基于储氢合金的太阳能制冷系统理论研究

结合金属氢化物的特点,提出了一种新型太阳能吸附式制冷循环系统;具体介绍了系统结构形式,建立了系统能量转换与分析模型,并对构成系统的各部件进行了分析;根据具体算例,计算了系统各部件的效率与损失,结果表明,系统具有较好的节能效果,且系统优化应以太阳能辐射量为基准,以提高金属氢化物系统中的氢气转化率为目标进行。系统优化的另一方向在于发展与其他太阳能利用技术相结合的复合式系统。     

煤矿工作面无线全覆盖通信系统设计

根据煤矿工作面无线通信的需求,分析了现有工作面有线通信和无线通信技术的优缺点,提出了一种基于无线网状网和ZigBee技术的煤矿工作面无线全覆盖通信系统设计方案,并介绍了综合基站和WiFi网关的设计。测试结果表明,该系统能够满足工作面数据、语音、视频等不同信息的无线传输需求,实现了工作面无线信号的全覆盖。     

琥珀酰亚胺酯基类偶氮染料的制备及其超临界CO2羊毛清洁化染色

以对氨基苯甲酸和4-氨基-2-氯苯甲酸、苯胺和间甲苯胺为原料,采用重氮偶合反应制备染料前驱体,通过在前驱体上引入琥珀酰亚胺酯获得4例活性分散染料Ⅰ～Ⅳ.对染料的紫外-可见吸收光谱、光热稳定性、超临界二氧化碳(scCO2)中羊毛纤维的染色工艺等进行了测试.结果表明,4例染料均具有良好的光热稳定性,染料Ⅰ、Ⅲ和Ⅳ最大吸收波长集中在360～370 nm,染料Ⅱ的最大吸收波长红移到379～452 nm,染料均具备scCO2染色的条件.染料Ⅰ和Ⅲ的最佳染色条件为2 h、80℃和15 MPa,染料Ⅱ的最佳染色条件为1.5 h、80℃和15 MPa,染料Ⅳ的最佳染色条件为2 h、80℃和24 MPa.染色后的羊毛纤维的耐皂洗和耐光色牢度都可达4～5级,固色率最高可达86％,相比于未活化的前驱体,耐皂洗色牢度能提高2～3级,固色率最高能提升63％.SEM和显微镜成像证明4例染料具有良好的透染性,且能均匀附着于纤维的表面和内部.力学性能测试表明,染色后的羊毛纤维能基本保持原有的力学性能.     

液固循环流化床换热器管束的固含率

在二维中试循环流化床中使用组合式固液分布器进行实验,考察下管箱表观液速,主分布器内径、主分布器下插深度,颗粒加入量和粒径对径向管束固含率的影响.结果表明:固含率随主分布器内径、颗粒加入量和下管箱表观液速的增加而增大,随粒径的增大而减小,随主分布器下插深度几乎没有变化;固含率不均匀度随颗粒粒径的增大而增大,随下管箱表观液速、颗粒加入量,主分布器下插深度增加而减小,但达到一定深度后,不均匀度不再随之减小,随主分布器内径几乎没有变化.在综合考虑各影响因素的基础上,提出计算固含率的经验公式,并用实验数据拟合了公式中的参数.     

基于RetinaNet-CPN网络的视频人体关键点检测

为解决基于视频流的人体关键点检测效果不佳及视频流切片后可能会发生运动模糊的问题,提出了一种改进的RetinaNet-CPN网络对人体关键点进行检测,有效解决切片后运动模糊图像的干扰并提高了人体关键点的检测准确率.视频流切片后,先用改进的RetinaNet网络检测出图片中的所有人并对每个目标框做模糊检测,对大于阈值的目标框做去模糊处理,最后用引入注意力机制的CPN网络提取关键点.将RetinaNet衡量预测框与真实框差异的IOU函数改成DIOU后,在仿真实验中目标检测AP提高了近3％;对于模糊的图片,利用匀速直线运动频谱特征估算出的模糊核与实际模糊核相差不大,对其做去模糊处理后基本能恢复出原清晰图片;同时引入注意力机制为各通道和特征层分配合理的权重,使得CPN检测AP提高近1％,AR提升0.5％.     

一种卷积神经网络的模型压缩算法

卷积神经网络的研究取得一系列突破性成果,其优秀表现是由深层结构支撑的。针对复杂的卷积神经网络在参数量及计算量上存在大量的冗余问题,提出一种简洁有效的网络模型压缩算法。首先,通过计算卷积核之间的皮尔逊相关系数判断相关性,循环删除冗余参数,从而压缩卷积层。其次,采用局部-全局的微调策略,恢复网络性能。最后,提出一种参数正交正则,促使卷积核之间的正交化,进而减少冗余特征。实验结果表明,在MNIST数据集上,该压缩算法能够在不损失测试精度的前提下,使AlexNet卷积层的参数量压缩率达到53.2%,浮点操作计算量可以减少42.8%,并且网络模型收敛后具有较小的误差。     

LogGAN: a Log-level Generative Adversarial Network for Anomaly Detection using Permutation Event Modeling

Information Systems Frontiers - System logs that trace system states and record valuable events comprise a significant component of any computer system in our daily life. Each log contains...     

基于$pm3sigma$正态概率区间分族遗传蚁群算法的移动机器人路径规划

针对移动机器人路径规划问题,提出一种基于正态概率区间分族的家族遗传蚁群融合算法.首先提出初始种群优化及删除算子解决传统遗传蚁群融合算法中遗传阶段随机生成的初始种群质量低的问题;然后引入适应度值正态概率区间种群分族机制及家族混合交叉算子,解决传统遗传蚁群融合算法中易出现未成熟收敛的问题;最后引入混合变异策略以提高随机变异后生成的路径质量.将全局路径规划算法与局部路径规划算法-动态窗口算法相结合形成完整移动机器人运动规划.基于Matlab仿真平台与机器人操作系统平台进行实验分析,结果验证了所提出正态化概率分族遗传蚁群融合算法求解移动机器人路径规划问题的有效性.     

基于NOMA的5G超密网计算迁移与资源分配策略

针对5G超密网中移动设备计算能力不足、频谱资源有限的问题,提出了一种基于非正交多址接入（NOMA）的计算迁移与带宽分配策略。首先,对系统模型进行了分析,并在此基础上以最小化设备计算代价为目标对所研究的问题进行形式化定义;然后,将该问题分解成设备的计算迁移、系统的带宽分配和设备的分组匹配三个子问题,并利用模拟退火、内点法和贪心算法对这三个子问题进行求解;最后,通过联合优化算法对上述子问题进行交替性迭代求解,最终获得最优计算迁移和资源分配策略。仿真结果表明,所提出的联合优化策略不但优于传统的正交多址接入（OMA）方式,而且能获得比平均分配带宽的NOMA技术更低的设备计算代价。     

面向边缘端的施工人员实时检测方法

施工人员检测在施工管理工作中有重要的应用价值。施工现场图像背景复杂且视角多样,给施工人员检测任务带来难度,同时施工现场大多基础配套设施不完善,并且网络条件较差,不适合在大型GPU工作站上进行模型部署。针对以上问题,以YOLOv3检测网络为基础,加入特征金字塔池化模块,增加多尺度特征融合并改进候选框,提升检测精度,同时采用通道剪枝算法对检测网络进行轻量化处理以适应边缘端设备算力,提出一种面向边缘端的施工人员实时检测方法。该方法在自制的施工人员数据集上平均准确率可达到88.23%,较YOLOv3检测方法提升4.89个百分点,且将模型大小压缩至原来的1/13,检测速度提升一倍,在嵌入式设备Jetson Xavier NX上检测速度可达到69.08帧/s,满足在施工现场进行实时边缘端检测的要求。