基于逐步Ⅱ型删失恒定应力部分加速寿命试验下Burr Ⅲ分布的统计分析

在可靠性工程试验中,恒定应力部分加速寿命试验不仅能提高效率节省成本,且不需要试验设备的加速方程,这种寿命试验被广泛应用。基于逐步Ⅱ型删失数据,在恒定应力部分加速寿命试验下,对加速因子和Burr Ⅲ分布中的形状参数进行估计。运用极大似然法和贝叶斯方法得到了Burr Ⅲ分布形状参数和加速因子的估计式。此外,利用Monte-Carlo模拟,对上述2种估计方法的效果进行了对比分析。模拟结果表明,在均方误差（MSE）准则下,贝叶斯估计与极大似然估计近似。     

基于特征融合网络的花色布缺陷检测方法

在布匹缺陷自动化检测中,常用机器视觉方法依赖于人工设计的特征,难以检测复杂缺陷,而常用深度学习方法易受花色布图案干扰,检测准确率偏低。因此,提出了一种特征融合网络模型。该模型以Cascade R-CNN为基础框架,采用一种基于快速稳健特征算法(Speeded up robust feature, SURF)获得无干扰信息的差分特征图,并与原始缺陷图融合,获得更丰富的特征信息;采用可变形卷积提高特征提取能力。试验分析显示,相比Cascade R-CNN,该模型在检测准确率上有10.8%的提升。     

FinFET器件总剂量效应研究进展

全面综述鳍式场效应晶体管(FinFET)的总剂量效应,包括辐照期间外加偏置、器件的工艺参数、提高器件驱动能力的特殊工艺、源/漏掺杂类型以及不同栅介质材料和新沟道材料与FinFET总剂量效应的关系。对于小尺寸器件,绝缘体上硅(SOI)FinFET比体硅FinFET具有更强的抗总剂量能力,更适合于高性能抗辐照的集成电路设计。此外,一些新的栅介质材料和一些新的沟道材料的引入,如HfO₂和Ge,可以进一步提高FinFET器件的抗总剂量能力。     

基于分类器联合的铁路时间同步网异常流量自动检测方案

针对目前缺乏对铁路时间同步网异常流量自动检测方法的问题,研究结合有监督和无监督学习算法,提出一种基于mini batch k-means分类器和随机森林分类器联合的铁路时间同步网异常流量自动检测方案。通过综合判定mini batch k-means算法模型分类结果和随机森林算法模型分类结果,实现了对铁路时间同步网异常流量的自动检测,并在北京通信中心采集的数据集上进行仿真,对该检测方案进行了验证。结果表明,本研究提出的检测方案可准确检测铁路时间同步网的异常流量,相较于单一mini batch k-means分类器和随机森林分类器,提出的检测方案具有更高的检测准确率和更低的误报率与漏报率,检测准确率可达到90%以上,误报率和漏报率均低于10%,可满足铁路时间同步网检测对准确性、安全性、稳定性的要求。     

10 kV配电线路绝缘子防污处理

输配电线路因绝缘子长期污秽,易发生弧光闪络、绝缘子击穿,导致接地故障的发生。为了减少事故发生,提出通过线路绝缘子局部绝缘化处理进行防污处理的线路防护新方法,成果运用于10 k V配电线路,起到了良好的防污闪、防鸟害、防漂浮物破坏效果,节约成本,实践证明该方法的应用价值。     

STM32的风光互补发电蓄电池充放电保护研究

太阳能和风能在资源条件和技术应用上都有很好的互补特性,风光互补发电系统可作为离网型的小型独立供电系统,特别符合农村用电需求。利用功能强大的STM32芯片实现充放电保护,蓄电池作为储能环节,在实现整个风光互补系统的经济性、可靠性基础上,进行充放电控制系统的研究。     

基于STC15的锂离子电池充放电保护电路

针对移动电源存在的不能自动续充问题,设计了一种自动充放电电路,并对常见锂电池过压过流保护、电池电量监测问题提出了相应的改进电路.应用普遍使用的STC15 W401 AS、SX2105、DS2762芯片作为核心器件,配合相应外围电路,为基于单片机的锂离子电池充放电保护电路的应用提供了一种参考.     

情感识别中的迁移学习问题综述

情感识别是实现自然人机交互的必要过程。然而,情感数据高昂的采集和标注成本成为了限制情感识别研究发展的一大瓶颈。在无标注或有限标注的场景下,利用知识的跨领域或跨任务迁移提升情感识别效果的问题值得探索。本文对情感识别中的迁移学习问题进行了梳理和分析。首先,将迁移学习问题划分为针对领域差异和针对任务差异的两大部分,并进一步将每部分问题细分为多种不同的情况。随后,基于情感识别领域的研究现状,分别总结不同情况下的现有工作。在目标领域训练资源匮乏的情况下,可以利用其他带标注的数据集作为源领域训练模型,并对齐不同领域下的特征分布,或将特征映射到域间共享的空间。考虑到情感标签所提供的监督信息往往较为有限,为了进一步提升模型的识别效果,可以引入其他相关任务进行联合训练,或将预训练模型、外部知识库提供的先验语义知识迁移到情感识别任务中。最后,讨论了情感识别领域中未来需要得到更多关注和探索的迁移学习问题,旨在为研究者带来新的启发。