高镍三元前驱体洗涤过滤一体机搅拌装置设计北大核心CSCD

为了提高锂电高镍三元前驱体产品洗涤效果,以某高镍三元前驱体工艺数据为例,对搅拌装置结构和参数进行了设计,通过分析发现双层斜桨存在轴心处区域流动速度低,影响产品洗涤效果,需要对下层桨叶结构进行改进,进而提出组合式桨叶,并研究搅拌桨安装位置对搅拌效果、流动死区产生的影响。结果表明:组合式桨叶的混合强度较双层斜桨有所增强,物料沉积问题得到改善;搅拌桨安装位置提高后,湍流区域、强度明显降低,不利于物料洗涤。通过实际应用,前驱体材料的钠含量降低到0.015%,硫含量降低到0.14%,促进了浆化洗涤效果。     

国外某深厚覆盖层高土石坝坝基防渗方案设计

国外某高砾石土心墙堆石坝坝基覆盖层深厚、层次结构复杂,基础存在地震液化、抗滑、坝基渗漏等问题。文中针对大坝挡水水头高、坝基材料渗透性强的特点,在设计过程中对单排防渗墙、双排防渗墙、防渗墙结合水平铺盖等防渗形式组合进行了技术比选,最终采用双排防渗墙作为该工程坝基最佳防渗方案。该方案合理且可靠,计算成果可为深厚覆盖层地区的坝基防渗设计提供一定的参考。     

基于高光谱数据和雷达融合的滑坡信息提取

为了改进微地形滑坡遥感影像分类技术,从而提高微地形滑坡遥感信息提取的精度,采用湖北宜昌部分地区的无人机航拍高光谱影像(HSI)和激光雷达(LiDAR)数据作为研究数据源,并对高光谱和LiDAR数据进行融合,最后采用结合注意力模块(CBAM)的卷积神经网络(CNN)方法,对融合后的数据进行滑坡信息提取。研究表明,利用高光谱和雷达数据的优势,可以更准确地提取滑坡信息。     

基于云模型-熵权法的大坝风险等级评价

大坝溃坝会造成灾难性的人员伤亡和经济损失,因此准确评价大坝的风险等级并及时加以防治对大坝安全运营至关重要。以大岗山高拱坝为工程依托,针对大坝稳定性影响因素具有复杂性和随机性的特点,提出了采用云模型评价单因素风险等级和熵权法综合评价大坝安全等级的思路。首先详细分析了影响大坝稳定性的风险因素,确定了大坝稳定性影响因素评估指标体系,并借助专家打分的方式,获得了各因素的影响分值;然后在此基础上利用云模型划分了25个三级风险指标的风险等级,结果显示均位于中风险和高风险等级区间;最后采用熵权法确定各三级指标的综合权重,计算出大岗山高拱坝稳定性加权分数5.69分,对应安全等级Ⅲ级。实践表明,云模型-熵权法评估结果可靠,符合工程实际,可为大坝风险评价提供借鉴。     

深厚覆盖层上高心墙坝地震惯性力动态分布系数研究

对于强震区坐落在深厚覆盖层(深度超过50 m)上的高土石坝,通过拟静力稳定分析结果初步判定其抗震稳定性是抗震设计的主要内容,其中水平向地震惯性力沿坝基覆盖层至坝顶的动态分布系数是关键。然而,现行《水工建筑物抗震设计标准》(GB 51247—2018)中地震惯性力动态分布系数多基于坐落在基岩上的高土石坝的动力响应规律确定,现有动态分布系数忽略了深厚覆盖层和地震动强度对地震动传播规律的影响。因此,以坐落在深厚砂砾石覆盖层上150 m级高黏土心墙堆石坝为研究对象,结合现行土石坝设计规范和国内已建高土石坝实例,基于统计平均的方法确定了坝顶宽度、坝料分区、坝坡坡比、覆盖层材料的静、动力特性等关键参数,深入探讨了150 m级高黏土心墙堆石坝在小震(0.1 g)、中震(0.2 g)和大震(0.4 g)规范谱地震动作用下不同深度砂砾石料覆盖层的动力响应分布规律,进而总结归纳出不同深度覆盖层下150 m级高黏土心墙堆石坝的水平向地震惯性力的动态分布系数,将其引入到拟静力法稳定分析中,最后基于最危险滑动面和最小安全系数与现行规范所得结果进行对比分析。研究结果表明,小震(0.1 g)和中震(0.2 g)下采用文中推荐的考虑深厚覆盖层和地震动输入强度影响的水平向地震惯性力动态分布系数时将得到更符合工程实际的评价结果。研究成果可为深厚覆盖层上的高土石坝抗震设计提供参考依据。     

基于自适应MSB与差值预测的大容量密文域可逆信息隐藏算法

为提高密文域可逆信息隐藏（reversible data hiding in encrypted images,RDH-EI）的嵌入容量,提出了一种基于自适应MSB（most significant bit）与差值预测的RDH-EI方案。首先将图像进行分块,然后进行块级加密和置乱以抵抗对于加密图像的分析。在嵌入数据阶段,对于自适应MSB预测的方法进行改进,将没有嵌入数据的块,利用部分块内像素之间差值很小的特点采用自适应差值预测的方法嵌入数据,以块中左上角像素为目标像素,用于预测其他像素从而腾出更多的嵌入空间。实验结果表明,所提方法具有可逆性和可分离性,并且在自适应MSB预测方法的基础上进一步提高了嵌入容量,对于512×512大小的灰度图像,平均嵌入容量提高了大约7 445 bit。     

粗定位和协同表示的高光谱图像异常检测

目的 由于在军事和民用应用中的重要作用,高光谱遥感影像异常检测在过去的20~30年里一直都是备受关注的研究热点。然而,考虑到异常点往往藏匿于大量的背景像元之中,且只占据很少的数量,给精确检测带来了不小的挑战。针对此问题,基于异常点往往表现在高频的细节区域这一前提,本文提出了一种基于异常点粗定位和协同表示的高光谱遥感影像异常检测算法。方法 对输入的原始高光谱遥感影像进行空间维的降质操作;通过衡量降质后影像与原始影像在空间维的差异,粗略定位可能的异常点位置;将粗定位的异常点位置用于指导像元间的协同表示以重构像元;通过衡量重构像元与原始像元的差异,从而进一步优化异常检测结果。结果 在4个数据集上与6种方法进行了实验对比。对于San Diego数据集,次优算法和本文算法分别取得的AUC （area under curve）值为0.978 6和0.994 0;对于HYDICE （hyperspectral digital image collection equipment）数据集,次优算法和本文算法的AUC值为0.993 6和0.998 5;对于Honghu数据集,次优算法和本文方法的AUC值分别为0.999 2和0.999 3;对Grand Isle数据集而言,尽管本文方法以0.001的差距略低于性能第1的算法,但从目视结果图中可见,本文方法所产生的虚警目标远少于性能第1的算法。结论 本文所提出的粗定位和协同表示的高光谱异常检测算法,综合考虑了高光谱遥感影像的谱间特性,同时还利用了其空间特性以及空间信息的先验分布,从而获得异常检测结果的提升。     

多尺度超像素分割和奇异谱分析的高光谱影像分类

目的 高光谱影像（hyperspectral image,HSI）中“同物异谱,异物同谱”的现象普遍存在,使分类结果存在严重的椒盐噪声问题。HSI中的空间地物结构复杂多样,单一尺度的空间特征提取方法无法有效地表达地物类间差异和区分地物边界。有效解决光谱混淆和空间尺度问题是提高分类精度的关键。方法 结合多尺度超像素和奇异谱分析,提出一种新的高光谱影像分类方法,从而充分挖掘地物的局部空间特征和光谱特征,解决空间尺度和光谱混淆的问题,提高分类精度。利用多尺度超像素对影像进行分割,获取不同尺度的分割影像,同时在分割区域内进行均值滤波,减少类内的光谱差异,增强类间的光谱差异;对每个区域计算平均光谱向量,并利用奇异谱分析方法获取光谱的主要鉴别特征,同时消除噪声的影响;利用支持向量机对不同尺度超像素分割影像进行分类,并进行决策融合,得到最终的分类结果。结果 实验选取了两个标准高光谱数据集和一个真实数据集,结果表明,利用本文算法提取的光谱—空间特征进行分类,比直接在原始数据上进行分类分别提高约26.8%、9.2%和13%的精度;与先进的深度学习SSRN （spectral-spatial residual network）算法相比,本文算法在精度上分别提升约5.2%、0.7%和4%,并且运行时间仅为前者的18.3%、45.4%和62.1%,处理效率更高。此外,在训练样本有限的情况下,两个标准数据集的样本分别为1%和0.2%时,本文算法均能取得87%以上的分类精度。结论 针对高光谱影像分类中的难题,提出一种新的融合光谱和多尺度空间特征的HSI分类方法。实验结果表明,本文方法优于对比方法,可以产生更精细的分类结果。     

基于微服务架构社会化发行系统设计与实现

为有效解决传统模式下客户前往附近营业厅或银行代理网点办理ETC业务时遇到的网点少、距离远、排队等待等问题,提出了一种基于微服务架构的ETC社会化发行系统。该系统采用前后端分离技术,具有高并发、松耦合、弹性扩展等特点。随着系统的实施部署,实践证明客户可随时随地在线办理ETC业务,不仅有效解决传统模式下遇到的各种问题,同时提高了ETC发行量。     

基于互信息F统计量特征选择技术的地基气象云图分类

在地基气象云图的云状(云类)识别研究中,基于局部二值模式(Local Binary Pattern,LBP)描述子的特征选择技术由于它的简单性和有效性成为最通用的方法.然而,LBP特征的高维特性使得云状识别的性能和计算开销不能令人满意.为此,本文提出一种基于互信息构造的F检验统计量的LBP特征选择算法,可以实现高维LBP特征的有效降维,同时保证云状识别的准确性,极大减少了特征选择过程的计算开销.