过对器件内部光学串音进行仿真,验证了在逼近衍射极限时,采用全内反射结构的FPA在5~7μm和8.5~10μm之间的抗串音效果强于光栅耦合结构,而在6.5~8.5μm和10~12μm之间,光栅耦合结构的抗串音效果更好,在12~15μm范围内,两种结构的抗串音能力相当。针对15μm中心距全内反射结构量子阱FPA,探究了反射角度、刻蚀深度和量子阱周期对其串音的影响。     

InPBi禁带下红外光致发光效率的Bi组分依赖研究

稀Bi半导体InPBi的光致发光（Photoluminescence, PL）主要来自缺陷能级跃迁过程,具有红外长波长、大线宽和高辐射强度等特点,因而引发广泛兴趣。针对InPBi的红外发光效率问题,本文研究了不同Bi组分InPBi的激发功率依赖红外PL光谱演化规律。实验发现,随着Bi组分增大,PL线型发生显著变化,导致发光波长总体红移;同时激发功率依赖的PL积分强度演化分析表明,发光效率随Bi组分先增大然后下降,在0.5%组分时发光效率达到峰值。发光效率增大一方面归因于Bi捕获空穴降低非辐射复合,另一方面来自Bi的表面活性剂效应;而高Bi组分引入过多缺陷从而抑制了Bi的优势,导致发光效率下降。这些结果或有助于理解InPBi的红外发射性能,表明InPBi具有红外光电子应用前景。     

基于改进3D UNet的前列腺MR图像分割

针对前列腺磁共振 (magnetic resonance, MR)图像边缘模糊、对比度较低,灰度值分布不均衡而导致分割精度较差的问题,提出了一种结合双路径注意力(dual path attention,DPA) 和多尺度特征聚合(multi-scale feature aggregation,MFA) 模块的改进3D UNet网络模型。首先,对数据集进行重采样和裁剪处理以适应模型输入。然后,在3D UNet网络的编码器各层引入DPA 并添加残差连接,加强特征的 编码能力。同时,在网络解码器中加入MFA模块,以充分利用空间上下文信息,增强语义信息。最后,在公开数据集PROMISE12上进行验证,所提出的模型的Dice系数为89.90%,Hausdorff 距离为9.37 mm。相比较于其他模型,所提出模型的分割结果更优,且参数量和运算量更少。     

基于“情景-应对”的城市大面积停电应急联动机制与策略

城市大面积停电影响领域广泛,单一行业或部门难以应对,通过科学方法分析停电情景并构建涵盖多主体的应急联动机制十分必要。构建了情景分析模型,从风险演化、事件分类和逻辑层次3个维度对停电事件进行全方位、多层次的科学描述;基于城市系统理论和情景构建原则,通过实证分析和逻辑推演,构建停电及通信中断、供油中断、供水中断、交通瘫痪等关键情景链,结合案例分析应急联动的需求和不足。基于“情景-应对”视角,以电力抢修恢复为主体,构建涵盖电网企业内部、电厂与电网之间、政府与企业之间和民生行业之间的应急联动机制,提出更高效应对大面积停电事件的具体、可行的综合联动机制和策略。     

预训练语言模型实体匹配的可解释性

实体匹配可以判断两个数据集中的记录是否指向同一现实世界实体,对于大数据集成、社交网络分析、网络语义数据管理等任务不可或缺.作为在自然语言处理、计算机视觉中取得大量成功的深度学习技术,预训练语言模型在实体识别任务上也取得了优于传统方法的效果,引起了大量研究人员的关注.然而,基于预训练语言模型的实体匹配技术效果不稳定、匹配结果不可解释,给这一技术在大数据集成中的应用带来了很大的不确定性.同时,现有的实体匹配模型解释方法主要面向机器学习方法进行模型无关的解释,在预训练语言模型上的适用性存在缺陷.因此,以Ditto、JointBERT等BERT类实体匹配模型为例,提出3种面向预训练语言模型实体匹配技术的模型解释方法来解决这个问题:(1)针对序列化操作中关系数据属性序的敏感性,对于错分样本,利用数据集元特征和属性相似度实现属性序反事实生成;(2)作为传统属性重要性衡量的补充,通过预训练语言模型注意力机制权重来衡量并可视化模型处理数据时的关联性;(3)基于序列化后的句子向量,使用k近邻搜索技术召回与错分样本相似的可解释性优良的样本,增强低置信度的预训练语言模型预测结果.在真实公开数据集上的实验结果...     

基于机器学习的超声造影分析综述

超声造影（Contrast-enhanced ultrasound, CEUS）通过外周静脉注入超声造影剂,显著增强来自肿瘤微血管的血流信号,便于临床医生以实时、动态的方式评估肿瘤血管生成、周边浸润等,广泛应用于多器官病变诊断、预后评估和治疗方案规划等方面。近年来,以深度学习为代表的机器学习方法快速发展,为动态超声造影智能分析带来新的机遇。深度学习方法很大程度上拓宽了超声造影临床应用范围,提高了其诊疗效能。但与常规超声影像类似,超声造影仍然存在斑点噪声、呼吸运动干扰和标准化程度低等问题,使得动态灌注时间、空间信息挖掘面临挑战。本文系统性回顾了近年来超声造影智能分析相关工作,涵盖良恶性鉴别、恶性分级、疗效预测和诊疗方案选择等方面应用,总结了当前影像组学及深度学习方法在超声造影分析领域的最新进展,并指出当前研究的局限性和未来发展方向。