摘要：针对水下发射模型试验中的模型低速落水问题,提出一种带椭球形气囊的航行体落水回收方案,两个气囊等距分布在航行体两侧,航行体与气囊之间用连接带相连。数值仿真基于Abaqus的耦合欧拉-拉格朗日方法,通过对比AUV头段入水的试验结果和仿真结果,验证数值方法的有效性。分析在不同姿态角和不同初始囊压的条件下,带气囊航行体低速落水后的运动过程、囊压变化以及连接带的受力情况。研究结果表明,航行体姿态角是影响落水-上浮过程的最重要因素,初始囊压次之;对于最大落水深度、囊压峰值、拉力峰值而言,趋于垂直落水的工况更加危险,最大落水深度为1.33倍航行体长度,最大囊压为3.7倍基准囊压,连接带最大拉力为2.2倍航行体重力。这些结论可为航行体落水回收的方案设计与结构参数设计提供参考依据。

摘要：针对井下高气液比工况气液高效分离难度大的问题,提出了一种旋流-重力耦合式井下气液分离器结构。结合实验研究、数值模拟及实验设计方法,对气液分离器结构参数进行显著性分析和优化设计,建立显著性结构参数与气液分离效率间的数学关系模型,确立了结构参数的最佳匹配方案。分析了入口流量、压力及气液比对气液分离器性能的影响规律。结果表明,重力沉降与旋流分离的结合设计可以实现高气液比条件下的液相沉积,进而实现气液两相的高效分离。分离器的分离效率随着进液量升高而升高,增幅逐渐趋于平稳。随着气液比增大,分离效率呈现先增加后降低的趋势。得出该气液分离器的最佳进液量为42m^(3)/d,最佳入口压力2MPa,最佳气液比为700∶1,在最佳工况下分离效率为97%,模拟结果与实验结果呈现出较好的一致性。研究结果将为高气液比条件下气液分离装备研发提供新的思路和参考。

摘要：在多传感器无源声学定位问题中,不同传感器接收的来自同一目标的信号均对应于此目标位置,依据这一物理基础,提出了一种基于粒子滤波的无源声学定位方法,以有效融合多传感器数据,进而提高定位性能。该方法将粒子滤波中的似然函数定义为粒子状态所对应不同传感器信号之间互相关输出的乘积。该似然函数的设计确保所提方法可以充分获取多传感器的处理增益。此外,所提方法摆脱了传统定位范式,因此可以规避传统定位范式必须面对的测量−跟踪关联问题。湖上试验表明,在强多途干扰的条件下,传统定位方法的平均定位误差为7.2 m,而所提方法的平均定位误差为1.2 m,具有更好的性能。

摘要：针对非高斯噪声背景下因噪声二阶矩发散导致常规自适应线谱增强方法的权值迭代不收敛,无法有效增强水下目标辐射线谱信噪比的问题,提出了基于最大相关熵准则的自适应线谱增强方法。该方法基于窄带线谱信号和宽带非高斯噪声在广义时间相关半径上的差异,采用参考信号与输出信号的相关熵作为惩罚函数进行自适应滤波器权值的迭代优化,有效提升了目标辐射线谱的输出信噪比。仿真结果表明,该方法能够实现在非高斯噪声背景下对线谱信号的有效增强,相比于基于奇异谱分析和基于香农熵的两种非高斯噪声背景适配的线谱增强方法,在低信噪比条件下该方法可将信噪比增益分别提升12 dB和5 dB。海试数据处理结果也验证了所提方法的可行性和可靠性。

摘要：联邦学习是一种隐私保护的分布式机器学习框架,可以让各方参与者在不披露本地数据的前提下共建模型.然而,联邦学习仍然面临拜占庭攻击和用户隐私泄漏等威胁.现有研究结合鲁棒聚合规则和安全计算技术以同时应对上述安全威胁,但是这些方案难以兼顾模型鲁棒性与计算高效性。针对此问题,本文提出一种抗拜占庭攻击的隐私保护联邦学习框架SecFedDMC,在保护用户数据隐私的条件下实现高效的拜占庭攻击检测与防御.基础方案FedDMC采用“先降维后聚类”的策略,设计了高效精准的恶意客户端检测方法.此外,该方法利用的随机主成分分析降维技术和K-均值聚类技术主要由线性运算构成,从而优化了算法在安全计算环境中的适用性。针对基础方案存在的用户数据隐私泄露问题,提出了基于安全多方计算技术的隐私增强方案SecFedDMC.基于轻量级加法秘密分享技术,设计安全的正交三角分解协议和安全的特征分解协议,从而构建双服务器模型下隐私保护的拜占庭鲁棒联邦学习方案,以保护模型训练和拜占庭节点识别过程中的用户隐私.经实验验证,SecFedDMC在保护用户隐私的前提下,可以高效准确地识别拜占庭攻击节点,具有较好的鲁棒性.其中,本方案与最先进的鲁棒联邦学习算法相比,在CIFAR10数据集上,拜占庭攻击节点检测准确率提升12%~24%,全局模型精度提升4.45%~18.48%,计算效率提升33.21%~47.31%.

摘要：及时且准确捕获井壁出现的微小裂缝,对于井筒安全意义重大.轻量化检测模型是推动井壁裂缝自动检测的关键,打破现有方法聚焦于提取深层语义信息的局限,重视浅层特征表征的几何结构信息的应用,针对井壁裂缝提出轻量化检测模型E-YOLOv5s.首先融合普通卷积、深度可分离卷积和ECA注意力机制设计轻量化卷积模块ECAConv,再引入跳跃链接构建特征综合提取单元E-C3,得到骨干网络ECSP-Darknet53,它负责显著降低网络参数,同时增强对裂缝深层特征的提取能力.然后设计特征融合模块ECACSP,利用多组ECAConv和ECACSP模块组建细颈部特征融合模块E-Neck,旨在充分融合裂缝小目标的几何信息和表征裂缝开裂程度的语义信息,同时加快网络推理速度.实验表明,E-YOLOv5s在自制井壁数据集上的检测精度相较YOLOv5s提升了4.0%,同时模型参数量和GFLOPs分别降低了44.9%、43.7%.E-YOLOv5s有助于推动井壁裂缝自动检测的应用.

摘要：针对边界表示模型生成的面网格模型存在的误差大、分辨率高和不水密的问题,提出针对计算机辅助设计(CAD)实体模型的保精度网格生成算法.算法通过同步生成对齐共边点对保证网格的水密性;利用连续表征设计网格目标边长,以生成高精度、低分辨率的网格.与现有的开源网格生成软件相比,算法能用更少的网格面片数生成精度更高的网格,且网格质量与其相当.

摘要：煤矿综采工作面设备来自不同厂商,接口不统一、数据系统和业务逻辑不同,造成数据壁垒,系统间数据交互慢。基于工业互联网架构,提出了包括设备层、接入层、边缘层、PaaS层、应用层的智能化综采技术架构;基于该架构,将煤矿综采设备作为整体数据对象,设计了一种煤矿综采设备信息模型构建方法,定义了属性、方法、事件、报警4个关键要素和建模规则,从而实现各物理实体与异构系统之间的无缝通信,即对综采设备信息资源进行定义、描述和关联,提供完备、统一的数据对象表达、描述和操作模型;针对综采设备信息模型属性元素过多的问题,提出了一种基于重要度和语义相似度的属性元素优化机制。采用上述方法建立了华阳新材料科技集团有限公司一矿81004工作面综采设备信息模型,对综采设备电动机运行情况进行评价,结果表明基于该模型可监测工作面所有电动机短时间内启动次数、多电动机设备启动功率平衡和运行效率,并形成分析结果,为决策工作提供数据支持。

摘要：三叶鱼藤(Derris trifoliate)与红树林竞争生境,破坏红树林植物生态系统。深入了解三叶鱼藤、桐花树(Aegiceras corniculatum)、白骨壤(Avicennia marina)潜在适宜生境的空间分布预测及生态位分析,确定三者之间的生境竞争关系,对三叶鱼藤防治和红树林保护具有重要意义。以广西北部湾三叶鱼藤、桐花树、白骨壤为研究对象,利用ENM Tools工具,筛选出16个环境因子,采用R语言,调用kuenm包,优化最大熵模型的倍频和特征组合参数,建立植物分布的预测模型,分析3种植物的潜在适生区空间分布及生态位重叠度。研究结果表明,高程为影响三叶鱼藤、桐花树和白骨壤分布的主要环境因子,适合3种植物分布的高程最小值从小到大依次为白骨壤、桐花树和三叶鱼藤;适合三叶鱼藤生长的最暖季平均海表盐度小于11.226‰,三叶鱼藤更适合生长在盐度较低的高潮滩位区域;生态位宽度从大到小依次为白骨壤、桐花树和三叶鱼藤,其值分别为0.280 6、0.259 5和0.135 0;三叶鱼藤与桐花树、白骨壤生态位重合度值分别为0.903 4、0.441 8,表明三叶鱼藤与桐花树之间具有较大的竞争关系;预测的三叶鱼藤、桐花树、白骨壤的最优适生区面积分别为5 603.35 hm^(2)、13 112.28 hm^(2)、11 794.86 hm^(2),其中桐花树和三叶鱼藤最优适生重叠的区域主要位于廉州湾。

摘要：结构健康监测和状态评估中现有大多数研究均需要精确的荷载作用位置或详细的荷载时程,为了同时获得荷载大小和位置,构建并训练了同时具备分类和回归能力的两分支卷积神经网络,建立了融合分类问题和回归问题的损失函数,提取结构响应与荷载大小、结构响应与荷载位置间的映射关系.通过数值简支梁算例和三层试验框架验证了该方法识别结构荷载大小和位置的精度.结果表明:噪声条件下数值模型的荷载识别误差在8%以内,荷载位置识别准确率在95%以上;实际结构的荷载识别误差在18%以内,荷载位置识别准确率为100%.两分支卷积神经网络可以很好地同时识别荷载大小和位置.