基于 Lamb 波能量和飞行时间的碳纤维复合材料 疲劳损伤成像

碳纤维复合材料被广泛应用于航空航天等高新技术领域,其在服役过程中会产生疲劳损伤,埋下安全隐患,因此需要对其健康状况进行监测,利用损伤概率成像算法能够得到直观反映结构健康状况的图像,但传统的损伤概率成像算法在无损伤区域的损伤概率高,难以准确定位损伤,针对以上问题,提出基于Lamb波能量和飞行时间的损伤概率成像算法。将待测区域均匀划分成N个像素点,计算每条通道的Lamb波能量与飞行时间损伤因子,确定各通道损伤因子影响区域的概率值并叠加,得到每个像素点的损伤概率并成像。实验结果表明,与目前常用的基于能量损伤因子和互相关损伤因子的损伤概率成像算法进行对比,提出的方法能够直观地反映碳纤维复合材料缺陷情况,并且识别效果更优,成像误差显著减小,误差error分别降低了4.420、2.117、2.055和4.732、2.380、2.647,能够更准确地识别缺陷,有效地保障碳纤维复合材料结构的安全应用。     

考虑新能源消纳和网损的分布式光伏集群出力评估方法

为解决配网中分布式光伏渗透率持续升高引起的网损增加、功率倒送、电压越限等问题,在对分布式光伏进行集群划分的基础上,提出了一种综合考虑新能源消纳和网损的分布式光伏集群出力评估方法。首先,以基于电气距离的模块度指标和有功平衡度指标作为综合划分指标,利用遗传算法对配网中的分布式光伏进行集群划分;然后,在集群划分结果的基础上,考虑储能的调节作用及网络安全稳定约束,以包含网损成本和弃光成本的配电系统经济成本最低为优化目标,提出了分布式光伏集群出力评估方法;最后,通过在扬州某地实际41节点系统上进行仿真分析,证明了所提评估方法的可行性和有效性,所提评估方法可以根据调度中心的需求提供分布式光伏集群出力评估数据。     

氢燃料电池船舶直流综合电力系统研究及应用

研发氢燃料电池船舶是实现航运业零碳排放的可行途径,也是推动造船业转型升级的重要发展方向,但传统的电力系统集成模式逐渐成为制约氢燃料电池船舶产业化应用的关键因素,构建以新能源为主体的船舶新型直流综合电力系统成为解决该问题的突破点。首先,系统梳理了氢燃料电池船舶和船舶综合电力系统的发展概况;其次,以中国第一艘氢燃料电池游艇"蠡湖"号为例,详细介绍了氢燃料电池船舶直流综合电力系统的关键技术及其在实船上的应用;然后,针对不同的航行工况重点分析了氢燃料电池船舶的5种电力驱动模式;最后,结合相关技术和配套设备的研发进程,分析并探讨船用氢燃料电池的局限性、推广可行性及未来的发展方向,期望能为燃料电池船舶的技术创新和工程应用提供参考。     

基于期望方向图匹配的MIMO雷达恒模发射波形设计算法研究

为提升MIMO雷达发射功率利用率,改善对目标的探测性能,研究了期望方向图匹配下的发射波形设计方法。建立了发射波形恒模约束下的方向图匹配加权优化模型;基于循环优化和majorization-minimization(MM)算法对原始非凸优化问题进行求解,通过构造合适的上界函数,可将原始问题松弛为等式约束下的序列线性规划问题,并能保证算法的收敛性;由于每一次迭代都能给出子问题的闭式解,因而所提方法的计算复杂度较低;仿真实验表明了所提方法的有效性。     

Artificial intelligence in cyber security: research advances,challenges, and opportunities

Artificial Intelligence Review - In recent times, there have been attempts to leverage artificial intelligence (AI) techniques in a broad range of cyber security applications. Therefore, this paper...     

高性能罗兰-C接收天线设计

为了提高罗兰-C磁天线的接收能力,设计了一种顺接串联多层线圈的磁天线。理论推导了顺接串联多层线圈磁天线的信噪比和灵敏度,最终设计的磁天线大小为150 mm×150 mm。远场测试接收到了较高信噪比的罗兰-C信号,在相同信号调理电路条件下,与单层单组线圈的磁天线相比,顺接串联多层线圈的磁天线接收到3.47 V的电压信号,且信噪比高达30.87 dB,灵敏度和信噪比分别提高了82.42%和63.20%。顺接串联多层线圈磁天线提高了罗兰-C磁天线的灵敏度和信噪比,对罗兰-C系统在定位方面的应用具有重要意义。     

A tight coupling mapping method to integrate the ESKF,g2o,and point cloud alignment

The Journal of Supercomputing - High-precision point cloud maps have drawn increasing attention due to their wide range of applications. In recent decades, point cloud maps are normally generated...     

Optimizing emotion–cause pair extraction task by using mutual assistance single-task model,clause position information and semantic features

The traditional emotion–cause extraction task needs to give the exact emotion annotation contained in the document before extracting the cause. Different from this, the emotion–cause pair extraction (ECPE) task, which aims to extract emotion–cause pairs with causal relationships directly from the document, is a task proposed in the natural language processing field recently. At present, the task of ECPE is divided into two steps: emotion annotations and cause clause extraction, emotion–cause clause pair combining and filtering. In this article, we optimize these two steps. On the one hand, in the first step of ECPE, a mutual assistance single-task model proposed by us is used to replace the original multi-task model. On the other hand, the position information of the clause is added as an additional feature in the second step of ECPE. Furthermore, based on different levels of semantic features, we design three filtering models and explore their performance on ECPE tasks. The experimental results on the benchmark corpus show that our approach can make the ECPE task achieve better performance. Compared with the referenced method, F1-score is increased by 5.3%. Moreover, these optimization strategies improve the subtasks contained in ECPE to varying degrees.