深度空气分级条件下配风方式对炉内燃烧特性影响的数值模拟研究

借助数值模拟方法对四角切圆煤粉锅炉进行三维稳态数值模拟,观察其炉内燃烧过程,重点对比了在空气分级下不同配风方式对炉内空气流动和燃烧特性的影响。结果表明:底部配风量较多的正宝塔型、均等、缩腰型配风在炉膛底部形成较高切圆且温度较高,主燃区上部风量较小的正宝塔型和鼓腰型配风速度分布均匀,温度偏差较小,倒宝塔型和鼓腰型配风时出口NOx较其他3种配风方式要小。     

基于层次认知模型的大学计算机课程多元混合教学模式设计与实施

根据计算思维理论中从知识到能力转变的递进过程,构建了基于层次认知模型的多元混合式教学课程体系和教学模式,并以大学计算机课程为例,以学生自主学习和协作学习为教学出发点,开发、整合出优质教学资源,设计了多样化教学活动,以培养学生综合应用计算机的软硬件知识解决本专业的实际问题为目的,最终应用到“SPOC+翻转课堂”混合教学中,达到教学目标。     

泛在学习理念下英语专业学生听力自主学习能力的培养

受益于现代教育技术的飞速进步,专业英语教学对泛在学习的重视程度日益高涨。泛在学习有不受时间、空间限制的优点,相对应的,也存在学生不集中学习而带来的散漫和懈怠的问题。因此,如何在发挥泛在学习长处的同时,激发学生的学习动机、强化学生学习的组织和管理是摆在我们面前的重要课题。所以,我们必须高度重视教学资源的开发、教学内容的定制和推送、学习社区的创建以及评价体系的完善。     

深度学习的人体图像半自动标注系统

针对目前数据标注过于依赖硬件、手动数据标注效率低下的问题,提出了基于深度学习的人体图像半自动标注系统.系统通过对算法进行改进,增加人体关键点个数进行特征提取和加入运动信息的约束,提高了视频分阶段标注的准确率.使用真实数据集仿真实验证明了通过深度学习算法进行数据标注的可行性,并且使用半自动标注的速度快、准确率高.     

基于多学习单元卷积神经网络的雷达辐射源信号识别

现有基于人工提取特征的复杂体制雷达辐射源信号识别方法时效性低,识别准确率不佳. 为此,提出了一种基于多学习单元卷积神经网络的识别方法. 首先对辐射源信号的模糊函数进行高斯平滑,以校正噪声带来的毛刺与畸变;然后提取其正交切片作为进一步的特征提取对象;最后构建多学习单元卷积神经网络,学习和提取正交切片深层、泛在的特征,并通过softmax分类器进行分类识别. 仿真实验结果表明,所提方法在信噪比为-2 dB时对6类典型雷达信号的整体平均识别率均保持在99.86%以上,即便是在-6 dB环境中,雷达信号的识别率也可达到88.50%,在极低信噪比条件下具有良好的性能和可行性.     

大型燃气轮机"两班制"运行方式下的节能探讨

以三菱M701 F4型燃气-蒸汽联合循环单轴机组为研究对象,对机组频繁调峰、朝启晚停的"两班制"新常态运行方式进行分析,从设备改造、逻辑修改等方面进行探讨.以安全、经济为前提,对相关合理性进行阐述.通过对修改方案的计算,探索更优节能运行方式,进一步提升机组的经济效益,并提出合理建议,对同类型运行机组具有一定参考意义.     

基于改进MobileNet v2的垃圾图像分类算法

针对现有的垃圾图像分类模型实时性能差和分类精度低的问题,提出基于改进MobileNet v2的垃圾图像分类方法,构建以MobileNet v2为核心的轻量级特征提取网络. 通过调整宽度因子降低模型的参数量;在模型中嵌入通道和空间注意力模块,增强网络对特征的细化能力;设计多尺度特征融合结构,增强网络对尺度的适应性;利用迁移学习的方式优化模型参数,进一步提高模型精度. 实验结果表明,算法在自建数据集上的平均准确率为94.6%,分别高于MobileNet v2、VGG16、GoogleNet、ResNet50、ResNet101模型2.0%、3.4%、3.2%、2.3%、1.2%;所提算法在2种公共图像分类数据集CIFAR-100和tiny-ImageNet中均取得不错表现;模型参数量仅为0.83 M,体积约为基础模型的2/5,在边缘设备JETSON TX2上的单次推理耗时68 ms,实现了推理速度和预测准确率的提升.     

基于改进指针网络的卫星对地观测任务规划方法

针对卫星观测任务规划问题约束复杂、求解空间大和输入任务序列长度不固定的特点,使用深度强化学习（DRL）方法对卫星观测任务规划问题进行求解. 综合考虑时间窗口约束、任务间转移机动时间和卫星电量、存储约束,对卫星观测任务规划问题进行建模. 基于指针网络（PN）的运行机制建立序列决策算法模型,使用Mask向量来考虑卫星观测任务规划问题中的各类约束,并通过Actor Critic强化学习算法对模型进行训练,以获得最大的收益率. 借鉴多头注意力（MHA）机制的思想对PN进行改进,提出多头注意力指针网络（MHA-PN）算法. 根据实验结果可以看出,MHA-PN算法显著提高了模型的训练速度和泛化性能,训练好的MHA-PN算法模型可以直接对输入序列进行端到端的推理,避免传统启发式算法迭代求解的过程,具有较高的求解效率.     

石油企业开展职工教育培训的探索与经验

石油企业的培训工作是一个系统工程,培训工作开展的质量直接关系到员工的健康成长和企业的稳健发展.针对近年来,石油企业生产经营面临前所未有的困难和挑战,石油职工需要坚定信心,需要通过职业教育培训不断提高自身的整体素质,在工作中充分发挥优势,从而提高石油企业的市场竞争力.主要探讨了培训工作的重要性,当前石油企业开展过程中面临的实际问题以及在实践过程中摸索出的有效经验和良好做法.并提出的一系列观点和建议,希望对石油企业培训工作的开展起到借鉴作用.     

基于3D scSE-UNet的肝脏CT图像半监督学习分割方法

针对分割神经网络需要大量的高质量标签但较难获取的问题,提出基于3D scSE-UNet的半监督学习分割方法. 该方法使用自训练的半监督学习框架,将包含改进的并行空间/特征通道压缩和激励模块（scSE-block+）的3D scSE-UNet作为分割网络. scSE-block+可以从图像空间和特征通道2个方面自动学习图像的有效特征,抑制无用冗余特征,更好地保留图像边缘信息. 在自训练过程中加入全连接条件随机场,对分割网络产生的伪标签进行边缘细化,提升伪标签的精确度. 在LiTS17 Challenge和SLIVER07数据集上验证所提出方法的有效性. 当有标签图像占训练集总图像的30%时,所提方法的Dice相似系数(dice score)为0.941. 结果表明,所提出的半监督学习分割方法可以在仅使用少量标注数据的情况下,取得与全监督分割方法相当的分割效果,有效减轻肝脏CT图像分割对专家标注数据的依赖.