摘要：在现有考虑非完美性维护的设备随机退化建模研究中,通常仅考虑了单一加工环境及单一预防性维护阈值下的设备维护决策优化问题,缺乏对多阶段退化及多阈值维护策略的研究.鉴于此,本文首先利用生产与退化的关系构建了变速生产环境下Wiener漂移系数与实际加工速度的关系,并在考虑随机冲击影响的情况下设计了具有随机漂移系数的Wiener退化过程.然后以设备维护间隔为基础,将设备全生命周期平均地分割成多个独立的加工阶段,且每个加工阶段具有可供选择的加工速度、预防性维护阈值和预防性更换阈值.紧接着在首达时间的定义下推导了设备剩余寿命、不同维护活动发生的概率及其维护间隔等变量,提出了基于平均剩余寿命和经验检查间隔的混合检查策略及“多阶段-多阈值”的视情维护决策模型.最后通过大量的仿真实验发现:1)本文所提混合检查策略显著优于文献检查策略,且“多阶段-多阈值”维护模型与三种经典维护模型在平均ACR(average cost rate)指标上的偏差分别为−275.85%,−20.96%和−533.58%,这也进一步论证了本文所提维护模型的有效性和优越性;2)通过对预防性维护成本、检查成本、最小检查间隔和分割阶段总数进行敏感性分析发现,分割阶段总数对维护决策模型具有显著性影响且影响程度最大.

摘要：针对大气边界层数值模拟时入口湍动能及耗散率在下游持续衰减的问题,基于标准k-ε模型及其改进模型研究不同湍流黏性更新方法对平衡大气边界层自保持性的影响,然后采用平衡大气边界层自保持性方法结合建筑绕流影响区(BIA)问题解决方法对Askervein山绕流问题进行模拟研究,最后基于数值模拟结果,分析复杂地形绕流对风力机选址的影响。结果表明,选择合适的湍流黏性更新方法、粗糙度处理方法、湍动能和耗散率方程源项可使出口处的流动参数与入口处给定初值保持较高的一致性;BIA问题解决方法的引入可进一步提高复杂地形绕流模拟精度;风力机宜安装在山顶,避开湍流度较大的山体背风区,山后风力机的排布应结合山顶风力机尾流和山体影响区域综合考量。

摘要：法律文书命名实体识别是智慧司法的关键任务。现有的序列标注模型仅关注字符信息,导致在法律文书命名实体识别任务中无法获得语义和词语的上下文信息,且无法对实体的边界进行限制。因此,该文提出了一个融合外部信息并对边界限制的司法命名实体识别模型(semantic and boundary enhance named entity recognition,SBENER)。该模型收集了40万条盗窃罪法律文书,首先,预训练模型,将获得的司法盗窃罪词向量作为输入模型的外部信息;其次,设计Adapter,将司法盗窃罪的信息融入字符序列以增强语义特征;最后,使用边界指针网络对实体边界进行限制,解决了序列标注模型丢失词语信息及缺少边界限制的问题。该模型在CAILIE 1.0数据集和LegalCorpus数据集上进行实验,结果表明,SBENER模型在2个数据集上的F_1值(F_1-score)分别达88.70%和87.67%,比其他基线模型取得了更好的效果。SBENER模型能够提升司法领域命名实体识别的效果。

摘要：为降低激励电压和串扰噪声,实现高灵敏3维电场检测,该文提出一种压电驱动单屏蔽电极3维电场传感芯片。其敏感结构由1组可动屏蔽电极和4组固定感应电极构成,固定感应电极两两对称,在压电驱动结构作用下可动屏蔽电极垂直振动,4组感应电极在待测电场作用下产生周期性的感应电流,通过测量4组感应电极的感应电流,并经过差分求和解耦方法可分别获得x,y,z坐标轴方向的电场分量。该文通过有限元仿真设计了3维电场传感芯片结构,分析了其测量的可行性,对关键结构参数进行优化设计,并设计了敏感芯片加工工艺流程。对研制的芯片进行了实验测试,结果表明,单屏蔽电极3维电场传感芯片在0~50 kV/m电场强度范围内,x,y,z 3轴输出灵敏度分别为0.2214 mV/(kV/m),0.3580 mV/(kV/m),2.1768 mV/(kV/m),3维电场的最大测量误差小于5.3%。

摘要：卷积神经网络(convolutional neural network,CNN)已用于星载全球导航卫星系统反射测量(global navigation satellite system-reflectometry,GNSS-R)海冰检测,其具有数据预处理简单、最大限度保留反射面信息等优势,但已有GNSS-R CNN海冰检测方法研究的数据集时间跨度较小,代表性有限,且未考虑训练集内海水、海冰时延多普勒图(delay-Doppler map,DDM)的比例对方法泛化能力的影响。针对该问题,首先提出一种筛除畸形DDM方法,有效筛除错误数据;然后,设计合适的CNN结构及参数,通过小样本对比实验发现CNN模型在训练集内海水、海冰DDM的比例为1∶1时具有高准确率和最佳泛化能力,并优化数据集选取策略;最后使用2018年全年大样本数据集评估改进的方法在大数据量和大时间跨度时的有效性和可靠性。研究表明,改进的方法通过加强数据质量控制、优化数据集选取策略,提升了CNN海冰检测方法的泛化能力及可靠性,使其更适用于实际应用场景,为海冰消融等研究提供参考。

摘要：震害研究表明,博物馆内展示、收藏的浮放文物在地震中易发生损坏,博物馆工作人员经常依靠自身经验采用卡固件固定文物来保护文物在地震中不受损坏,但却缺乏科学的方法来评估该抗震措施的有效性和对文物地震安全性水平的提升程度。为对卡固件固定措施的抗震效果进行合理评估,该研究针对文物震损破坏模式,基于二项逻辑回归模型提出了以文物摇摆角和接触应力为综合判别指标的文物地震易损性分析方法,最终提出了通过风险卷积计算得出文物地震风险,从而评估卡固件固定措施抗震效果的方法。通过开展有限元算例分析,进一步解释、论述了所提出的评估方法,并利用所提出的方法对华北某博物馆内展陈的一件珍贵文物所采用的卡固件固定措施的抗震效果进行了评估,提出了合理的改进意见。研究结果表明:所提出的以概率风险分析为基础的评估方法可以量化卡固件固定措施的抗震效果,为卡固件固定措施的选择提供科学依据;所开展算例分析的计算流程及评估结果可为其它馆藏文物提供有效的参考。

摘要：为了降低列车高速运行受到的气动阻力,采用基于SST(shear stress transport)k−ω湍流模型的雷诺时均法研究高速列车尾车开闭机构位置安装涡流发生器对尾部流动特征以及列车气动载荷的影响。研究结果表明:涡流发生器能显著改变尾车周围的流场,产生一对与原涡流旋向相反的涡流结构,降低尾流涡强度和范围,在尾车安装涡流发生器后,气流流动受到涡流发生器的阻碍产生积聚,从而在尾车表面形成较大的正压区域,降低尾车压差阻力和气动升力;随着涡流发生器安装位置向尾车鼻尖靠近,减升效果逐渐降低,尾车最大减升率为36.8%;尾车阻力随着涡流发生器安装位置向后移动呈现出先减小后增大的趋势,尾车气动阻力最大减阻幅度为4.54%。合理的开闭机构涡流发生器能有效控制尾流结构,进而控制尾车气动力,为高速列车气动减阻提供新思路。

摘要：提出一种拓扑荷数为2的全介质一维光子晶体拓扑微分运算器件。通过优化设计光子晶体的透射率与入射角度的依赖关系以及出/入射光的偏振状态,该拓扑器件可以对入射光场进行各向同性的二维二阶光学微分运算,进而实现图像边缘增强成像和图像边缘信息高效提取。该平面型拓扑微分运算器件具有轻量化、高通量、高速度、易于大规模集成、低成本制备等特点,在光学计算、光学成像与传感等领域具有潜在的应用价值。

摘要：雾霾天气下,交通道路能见度低,导致所采集到的视频画面退化、图像信息模糊,同时考虑传统系统处理实时性不高等问题,基于ZYNQ平台设计了一种图像去雾系统,并应用于智能行车记录仪系统中.首先,针对传统暗通道去雾算法在天空区域存在失真等问题,提出了一种分割天空区域的策略来修正图像复原参数;然后,针对计算全局大气光值时,需对整幅图像的像素排序消耗大量资源的问题,利用现场可编程门阵列(FPGA)并行运算的优势,提出一种帧迭代方法优化求取大气光值,同时优化了引导滤波的硬件设计;最后,将双路高清多媒体接口(HDMI)资源中,一路作为视频输入,另一路作为视频处理输出,搭建实时交通图像视频处理试验平台.试验结果表明,系统针对雾霾天气下的交通视频具有较好的去雾效果,尤其是可以解决天空区域去雾的失真问题.在对分辨率为1280像素×720像素的交通视频去雾时,可以达到30帧/s的处理速度,满足实时性要求.

摘要：极地船舶冰区航行时,冰阻力的准确预报在保障船舶航行安全方面起着重要作用.近年来,机器学习在船舶方面的应用越来越广泛,其中,人工神经网络(ANN)是机器学习领域中一种常用的方法.本文的重点是设计一个用于预报极地船舶冰阻力的ANN模型.参考传统的经验和半经验公式,选择合适的输入特征参数,通过大量的船舶模型试验数据来训练神经网络,搭建径向基(RBF)神经网络模型,并选用遗传算法(GA)进行模型优化.研究表明,基于7个特征参数输入的遗传算法优化径向基(RBF-GA)神经网络模型具有良好的泛化效果,与模型试验和实船试验数据对比,平均误差在8%左右,具有较高的精度,可作为冰阻力预报工具.