基于LightGBM的EAST杂质破裂预警

对全超导托卡马克核聚变实验装置东方超环(EAST)运行放电期间发生的杂质破裂进行预测对未来的聚变装置的长脉冲稳态放电有重要意义. 根据杂质破裂的物理特性筛选出的2018年的334炮杂质破裂炮数据以及2021年的1628炮非破裂炮作为训练炮, 再由等离子体平衡、密度、电流以及辐射等8种诊断信号组成的训练样本以LightGBM算法训练出杂质破裂预测模型. 实验结果表明LightGBM算法模型可以对杂质破裂进行准确预测(成功预测率96.29%), 非破裂炮的误判率6.87%. 研究结果证明利用LightGBM进行EAST等离子体杂质破裂预警是可行的方案.     

基于MultiResUNet-SMIS的皮肤黑色素瘤图像分割

针对现有的皮肤黑色素瘤病灶分割精度不高的问题,结合现有卷积神经网络方法提出皮肤黑色素瘤图像分割方法 MultiResUNet-SMIS.首先,依据皮肤黑色素瘤成像特点,引入不同空洞率的空洞卷积替换普通卷积,在参数量相同的前提下扩大感受野,使网络模型能够适用于多尺度病灶分割任务;其次加入空间和通道注意力机制以重新分配特征权重,扩大感兴趣特征影响,抑制无关特征;最后融合Focal loss与Dice loss提出一种新的loss函数FD loss用于计算回归损失,解决前景背景像素不均衡问题,进一步提高网络模型的分割精度.实验结果表明,MultiResUNet-SMIS在ISIC-2018数据集上的Dice指数、IoU指数以及Acc准确率分别达到了89.47%、82.67%、96.13%,与原MultiResUNet以及UNet、UNet++、DeepLab V3+等主流方法相比, MultiResUNet-SMIS在皮肤黑色素瘤图像分割中具有更好的效果.     

基于多尺度分割的图像识别残差网络研究

深度卷积神经网络能够解决复杂的计算机视觉问题,被广泛应用于图像识别任务中。在基于深度卷积神经网络的图像识别过程中,增加网络的深度和宽度能够产生丰富的特征信息,使用多尺度分割方法能够有效减少冗余的特征信息。然而,增加网络的深度和进行多尺度分割都会影响识别速度。如何在保证精度的同时提高识别速度,成为设计高效网络的关键问题。通过增加网络宽度的方法对ResNet残差网络进行改进,在保证精度的基础上提升识别速度。使用ResNet-D中的残差结构并减少网络长度,得到长度只有7层的残差网络,同时对HS-ResNet中的多尺度分割方法进行优化,只保留最后一次连接合并操作,得到图像识别残差网络SSRNet。在CIFAR 10和CIFAR 100数据集上的实验结果显示,SSRNet速度最高较ResNet网络提升7倍多,同时错误率最高下降8.81%,表明缩短网络长度可大幅加快图像识别速度,同时结合多尺度分割方法能够有效提升识别精度。     

An enhanced preference-inspired co-evolutionary algorithm using orthogonal design and an ε-dominance archiving strategy

The concept of co-evolution of preferences and candidate solutions has proven effective for many-objective optimization. One realization of this concept, namely preference-inspired co-evolutionary algorithms using goal vectors (PICEA-g), is found to outperform many state-of-the-art multi-objective evolutionary algorithms for many-objective problems. However, PICEA-g is susceptible to unevenness in the solution distribution. This study seeks to tackle this issue and to improve the performance of PICEA-g further. Two established strategies are incorporated into PICEA-g: (i) an adaptive ε-dominance archiving strategy which is applied to obtain a set of well spread solutions online; and (ii) the orthogonal design method which is used to initialize candidate solutions. The improved algorithm, denoted as aε-ODPICEA-g, shows a better performance than PICEA-g on both 2- and 7-objective benchmark problems as well as a real-world problem.     

Inconel 740H合金750℃长期时效后的组织稳定性

对Inconel 740H合金管材在750℃进行500~3000h的无应力时效实验,采用热力学模拟,OM,FEG-SEM,显微硬度测定等方法研究了合金微观组织及显微硬度的变化趋势。结果表明:供货态(固溶处理)管材的合金成分及拉伸性能等均满足ASME要求,管材合格;长期时效后合金的主要析出相为γ′及M23C6,无η,σ等有害相析出。随着时效时间的延长,γ′粒子的粗化速率较快,其规律符合LSW熟化理论,M23C6相尺寸变化不明显;合金的显微硬度呈现先上升后下降的变化趋势,但整体波动较小。长期时效后合金组织及显微硬度的变化表明Inconel 740H在750℃/3000h条件下的组织稳定性较好,可用于进一步进行持久等长时力学性能的检验。     

基于粗糙集模糊神经网络的爆破振动预测

以某地下水封洞库爆破工程为研究对象,全面考虑影响爆破振动的各种因素,提出了基于粗糙集理论的模糊神经网络(RS-FNN)预测方法进行质点峰值速度和主频率预测。首先采用粗糙集理论获得最优属性集,然后对实测数据进行模糊处理,建立质点峰值速度和主频率的12-25-1 RS-FNN网络预测模型,并与基于萨道夫斯基经验公式的预测模型进行对比研究。研究结果表明:RS-FNN对质点峰值速度预测要优于经验公式,同时,RS-FNN也首次实现了对主频率的预测,为保障工程爆破安全提供了一定的理论指导。     

(K0.45Na0.55)0.98Li0.02Nb0.77Ta0.18Sb0.05O3-Co0.85Cu0.15Fe2O4复合陶瓷的磁电性能研究

以压电体(K0.45Na0.55)0.98Li0.02Nb0.77Ta0.18Sb0.05O3和压磁体Co0.85Cu0.15Fe2O4为原料,通过传统的固相反应法制备了(1-x)[(K0.45Na0.55)0.98Li0.02Nb0.77Ta0.18Sb0.05O3]-xCo0.85Cu0.15Fe2O4多铁性复合陶瓷,并使用X射线衍射仪、扫描电子显微镜、压电测试仪、铁电测试仪和磁电耦合测试仪对物相、显微结构、压电、铁电、磁电耦合性能进行了分析。结果表明,复合陶瓷的相结构保持为(K0.45Na0.55)0.98Li0.02Nb0.77Ta0.18Sb0.05O3和Co0.85Cu0.15Fe2O4两种物相,但两者之间发生了轻微的化学反应。随着Co0.85Cu0.15Fe2O4压磁相含量的增加,复合陶瓷的压电系数从56pC/N减小到21pC/N,剩余极化强度略有降低。在压磁相含量为0.2时可获得4.3mV·cm-1·Oe-1的最佳磁电耦合系数。