摘要：聚焦于双曲抛物面薄壳,从地形与环境、结构单元、空间限定和空间序列4个方面,通过图解分析的方式,剖析台湾省东海大学艺术中心,认为这是一个现代主义结构和空间结合的典型案例:不同于其他同类型建筑薄壳特征明显,艺术中心中的薄壳在多个层次若隐若现,取得了结构与空间的平衡。

摘要：[目的]通过目标分割为果园喷雾机提供树木的表征信息,使喷雾机能够实现精准喷雾。在分割过程中,对苗圃中的树冠、树干等不同部位进行分割,可以帮助喷雾机对喷雾部分对靶,在果园或苗圃景观中实现自动导航以及精准喷药等操作。与图片相比,点云能够更好地表征树木的三维结构并且受照明条件影响小,因此针对点云树木设计分割算法更适合应用在果园、苗圃等室外环境作业的农业机械。[方法]本文基于DGCNN提出了一种分割精度准确、参数量小的树木点云分割网络——TSNet,它可以很容易被部署在果园喷雾机上。该网络主要具有以下特点:1)该网络是基于DGCNN改进的,可以更好实现点云分割任务;2)网络引入了连续递归门控卷积模块(g^(n)Conv),可以提高树木分割的准确率;3)为避免全局信息损失并增加信息传递效率,我们设计了权重通道用于特征传递。[结果]TSNet分割树木的mIoU达到90.08%,模型大小为0.72 M,优于PointNet、PointNet++、DGCNN、CurveNet、PointMLP和D-PointNet++等常用的点云分割算法。[结论]TSNet能够为苗圃树木检测识别和农业机器人作业提供更准确的感知信息。

摘要：目的相比于一般视频目标检测跟踪任务,视频羽毛球的实时定位跟踪主要面临两大难点:1)羽毛球属于小目标,同时伴有严重的运动模糊以及相似目标的干扰,使用基于矩形框的目标检测跟踪方法准确率低且会带来中心点误差问题;2)单帧图像很难准确定位羽毛球目标,利用视频前后帧的时域特征则可以跟踪到羽毛球目标,而现有提取时域特征的网络模块结构复杂,难以满足实时性要求。针对以上问题,本文使用热力图轮廓检测方法,提出了羽毛球运动小目标的定位跟踪网络算法(shuttlecock track net,STNet)。方法网络主体采用“U”型编解码结构;针对小目标像素信息少的问题,基于SE(squeeze and excitation)通道注意力与残差结构设计高效特征提取模块(SE channel attention and residual,SECAR),实现了空域信息的高效提取与传递,提高了网络的定位性能;针对目标丢失与相似目标干扰问题,设计了时序网络(temporal network,TPN)结构用于提取和记忆视频时域特征,提高了网络跟踪性能。结果在羽毛球比赛公开数据集TrackNetv2与自制数据集上的实验表明,本文方法在多个指标上取得了最好的性能表现。相较于现有性能较好的羽毛球定位跟踪方法TrackNetv2,本文方法在准确率、精确率和F1上分别提高7.5%、15.7%和7.5%,并且显著降低了参数量,满足实时处理需求(54帧/s)。结论本文提出的STNet羽毛球定位跟踪网络,在面对羽毛球目标外观剧烈变化以及背景干扰严重时,能够准确定位羽毛球比赛视频帧中可能存在的羽毛球,实现羽毛球的稳定跟踪,相比其他羽毛球定位跟踪网络,具有更优的性能。

摘要：滚动轴承作为一种精密的机械元件,已广泛运用于现代工业机械设备中。在轴承运行时,采用合理的方法诊断轴承的故障具有重大的意义。但在实际复杂多变环境下,采集振动信号不仅面临样本量少的问题,还受到噪声干扰、工况变换等因素的影响,导致故障诊断的准确率低。因此,针对噪声干扰和变工况下的小样本滚动轴承故障诊断问题,该文提出了一种基于原型域增强的元学习去噪模型(Meta-DAE)。首先,构造基于时频图的小样本故障样本集,引入深度卷积生成对抗网络并对数据进行预处理,生成相似分布的伪样本集;然后,将故障样本集输入Meta-DAE模型进行自适应特征提取,Meta-DAE模型采用原型域增强策略,使同类别原型点在嵌入空间中凝聚更紧密;同时,构建了具有降噪性能的编码器,设计了基于原型域增强和去噪的目标函数,通过在小样本下进行模型微调,以提高小样本下模型的噪声鲁棒性和分类准确率。噪声及变工况下小样本故障诊断实验结果表明,相比于其他模型,所提模型在-8dB强噪声干扰下,仅用10个样本微调模型,分类准确率提高了35.78~57.25个百分点,具有较强的噪声鲁棒性。

摘要：针对含不确定因素的多输入多输出非线性微分代数系统,提出一种目标全息反馈鲁棒自适应控制方法(robust adaptive control with objective holographic feedbacks,RACOHF).该方法考虑到了系统模型参数的不确定性和外部扰动,同时将外部输入扰动视为模型不确定性参数的变化,在目标全息反馈控制方法的基础上,通过设计模型不确定性部分的自适应调节律,实现多目标的自适应跟踪控制.将该方法应用于中间再热式汽轮发电机组蒸汽调节阀和励磁的协调控制,结果表明,在系统部分参数不确定和存在外部扰动的情况下,所提出方法能确保发电机机端电压和有功功率等目标量在期望的工作点上运行而不发生静态偏移.与目标全息反馈非线性控制(nonlinear control with objective holographic feedbacks,NCOHF)相比,所提出的方法(RACOHF)能更好地协调系统的动、静态性能.

摘要：以深度解卷网络为核心的全色锐化方法虽兼具可解释理论框架和自学习能力,然而往往采用简单网络各自逼近空间、光谱退化矩阵,缺乏协作的先验学习策略。为此,提出空间-光谱联合解卷网络,在迭代优化的理论指导下分别通过多尺度级联策略和点卷积操作实现自适应空间、光谱响应矩阵估计,并构建以注意力为基础的空间-光谱先验算子。在先验算子求解中,提出由多头光谱注意力和多头空间注意力组成的联合注意机制,分别在局部窗口中沿光谱和空间维度计算自注意力值,以捕获长程频谱依赖性,并建模全局空间交互作用。进一步构建了联合网络架构用于空间和光谱注意力间的精确信息融合。此外,设计了一种尺度感知协作模块,以捕获图像的多尺度局部特征。三个遥感数据集的实验结果证明了所提方案在数值和可视化结果层面均优于其他对比方法,其中在GF-2数据集上实现了0.798 dB的峰值信噪比增益。

摘要：【目的和方法】覆岩结构对卸压瓦斯抽采有重要影响,为探究特厚煤层开采过程中上覆岩层瓦斯运移规律,采用物理相似性模拟实验方法分析覆岩裂隙形态和渗流能力演化规律,研究特厚煤层覆岩裂隙−渗流特征区域演化机理,提出特厚煤层覆岩裂隙−渗流特征区域识别方法,依据该识别方法在实验工作面进行定向钻孔抽采实践。【结果和结论】结果表明:(1)覆岩中间区域离层量和裂隙密度分别为两侧区域的47%和31%,呈现中间低两边高的分布模式。开采初期,覆岩的裂隙−渗流特征在空间分布具有同步性,随着工作面进一步推进,覆岩受到不同程度的采动影响,覆岩逐渐开始分区演化,中间区域裂隙−渗流特征明显小于四周,两侧区域则随着层位的增加而递减,裂隙率、裂隙熵、连通性系数和渗透率范围分别为1.0%~8.5%、0.15~0.90、0.10~0.65和6.34×10^(−9)~7.78×10^(−7) m^(2)。(2)基于覆岩裂隙和渗流能力对瓦斯运移的影响,将覆岩分为4个区域,分别是低位湍流区、中位压实区、中位过渡区和高位恒流区,基于裂隙率、裂隙熵、连通性系数和渗透率在不同区域的时空演化规律,建立特厚煤层覆岩裂隙−渗流特征区域演化模型和判定流程。(3)根据覆岩裂隙−渗流特征区域演化模型,分析中位过渡区和高位恒流区为抽采优势层位,设计钻孔垂距为6~25 m,将钻孔抽采纯量随时间的变化过程分为初始波动阶段、快速增长阶段和缓慢下降阶段,回采期间工作面甲烷体积分数均小于1%,工程实践效果良好,验证了方法的可行性和定向钻孔布置的合理性。研究结果为瓦斯抽采钻孔参数的优化和煤层瓦斯治理提供一定的理论指导。

摘要：【目的】针对当前传统聚落研究缺乏结合自然语言处理的原理与方法从海量文本数据中提取文化景观基因信息的相关探索,本文提出景观基因命名实体(Traditional Settlement Landscape Genes Named Entity,TSLGNE)的概念,并以邵阳市48个传统村落为案例,采用BERT-BiLSTM-CRF深度学习模型开展TSLGNE的识别研究。【方法】首先,结合地理实体特征与文化景观基因理论及其分类体系,提出TSLGNE的概念、分类体系与知识表达方法。其次,基于TSLGNE的分类体系与扩展BIOES标注方法,对研究案例源文本数据进行语料标注,构建了相应的语料库。随后,基于BERT-BiLSTM-CRF深度学习模型识别并提取语料数据中的TSLGNE信息。最后,通过Neo4j图数据库对获取到的TSLGNE知识进行组织与储存,并基于此对区域传统聚落及其TSLGNE进行空间特征分析。【结果】本文模型能够有效识别文本数据中的建筑、环境、文化等12类景观基因实体信息,总体精确率、召回率、F1值相较对比模型均有提升。与BiLSTM-CRF、BERT-CRF模型相比,本模型的F1值分别提高11%与1%。特别地,本模型对于语料数据质量差且语义复杂的实体的识别效果有极大提升,如文化基因C3类实体识别的F1较对比模型分别提高了31%与5%。【结论】此方法能够有效地对区域复杂的传统聚落文化基因特征及其关系进行空间分析处理,对今后结合GIS和数据挖掘方法分析传统聚落的重要文化特征及传统聚落知识服务等具有较好的借鉴意义。

摘要：针对复杂障碍环境下的动态目标围捕问题,本文提出一种基于分层强化学习的多无人机协同围捕方法.该方法包含两个层级的学习过程:底层的子策略学习和高层的子策略切换.具体而言,将协同围捕任务分解为导航避障和导航避碰两个子任务,独立学习相应的底层子策略,分别赋予无人机协同围捕目标时所需的避障与避碰技能.在此基础上,设计带有切换惩罚的稀疏回报函数训练高层的子策略切换模块,避免了对人工定义规则的依赖,实现了底层技能的自动组合.数值仿真与软件在环实验结果表明,所提方法能够显著降低围捕策略的学习难度,相较于基线方法具有最高的围捕成功率.

摘要：探究城市形态对热环境的影响是实现可持续城市规划和改善热环境的关键。论文以典型的高密度城区——天津市南开区作为研究区,借助建筑和遥感影像数据,量化社区尺度的城市形态和夏季地表温度,并通过多尺度地理加权回归模型和K-means聚类方法的集成应用,探究城市形态对地表温度的空间异质性影响并对其进行聚类分区。结果表明:①天津南开区夏季地表温度呈展现“北高南低”分布及显著空间正自相关性,形成“高—高”与“低—低”聚集模式。②多尺度地理加权回归模型在拟合和解释城市形态与地表温度关系方面显著优于普通最小二乘法和地理加权回归模型。③城市形态指标对夏季地表温度的影响存在多尺度空间异质性,其影响力依据平均大小顺序可排列为:建筑密度>归一化差异植被指数>容积率>建筑体积密度。其中,建筑密度和建筑体积密度促进地表温度的升高,而归一化植被指数和容积率则对其起到显著的降温效应。④基于城市形态指标对夏季地表温度影响的空间异质性进行聚类,可将研究区划分为三个显著不同的区域,并制定差异化的规划策略。研究结果可为社区热环境优化提供科学依据。此外,多尺度地理加权回归模型和K-means聚类方法的有效集成,为城市热环境研究和相关领域提供新视角和方法学框架。