我公司进行热电联产的可行性分析

大压差减温减压是能的严重贬值。根据公司供热现状，分析了热电联产的可行性，利用蒸汽余压发电后，再供生产系统各热用户，这样既节约了能源又缓解了集团公司用电紧张的局面，而且有相当可观的经济效益。     

基于改进的BASS模型的服装产品生命周期研究

为提高服装的销售预测准确度,通过产品的生命周期曲线模型,使得服装销售预测的定性分析与定量预测有机地结合在一起。针对目前服装产品生命周期曲线模型的局限性,引入改进的BASS模型,对服装产品生命周期进行研究。通过销售实例探讨改进的BASS模型用于描述服装生命周期的可行性,建立了以改进的BASS模型为基础的服装产品生命周期模型,并利用该模型对服装销售量做预测,取得了比其他模型更高的精度。     

CA与生命游戏演化的组合模型*

基于摩尔奇偶型CA,提出一种结合生命游戏的演化模型.首先设置初始构型进行摩尔奇偶型规则演化,再引入生命游戏规则,按游戏规则演化;最后依此重复摩尔奇偶规则和生命游戏规则,直到演化整个元胞空间.证实在摩尔奇偶型CA的基础上,结合生命游戏在很大程度上减小了演化过程对初始构型的依赖,出现更为丰富的图元以及基于图元和演化框架的动态图案,且演化过程仍然符合摩尔奇偶型CA的演化规律.结合模型可以避免演化过度依赖初始构型以及演化过程的单调性,而且组合演化模型可以应用于图案生成,生成保持风格的规则几何纹理图案,丰富图案的生成方法.     

倾斜疲劳裂纹在混合型应力下张开及滑移特性

对于存在裂纹的机械零件或者构件,它很有可能会受到来自不同方向的作用力, 因此有必要研究裂纹在混合型应力条件下的传播特性. 该文使用具有不同倾斜角度的裂纹--这些裂纹是在应力比R=0的Ⅰ型循环应力下制作的,通过测量裂纹的开口方向和滑移方向的位移量,计算了裂纹端部Ⅰ型应力强度因子(KⅠ)mes和Ⅱ型应力强度因子(KⅡ)mes.裂纹的倾斜角度是指载荷方向与裂纹间的夹角.结果表明,对于存在压缩残余应力的疲劳裂纹,当倾斜角度较大,即β=60°时,应力强度因子的实验值(KⅠ)mes小于理论计算值(KⅠ),但此时实验值(KⅡ)mes与理论值(KⅡ)基本一致.另一方面,对于倾斜角度较小β=45°的疲劳裂纹,其(KⅠ)mes减少的同时,由于裂纹上下表面相互接触,从而导致(KⅡ)mes同时下降.     

关于基体曲率的热障涂层残余应力分析

采用空心和实心四相同心圆模型,导出了轴对称温度应力状态下的位移公式,分析了基体曲率对热障涂层残余应力的影响。结果表明:热障涂层结构中各层内既有环向应力,又有径向应力,应力大小与温降成线性关系;当陶瓷层在外层时,在氧化层/陶瓷层和粘结层/氧化层界面上产生垂直界面的拉应力,且实心模型的拉应力远大于空心模型的拉应力;当陶瓷层在里层时,空心模型中相应界面上的应力为压应力。     

Re-GAN：残差生成式对抗网络算法

目的 生成式对抗网络（generative adversarial network,GAN）是一种无监督生成模型,通过生成模型和判别模型的博弈学习生成图像。GAN的生成模型是逐级直接生成图像,下级网络无法得知上级网络学习的特征,以至于生成的图像多样性不够丰富。另外,随着网络层数的增加,参数变多,反向传播变得困难,出现训练不稳定和梯度消失等问题。针对上述问题,基于残差网络（residual network,ResNet）和组标准化（group normalization,GN）,提出了一种残差生成式对抗网络（residual generative adversarial networks,Re-GAN）。方法 Re-GAN在生成模型中构建深度残差网络模块,通过跳连接的方式融合上级网络学习的特征,增强生成图像的多样性和质量,改善反向传播过程,增强生成式对抗网络的训练稳定性,缓解梯度消失。随后采用组标准化（GN）来适应不同批次的学习,使训练过程更加稳定。结果 在Cifar10、CelebA和LSUN数据集上对算法的性能进行测试。Re-GAN的IS （inception score）均值在批次为64时,比DCGAN （deep convolutional GAN）和WGAN （Wasserstein-GAN）分别提高了5%和30%,在批次为4时,比DCGAN和WGAN分别提高了0.2%和13%,表明无论批次大小,Re-GAN生成图像具有很好的多样性。Re-GAN的FID （Fréchet inception distance）在批次为64时比DCGAN和WGAN分别降低了18%和11%,在批次为4时比DCGAN和WGAN分别降低了4%和10%,表明Re-GAN生成图像的质量更好。同时,Re-GAN缓解了训练过程中出现的训练不稳定和梯度消失等问题。结论 实验结果表明,在图像生成方面,Re-GAN的生成图像质量高、多样性强;在网络训练方面,Re-GAN在不同批次下的训练具有更好的兼容性,使训练过程更加稳定,梯度消失得到缓解。     

基于密集Inception的单图像超分辨率重建方法

近几年,基于卷积神经网络（CNN）的单图像超分辨率（SR）重建方法成为了主流。通常情况下,重建模型的网络层数越深,提取的特征越多,重建效果越好;然而随着网络层数的加深,不仅会出现梯度消失的问题,还会显著增加参数量,增加训练的难度。针对以上问题,提出了一种基于密集Inception的单图像SR重建方法。该方法引入Inception-残差网络（Inception-ResNet）结构提取图像特征,全局采用简化后的密集网络,且仅构建每一个模块输出到重建层的路径,从而避免产生冗余数据来增加计算量。在放大倍数为4时,采用数据集Set5测试模型性能,结果显示与超深卷积神经网络的图像超分辨率（VDSR）相比,所提方法的结构相似性（SSIM）高了0.013 6;与基于多尺度残差网络的图像SR（MSRN）相比,SSIM高了0.002 9,模型参数量少了78%。实验结果表明,所提方法在保证模型的深度和宽度的情况下,显著减少了参数量,从而降低了训练的难度,而且取得了比对比方法更好的峰值信噪比（PSNR）和SSIM。     

长江大保护与流域生态学

长江经济带发展的基本点是"共抓大保护、不搞大开发"。在梳理了长江流域主要生态环境问题基础上,从长江大保护的核心是统筹山水林田湖草、山水林田湖草生命共同体即是流域生态系统、流域生态系统是典型的集合生态系统的角度,论述了长江大保护与流域生态学的关系,并从科学研究、规划管理及教育宣传等方面展开思考提出建议,为实现长江大保护的国家需求提供服务。     

基于新的残差沙漏网络的人脸对齐

针对传统沙漏网络每一层使用单一感受野来提取特征,缺乏对关键点整体和局部关联信息描述的问题,提出了新的残差沙漏网络（NRHG）方法。该方法通过增加新的卷积分支来增加网络的感受野以更好地提取到不同尺度下的特征信息,同时新的感受野增加了网络对整体信息的描述。针对网络不同层相应调整新增卷积分支感受野大小来平衡feature map分辨率和感受野之间的关系,在更好地保留从局部到整体的结构化信息的同时,突出了网络对局部细节特征信息的描述。最后沙漏网络之间采用中间监督,对每一个沙漏网络输出的结果都进行loss计算,以避免网络深度造成梯度消失的问题。通过在300-W、IBUG、COFW数据集上大量的实验证明了该方法的有效性,并且实验结果优于传统的沙漏网络。     

复杂系统平均寿命的估计和性质

根据已知的基于最小路径或最小割集复杂系统可靠度函数的解析表达式,给出当子系统寿命分布服从指数分布时,系统平均寿命的表达式.利用这一表达形式,在子系统寿命变量服从指数分布条件下,分别就完全数据和截尾数据两种情况,给出了系统平均寿命的估计,并对估计性质进行了研究.并在完全数据下,给出了估计的渐近分布.