高效学习的透过未知散射介质的相位恢复方法

透过散射介质对目标进行准确的重建仍然是阻碍人们对深层生物组织成像分析和深空天文观测的主要挑战之一。基于深度学习的散射计算成像方法虽然在成像质量和效率等方面取得了很大的进展,但是针对实际系统中散射介质状态不固定,目标结构具有较高复杂度以及可获取的训练散射数据有限的情况下,单纯利用数据驱动的方法已无法进行准确高效的重建。将散斑相关原理和卷积神经网络强大的数据挖掘和映射能力进行有效的结合,进一步挖掘和利用散斑所包含的冗余信息,实现了仅利用一块薄散射介质对应的散斑数据即可实现透过具有不同统计特性散射介质的复杂目标重构。该方法针对实际散射场景复杂多变和训练样本数据有限的情况,实现了对复杂目标的高质量恢复,有力地推动了基于物理感知的学习方法在实际散射场景中的应用。     

An improved thermal model for characteristics analysis of multi-link ultra-precision press system

Journal of Mechanical Science and Technology - In traditional models, only the effect of temperature change of bearings on the heat generation power and thermal contact resistance is considered....     

施工现场用电设备漏电保护器使用探讨

漏电保护器是防止直接接触、间接接触触电的有效装置,是实现安全用电的保障措施.针对建筑施工现场特有的用电要求,分析了施工现场漏电保护器使用中的常见问题,并提出了相应的改进措施,从而减少建筑施工现场电气伤亡事故的发生,为正常的施工创造良好的供电条件.     

基于模态分解-PSO-DNB深度学习的短期负荷预测研究

针对传统负荷预测模型对高维非线性电力负荷的特征提取效果不理想的问题,为有效提高电力负荷短期预测精度,提出了基于模态分解-PSO-DNB深度学习的负荷预测模型。结合模态分解方法和PSO算法特征并充分融入到深度学习模型中,构造了量化深度学习模型训练效果的误差评价函数,由此建立短期负荷预测的系统模型。以某地区电网监测的电力负荷数据开展短期预测研究,通过算例效果表明,所提的预测方法可实现24 h内滚动式短期电力负荷预测,且预测误差能控制在合理范围内,相较于传统负荷预测的方法更能提升预测精度。     

东北水电站大坝安全监测自动化系统

近年来,东北水电站大坝变形监测已大部分实现了自动化,也相应开发了一些实用性软件,今后要在电网内各水电站建立大坝监测自动化网络系统。该系统具有快速在线判断和技术报警等功能。已建立的东北水电站大坝安全信息中心网络,连接各厂的总线网络,及时为有关领导提供大坝变形的详细资料和数据,在防汛期间能提供决策依据,保证大坝安全运行。     

对白山重力拱坝坝基稳定的初步看法

国内一些专家对白山大坝沿建基面的滑动极为关注。为此，在原设计部门多次坝体应力和坝基稳定复核的基础上，再次对大坝稳定进行计算和复核。本文介绍复核有关情况，并结合大坝的运行状态谈些初步看法