一种改进的NJ方法及其应用

传统的邻接法(Neighbor-joining Method,简称NJ)存在“Tied trees”问题,即它从同一数据集中产生的进化树可能不唯一.为解决这一问题,提出了一种改进的NJ方法——INJ,该方法利用速率校正距离把多个最近的种群进行合并,并从理论和应用上说明INJ产生的进化树具有更好的唯一性,而且在NJ树唯一时,INJ树和NJ树完全相同.因此在传统NJ算法产生的二叉树不唯一时,INJ算法也能产生一棵具有唯一拓扑结构的多叉树.     

基于ROS的机械臂运动规划研究

为提高多自由度串联机械臂在作业过程中的工作效率及安全性问题,提出一种基于ROS平台的机械臂运动规划方法。以ABB机器人为研究对象,进行正逆运动学分析。通过MoveIt配置包构建机器人的三维可视化模型,对机器人进行笛卡尔空间下的直线和圆弧规划实验。为提高机器人运动安全性和关节运动的平滑性,自定义一种线性插补算法后集成到MoveIt中进行运动仿真实验。实验结果显示机器人各关节运动轨迹平滑,稳定性高,表明此插补算法的可行性。最后进行机械臂的避障仿真实验,在MATLAB中对快速扩展随机树（RRT）算法和双向快速扩展随机树（RRT-Connect）算法进行对比实验,仿真证明：RRT-Connect算法速度快,路径短,更能提高机械臂在复杂路径下的规划效率。     

融合卷积神经网络与多层感知器的鞍部识别方法

针对传统鞍部识别方法中特征选择困难及未考虑鞍部与其它地形要素的共生关系等问题,利用深度卷积神经网络的特征自学习性能,提出了一种卷积神经网络与多层感知器相结合的混合模型实现DEM数据中的鞍部要素识别.首先设计改进的卷积神经网络模型自动提取鞍部的深度特征,经过Softmax分类器得到候选鞍部点,再运用多层感知器对候选鞍部点...     

基于多头注意力的CNN-LSTM的换道意图预测

自动驾驶车辆与传统车辆混行的交通环境中,车辆的换道意图预测能够为自动驾驶车辆安全行驶提供有效保证。为了更准确地预测车辆的换道意图,将多头注意力与卷积神经网络(Convolution neural network,CNN)和长短时记忆(Long-short term memory,LSTM)网络结合,提出一种新型车辆换道意图预测算法。首先对NGSIM(Next generation Simulaion)数据集进行处理,提取车辆横向位置信息和周围环境信息。然后输入基于多头注意力(Multi-headattention)的CNN-LSTM模型,提高对输入序列特征的提取能力和预测精度。最后在NGSIM数据集验证该模型的有效性。试验结果表明,该模型能够从大量数据中提取到重要特征,同时通过特征对比试验发现,横向位置信息作为预测的主要特征,而周围环境信息作为预测的辅助特征。最后通过模型的对比试验得出,该模型的换道意图预测准确率在换道前1s、2s、3s相比于LSTM、CNN、CNN-LSTM模型具有更好的预测精度,可以为自动驾驶汽车设计先进的意图预测算法提供帮助和参考。     

基于多任务学习的多模态命名实体识别方法

针对传统多模态命名实体识别方法无法有效融合图文模态信息且不能区分易混淆实体等问题，提出一种基于多任务学习的多模态命名实体识别方法，通过对比融合辅助任务促进图文模态信息的融合，通过实体聚类辅助任务提升模型对易混淆实体的判断能力。利用BERT预训练语言模型和ResNet模型分别对原始文本和图片进行特征映射获得相应的特征向量，并利用跨模态Transformer结构融合图文模态信息。在多模态命名实体识别任务基础上，增加对比融合辅助任务促进图文模态信息融合，增加实体聚类辅助任务学习实体类别之间的差异，提升模型对易混淆实体的区分能力。最后，利用条件随机场层学习上下文转移概率，并输出最优预测结果。实验结果显示，在国际公开数据集Twitter-2017上，所提方法相较于基线方法取得了更高的准确率、召回率和F1值，其中F1值可达85.59%，表明对比融合辅助任务和实体聚类辅助任务能够促进模型对实体的识别效果。     

基于可控电压源的高压直流输电换相失败抑制技术

为解决传统高压直流输电系统换相失败的问题，文中提出一种在电网换相换流器（LCC）与换流变压器之间串联级联H桥构成柔性化LCC系统的方案。级联H桥作为可控电压源产生容性交流电压，可以实现对换流阀实际换相电压的调节，从而有利于降低换相失败发生的概率。文中根据换流变压器二次侧相位关系建立起柔性化LCC的准稳态模型，进而研究了系统直流母线电压和实际熄弧角的控制关系并证明了柔性化LCC具备可以实现电网功率因数调节的特性。之后，文中提出了针对不同电网状况的可控电压源和LCC协调控制策略，使得系统在故障条件下能够同时满足保障直流功率传输和抗逆变颠覆的要求。最后，利用PSCAD/EMTDC仿真证明了所提出的方案在交流电压跌落时相比传统LCC方案能够更有效的维持系统稳定、抑制换相失败发生。     

A/B分离法——串级萃取理论简通版

串级萃取理论是一种通用的物质分离理论，它起源于液-液萃取，在国内稀土萃取分离中获利了广泛和成功的应用。为了让其他专业的科技人员也能方便的学习和应用，将其简化为通俗易懂的“A/B”分离法或称“一分为二”分离法。     

稀土矿物的固相分解研究进展

稀土是重要的战略资源，从稀土矿物中提取稀土的冶金技术是稀土应用的基础。硫酸焙烧法、液碱分解法和氧化焙烧法等是稀土工业应用的冶金工艺，从稀土矿物提取稀土及伴生资源的绿色、高效冶金技术研究一直是稀土冶金研究的重点和难点。本文对钠盐、铵盐、钙盐、镁盐等固相分解剂分解稀土矿物的现状与进展进行了综述。微波加热技术、机械化学技术等与固相分解技术结合，进一步实现稀土矿物的短流程、低能耗分解，是未来稀土冶金的一个重要思路，具有广阔的应用前景。综上，针对从绿色冶金、高值化冶金方面对今后的研究方向提出建议。     

基于递归门控卷积和上下文注意力的煤块检测算法

针对煤矿带式输送机上煤块检测因光照不均存在的漏检与误检问题，提出一种基于门控卷积和上下文注意力机制的改进YOLOv5煤块检测算法。首先，将主干网络中残差模块替换为递归门控卷积模块，通过逐步融合特征信息，提取高阶语义特征，增强模型的特征提取能力。其次，在特征融合结构中加入GCA注意力机制，将全局上下文信息融入坐标注意力模块中，加强感兴趣区域的全局表示，增强多尺度特征融合能力，提高模型对煤块边缘特征的敏感度。最后，采用SIoU损失函数，加速网络模型的收敛。试验结果表明，改进的算法在自建煤块数据集上平均精度均值达到92.8%,召回率达到85.9%,检测速度达到38帧/s。既提高了检测精度，又满足了检测的实时性。     

DOPO-衣康酸-丙烯酸酯类煤炭阻燃抑尘剂的制备及应用

以9,10-二氢-9-氧杂-10-磷杂菲-10-氧化物(DOPO)、衣康酸(ITA)、甲基丙烯酸甲酯(MMA)、丙烯酸丁酯(BA)、丙烯酸(AA)和甲基丙烯酸缩水甘油酯(GMA)等为原料，K₂S₂O₈为引发剂，十二烷基硫酸钠(k12)和辛基酚聚氧乙烯醚(OP-10)为乳化剂，采用传统的自由基聚合法合成了一种高分子阻燃抑尘剂乳液。采用FT-IR、SEM、TGA等对产品的结构进行表征，并对其成膜柔韧性、保水性、抗风蚀性、抗振荡性等性能进行了测试。结果表明，在m(BA)∶m(MMA)=3∶2,引发剂用量为0.8%(以单体的总质量为基准，下同),乳化剂用量为3%,m(k12)∶m(OP-10)=1∶1,阻燃剂用量为1.25%,反应温度75℃,反应时间1.5h条件下，所制得的乳液稳定，粒径分布均匀，干燥后成膜柔韧性较好。喷洒阻燃抑尘剂的煤样与喷洒水的煤样相比，保水性、抗风蚀性、抗振荡性能都得到了显著提高。