面向曳引钢带缺陷检测的径向磁化电磁传感器仿真研究

针对曳引钢带缺陷检测提出了一种径向磁化电磁传感器,实现曳引钢带缺陷的精准检测.基于电磁耦合和高导磁材料的聚磁特性,采用有限元分析方法建立起径向磁化电磁传感器的等效模型,分析了聚磁铁芯宽度和线圈安匝数对径向磁化电磁传感器测量处磁感应强度大小的影响规律.结果表明,宽度为1 mm的聚磁铁芯具有最佳的聚磁效果,测量处磁感应强度随着安匝数增加而增大并趋于饱和;接着,选取曳引钢带断丝和磨损两类典型缺陷,进一步仿真分析了其缺陷程度与测量点处磁感应强度的映射关系,结果表明,测量点处磁感应强度随着缺陷程度增加而减小;最后,对研制的径向磁化电磁传感器进行性能测试,并将其应用于曳引钢带缺陷检测实验中,测量值与仿真值的最大相对误差为7.8％.     

基于样本特征核矩阵的稀疏双线性回归

在许多实际应用中出现了大量的冗余数据,这些数据可能是高维的,这时进行回归预测将会出现过拟合的现象,并且还会出现预测精度偏低等问题.另外,大多数回归方法都是基于向量的,忽略了矩阵数据原始位置之间的关系.为此,文中提出了一种基于样本特征核矩阵的稀疏双线性回归(Kernel Matrix-based Sparse Bilinear Regression,KMSBR)方法.该方法直接将数据矩阵作为输入,其是通过左右回归系数矩阵而建立的,利用样本的特征核矩阵和L2,1范数,能够同时实现对样本及样本特征的选择,且考虑了数据的原始位置,提高了算法的性能.在若干数据集上的实验结果表明,KMSBR能有效地选择相对重要的样本和特征,从而提高算法的运行效率,且其预测精度优于已有的几种回归模型.     

基于信任关系下用户兴趣偏好的协同过滤推荐算法

随着信息的海量增长,推荐系统有效缓解了信息爆炸带来的问题,其中协同过滤作为主流技术之一受到了广泛的关注.针对用户的兴趣偏好研究主要是基于商品标签的有监督数据集进行研究,忽略了无监督数据集,同时,在计算用户的兴趣偏好过程中也未能考虑到信任用户对用户兴趣的影响.为此,文中首先在无监督的项目数据集上采用矩阵分解模型得到项目的潜在特征向量,据此对项目进行聚类以表示项目的类别信息;然后,结合用户的信任关系和用户-项目评分矩阵构造用户的兴趣偏好矩阵;最后,为提高推荐效率,在用户的兴趣偏好矩阵上对用户进行聚类,在每个聚类簇内计算用户之间的相似度,从而实现推荐.在公开数据集上的实验结果表明,该算法能有效改善推荐结果的精确性,提升推荐质量.     

考场环境下考生视线估计方法

考生异常行为的监测容易使监考人员产生视觉疲劳。借鉴监考人员发现异常的过程,提出一种可用于考场异常行为分析的视线估计模型。为了减少图像中视线的信息损失,采用注视向量表示视线的大小和方向。该模型分为生成器、视线合成模块、鉴别器,先将考生头部图像输入生成器生成注视向量,再将头部位置和注视位置输入到合成模块得到真实注视向量。将头部图像与上述所得的两种向量输入鉴别器中,其生成对抗模式达到最优时,可得到生成真实值的生成器模型。实验结果表明,在多个考场环境中,该方法的性能优于所对比的几种方法。其中与Lian等人方法相比AUC（Area Under Curve）提高了2.6%,Ang（Angular error）和Dist（Euclidean distance）分别有效降低了20.3%和8.0%。     

环状扫描的强深度森林

深度森林（Deep Forest,DF）,由于此模型超参数少,且参数设置没有过多的要求,训练方便,鲁棒性高,因此在处理大型数据时比神经网络算法更加具有优势。但是,传统的深度森林中,多粒度扫描忽略了边缘数据携带的隐含信息,无法充分地获得各个特征子集,进而会对以后的级联部分产生影响。而且,级联部分每次得到的新特征有限,影响了模型的表征学习能力。针对以上问题,提出一种环状强深度森林（Circular Strong Deep Forest,CSDF）,其通过环状扫描过程,一定程度上得到更充分的特征子集,且强级联森林通过特征选择提高了模型的表征学习能力。经过在不同数据集上的测试,结果表明,CSDF的性能更加优越,尤其是高维数据上更为明显。     

COVID-19医学影像数据集及研究进展

由于影像学技术在新型冠状病毒肺炎（COVID-19）的诊断和评估中发挥了重要作用,COVID-19相关数据集陆续被公布,但目前针对相关文献中数据集以及研究进展的整理相对较少。为此,通过COVID-19相关的期刊论文、报告和相关开源数据集网站,对涉及到的新冠肺炎数据集及深度学习模型进行整理和分析,包括计算机断层扫描（CT）图像数据集和X射线（CXR）图像数据集。对这些数据集呈现的医学影像的特征进行分析;重点论述开源数据集,以及在相关数据集上表现较好的分类和分割模型。最后讨论了肺部影像学技术未来的发展趋势。     

基于粒子群优化BP神经网络的超声波缺陷位置预测

海洋设备的无损检测对于保障设备安全使用至关重要,由于设备所处的海洋环境特殊,要实现对海洋设备缺陷位置的准确估计难度较大.论文提出了一种基于粒子群优化BP神经网络(PSO-BP)预测设备缺陷位置的方法.通过模拟了海洋检测环境,用钢板作为实验对象,用超声波探伤仪对缺陷钢板进行了数据采集,获取了水下钢板的实时数据.通过粒子群算法对BP网络进行优化后对数据进行分析,对比缺陷出现的实际位置和预测位置,证明了粒子群优化的BP神经网络对于超声波检测的缺陷出现位置具有较好的预测效果.     

电动汽车充电负荷时空分布的空间负荷预测

针对大规模电动汽车接入配电网对空间负荷预测的影响,论文提出一种考虑电动汽车充电负荷时空分布的城市配电网空间负荷预测方法.先根据各类车型充电方式与出行特点对电动汽车进行分类;其次,根据居民出行调研统计数据对电动汽车出行规律进行概率分布函数的拟合;然后,构建电动汽车出行链模型,通过蒙特卡洛方法计算得到不同区域和不同时间内充电负荷.最后,基于某地区实际数据,得到一天内不同功能小区的空间负荷预测值,为未来城市配电网的规划提供参考.     

移动列车作用下大直径顶管群和路基的动力变形和应力

大直径顶管下穿重要铁路干线时,路基的承载力和动力特性必将发生改变,铁路部门要求列车运行时顶管上方竖向动位移与顶管施工前相比变化量≤5 mm。对列车驶过顶管群上方铁路的过程进行了数值模拟,给出路基瞬时竖向位移和顶管附加动应力等结果。采用三维有限元Newmark动力时程分析法和seed等效线性法模拟路基的振动软化,按照实际工程考虑6根直径4.7 m的顶管群下穿京沪铁路,计算列车速度分别为100,200 km/h。计算结果表明,在管道埋深12 m时,路基最大竖向动位移增加1.3 mm,顶管受到的附加拉(压)动应力为0.14 MPa左右,顶管群对铁路运行的影响在容许范围内。     

Interface trap effect on the transient characteristics of a photovoltaic InSb infrared detector

The transient characteristics can be significantly affected by the interface trap. In order to reveal the intrinsic mechanism and provide some references for the design of detectors, the interface trap effect on the transient characteristics of a back-illuminated photovoltaic InSb infrared detector is studied with two-dimensional simulations. The relationships between interface traps and some key physical parameters, such as the hole concentration, the recombination rate and the electric field, are analyzed to reveal the intrinsic mechanisms of the influence of the interface traps on the transient characteristics. Studies show that with the increase of the interface trap density, the recombination rate and the electric field near the interface increase, the hole concentration decreases, and the “black holes” in current density distribution appear and move forward to the pn junction. And the transient photoresponse decreases with the increase of the interface trap density.