一种基于VGGish神经网络的水声目标识别方法

水声目标智能识别是水声装备智能化的重要组成部分,深度学习则是实现水声目标智能识别的重要技术手段之一。当前水声目标智能识别经常面临数据集较小带来的训练样本量不足的情况,针对小数据集识别中存在的因过拟合导致模型泛化能力不足,以及输入的水声信号二维谱图样式不统一的问题,文章提出了一种基于VGGish神经网络模型的水声目标识别方法。该方法以VGGish网络作为特征提取器,并在VGGish网络前部加入了信号预处理模块,同时设计了一种基于传统机器学习算法的联合分类器,通过以上措施解决了过拟合问题和二维谱图样式不统一问题。实验结果显示,该方法应用在ShipsEar数据集上得到了94.397%的识别准确率,高于传统预训练-微调法得到的最高90.977%的准确率,并且在相同条件下该方法的模型训练耗时仅为传统预训练-微调方法的0.5%左右,有效提高了识别准确率和模型训练速度。     

一种基于深度学习的多方位谱融合检测方法

在水下复杂的海洋环境中,依托水下无人平台进行自主检测是进行目标探测的基础,具有重要的研究价值。针对水下无人平台在利用方位历程图进行目标检测过程中检测门限难以确定的问题,提出了一种基于深度学习的多方位谱融合检测方法,弱化了对检测门限的依赖。该方法首先利用不同方位谱生成方法产生方位谱,然后建立融合通道注意力的CA-ConvNext深度学习网络,采用结合仿真数据与实际海试无标签数据进行半监督策略训练,得到最终的目标检测模型。仿真实验结果表明多方位谱融合的检测概率相比于单一方法提高了10%,海上试验数据处理结果也表明本文方法比单独采用不同方法进行检测效果提升明显,验证了本文方法的正确性与有效性。     

烧结台车主梁优化设计研究

为了在工程设计中对烧结台车梁的结构尺寸进行优化,从而有效地降低工程的建设成本,利用Mathcad自定义函数的方法,建立烧结台车梁各截面尺寸与工况条件下截面上各特征点处的合成应力的函数关系,对各尺寸参数取值变化时截面特征点处的合成应力变化情况进行趋势及数值分析,得出烧结台车优化设计的方向和方法。     

基于对抗训练方法的水声目标分类研究

为了改善海洋环境改变导致的水声目标分类模型性能下降问题,提高水声目标分类模型的鲁棒性,提出了一种基于对抗训练思想的深度神经网络分类方法。该方法基于博弈论中的对抗思想,通过引入海域环境噪声分类的模块来构造网络的对抗训练框架,实现对网络进行对抗性训练的目的。基于文中实验,采用普通训练框架、对抗训练框架的卷积神经网络,以及支持向量机3种分类模型的性能进行比较,得出采用对抗训练框架的深度学习方法可以缓解海域环境噪声变化带来的模型性能下降,有效提高水声目标分类模型鲁棒性的初步结论。     

用钢纤维增强的碾压混凝土路面

本文介绍了国外用两种钢纤维增强的试验性路面顺利建成的情况 ,并且提出了用现场采集的试件所得的实验室试验结果。其目的是从施工的观点来看钢纤维对碾压混凝土的影响 (即拌合、铺设和可达到的密度 ) ,并讨论了在强度和伪延性 (pseudo -ductility)特征方面的改进措施     

用钢纤维增强的碾压混凝土路面

本文介绍了国外用两种钢纤维增强的试验性路面顺利建成的情况,并且提出了用现场采集的试件所得的实验室试验结果。其目的是从施工的观点来看钢纤维对碾压混凝土的影响(即拌合、铺设和可达到的密度),并讨论了在强度和伪延性(pseudo-ductility)特征方面的改进措施。     

国外混凝土结构拆除技术简介

本文介绍了当前国外使用的混凝土结构拆除技术,例如金刚石钢丝索切割混凝土;用加热法拆除混凝土结构;用高温火焰、等离子枪和激光束进行热力钻孔和切割;用钢筋电热法剥落混凝土保护层,以及用电能破碎混凝土等新技术。     

带式焙烧机台车车体热力耦合仿真计算

为揭示带式焙烧机台车车体在低温-高温-低温循环往复工况下温度场和各种荷载对车体主梁变形和应力的影响规律,本文以国内某钢铁企业带式焙烧机台车车体为研究对象,利用ANSYS有限元分析软件,采用直接热力耦合方法,对带式焙烧机台车车体在干燥段、预热段、焙烧段、均热段、一冷段和二冷段工作过程的温度分布进行分析,计算焙烧段台车车体在静力作用和热力耦合作用两种工况条件下的变形和应力,分析不同横梁高度、焙烧温度对台车主梁应力和变形的影响规律。结果表明：焙烧段台车车体的最高温度为650℃,上、下表面最大温差为140℃,上表面为压应力,下表面为拉应力,最大应力位置在主梁中间,为21.6 MPa,最大垂向变形为5.37 mm。本文通过仿真计算获得了不同横梁高度、焙烧温度对台车主梁应力和变形的影响关系,可为带式焙烧机台车车体的优化设计提供依据。