摘要：为了解决在煤矿立井井筒监测现场应用中布里渊光时域反射仪(BOTDR)系统信噪比低的问题,提出了一种基于双树复小波变换(DT-CWT)和改进的LMS算法的组合降噪模型,用于对BOTDR分布式光纤监测信号进行降噪处理。首先,设计了基于双树复小波变换分解原始信号,并使用样本熵作为目标函数自动选择最优小波分解层数的模型,随后,使用LMS算法计算原始信号的自适应降噪阈值,并通过优化双曲余弦函数来改进LMS算法的收敛速度和收敛性。为了验证所提出算法的有效性,进行了BOTDR温度信号降噪实验,最后,依托山东省郭屯煤矿井筒监测项目,使用DT-CWT-LMS算法对光纤监测信号进行了降噪研究。实验结果表明,DT-CWT-LMS算法的降噪效果明显优于传统的小波阈值降噪方法,平均SNR指标提高了32.03%,平均RMSE降低了33.2%;现场研究结果表明,经过降噪后信号的样本熵平均降低幅度为64.75%,与光纤光栅传感器的数据对比相差在5%以内,说明信号中的背景噪声得到了有效的抑制。该研究为BOTDR技术在煤矿立井监测中应用提供了一种有效的信号降噪方法。

摘要：针对复杂工况下孢子捕捉设备显微成像易出现离焦模糊导致高频信息缺失和夏孢子边缘模糊等问题,提出了一种改进DeblurGANv2模型的小麦条锈菌夏孢子离焦模糊显微图像复原方法。首先,在DeblurGANv2模型特征融合模块后设计引入一个自底向上的5层特征增强模块,缩短浅层特征向深层特征的传播路径,增强不同尺度特征信息的相互融合,提升模型对高频和孢子边缘等信息的复原效果;同时,在特征提取主干网络部分引入卷积注意力机制(Convolutional block attention module,CBAM),在空间和通道2个维度增加夏孢子特征信息权重,提升模型对夏孢子的特征表达能力,丰富复原图像中夏孢子细节信息;最后,选取4种主流目标检测模型YOLO v5、Faster-R CNN、CenterNet和YOLO v8对复原前后的图像进行夏孢子检测,对比改进DeblurGANv2复原模型对检测性能的影响。试验结果表明,改进后DeblurGANv2复原模型均方误差、峰值信噪比和结构相似性指标分别为0.0014、28.88 dB、0.966,相较于原始DeblurGANv2模型性能分别提升17.65%、3.29%、0.35%;4种目标检测模型在结合改进DeblurGANv2复原模型去模糊后,检测性能指标均有不同程度提升,其中结合改进DeblurGANv2复原的YOLO v8模型性能表现最优,精确率、召回率、平均精度均值分别为96.1%、95.1%、97.7%,与直接使用YOLO v8检测模型相比,分别提升3.0、5.0、23.6个百分点,验证了本文提出的改进DeblurGANv2复原模型可复原出显微图像中离焦模糊夏孢子信息,显著提升了夏孢子目标检测模型检测性能,为气传小麦条锈菌夏孢子检测提供了技术支持。

摘要：针对现有目标检测算法在鱼眼图像下行人检测中存在定位不准确、检测精度不足等问题,提出了一种面向鱼眼图像检测的YOLOv8改进算法。该方法通过加入角度参数,设计了ProbIoU-r算法,利用缩放因子调整角度差异对损失的影响,增强模型在梯度计算中对边界框角度偏移的关注,解决了原始IoU在旋转目标检测定位不精确、边界框拟合效果差等问题,使YOLOv8网络模型具有更好感知旋转目标的能力。为提高模型对鱼眼图像失真目标的特征提取能力同时提升检测精度,提出以多尺度卷积和注意力机制为分支的Parnet-gcs模块,通过不同卷积核的DWConv提取不同尺度的特征信息,并结合CA和SA模块以增强模型特征表达能力。实验采用公开的鱼眼图像数据集WEPDTOF,改进后算法相比原始YOLOv8s检测精度mAP0.50:0.95增加了2.3个百分点;相比YOLOv8m算法参数量减少了38.8%,同时精度mAP0.50:0.95也高出0.5个百分点,说明基于YOLOv8s改进后的算法能够更好适用于鱼眼图像下行人检测任务。

摘要：锌离子混合电容器(ZHCs)因其低成本、高安全性和长循环稳定性等众多优势而受到研究者越来越多的关注。然而,尽管ZHCs有这些优势,它的发展仍然处于早期阶段,面临一系列挑战,例如,电极枝晶的生长以及能量密度仍不尽人意。因此,开发合理匹配的电极材料极为关键。多孔碳材料具有价格低廉、孔隙率高、性能稳定等优点,成为ZHCs潜在的正极材料之一。然而,传统的多孔碳材料低的电导率和不合适的孔径分布,限制了其在ZHCs中的应用。通过原料选取和结构设计有望解决上述问题。以稻壳和煤沥青为碳源,采用KCl、MgO双模板耦合K_(2)CO_(3)活化法制备了稻壳/煤沥青基分级多孔碳材料(HPC/RHC_(x))。制得的HPC/RHC_(6)具有互相连接的纳米囊状结构、较大的比表面积(1234 m^(2)/g)和层次孔结构。当作为ZHCs的正极材料时,HPC/RHC_(6)展现了优异的储锌性能,在0.1 A/g的电流密度下,HPC/RHC_(6)的比容量达125.3 mA·h/g、在115.4 W/kg的功率密度下,能量密度为92.4 W·h/kg,且在5 A/g的电流密度下经过10000次循环充放电后,容量保持率为99.9%,展现了优异的循环稳定性。

摘要：【目的】分析调水工程水源区和受水区的径流丰枯遭遇特性,可为合理制定调水方案、相机实施工程调水提供科学依据。【方法】以引江济淮工程为例,根据大通站和鲁台子站1956—2022年月径流实测资料,采用相关性系数、标准化径流指数,以及构建边缘分布函数和二维Copula函数的联合概率分布模型,描述单站径流丰枯变化和揭示二维径流互补规律。【结果】结果显示:大通站径流和鲁台子站径流在年、丰水期和枯水期时间尺度下均表现出较弱的相关性,对应的Kendall相关系数分别为0.216、0.273和0.227。4—6月为大通站径流的丰水月份,对应的丰水概率为0.313、0.328和0.373;6月、8月则为鲁台子站径流的枯水月份,对应的枯水概率为0.209和0.179。年、丰水期和枯水期对应的径流组合丰枯异步的概率分别为54.5%、52.5%和52.2%;此外,这三个时间尺度下有利于从水源区向受水区调水的概率分别为72.7%、73.7%、73.9%。【结论】Gamma分布可以较好地拟合不同时间尺度下径流的分布特性,Frank Copula、Frank Copula和Clayton Copula分别是大通站和鲁台子站年、丰水期和枯水期径流组合的最优Copula函数;不同时间尺度下径流组合丰枯异步的概率均大于丰枯同步的概率。

摘要：基于热图检测的人体姿态估计网络取得了巨大的成功,然而由于冗余计算、量化误差以及热图解码的需求,基于热图检测的方法参数量较大。针对上述问题,设计基于非全局依赖积分回归的轻量姿态估计网络(Lite-NIRNet)。Lite-NIRNet通过局部卷积(PConv)降低网络的冗余计算,从而使网络更加轻量。为缓解PConv导致的信息丢失问题,引入坐标注意力(CA)机制融合跨通道特征,以提升网络性能。此外,设计非全局依赖的积分回归(NIR)模块,通过该模块,网络可以融入坐标进行监督,从而减少量化误差对网络性能的影响。所提的NIR可有效降低传统积分回归在期望计算时产生的偏差,从而兼顾更好的学习梯度和更低的偏差。实验结果表明,Lite-NIRNet与较先进的高分辨率网络(HRNet)相比,在COCO验证集上的参数量和计算量分别降低了73.0%和63.4%,平均精度均值(mAP)不需要额外的热图解码即可达到72.8%;在MPII验证集上,Lite-NIRNet在网络性能和复杂度之间也能实现良好的平衡。

摘要：提出领导者-跟随者多智能体系统滑模容错控制策略.采用滑模控制方法和RBF神经网络逼近方法,提出一种自适应滑模容错控制策略,解决容错一致性问题,实现对领导者智能体轨迹的跟踪,且跟踪误差能够收敛于零的很小邻域.利用智能体之间的相对状态信息构建一致性误差转换,考虑外部干扰和执行器死区故障的影响,设计对应的滑模误差函数,构建一种自适应滑模容错控制策略.仿真实验表明,该策略能确保跟随者智能体输出有效跟踪领导者智能体轨迹.

摘要：针对原始蜣螂算法(dung beetle optimizer,DBO)易受自身影响,导致局部搜索和全局搜索不平衡,容易陷入局部最优的问题,提出一种结合组织膜的自适应t分布蜣螂算法(adaptive t-distribution DBO with tissue-like membrane,MC-TDBO)。设计自适应惯性因子改变繁育蜣螂和小偷蜣螂的步长,动态调节蜣螂个体的探索幅度,协调并优化算法的全局搜索和局部开发能力;引入鲸鱼算法改进觅食行为,促使种群向最优位置靠近,提高算法的计算精度;结合成功率和自适应t分布,提升算法跳出局部最优的能力;引入组织P系统与改进后的DBO算法结合,增强算法收敛效率。采用14个基准函数进行仿真测试,实验结果表明,MC-TDBO算法和原始DBO算法等四种算法相比,寻优速度、求解精度和稳定性均得到了显著提升。将MC-TDBO算法在阈值分割中进行应用测试,进一步验证其有效性。

摘要：岩爆是地下深部工程中一种破坏性极强的地质灾害,为准确预测岩爆烈度等级,提出了一种基于平行融合图Transformer(parallel fusion graph Transformer,PFGT)的岩爆烈度等级预测方法。首先,该方法利用岩爆数据在欧氏空间中的相似性结构关系构建图结构数据,并通过多重岩爆判据来约束岩爆数据在欧式空间中结构的畸变构建另一种图结构数据,通过平行训练获得岩爆数据的单尺度特征。其次,该方法设计了一种特征融合图Transformer策略,通过融合基于欧式空间和基于岩爆判据的两种图结构数据特征,获得岩爆数据的多尺度特征。该方法能够同时利用单尺度特征和多尺度特征,增强了数据表示能力,在训练过程中使用Transformer进行特征融合使得模型能够更全面地捕捉岩爆数据的优化特征,提升模型性能。通过与传统神经网络和其他机器学习算法相比,PFGT模型的预测准确率为94.87%,优于其他算法,证明了该算法的有效性,为岩爆等级预测提供了一种新的方法。

摘要：井和井系工程在水工建筑物中常用于控制地基和土体中的渗流,尤其在土坝和堤防工程中,通过排渗井和井系来降低浸润线。现有研究多为理论推导,缺少针对井渗流的实验验证,为此文中设计并搭建了普通完全井的渗流模型实验装置,通过控制不同条件下的渗流情况,收集实验数据,并对数据进行分析,通过实验验证了普通完全井的浸润曲线。实验结果表明,在设定的实验条件下,井的渗流行为能够有效地降低浸润线,实验数据与理论模型吻合良好,为井和井系工程在实际应用中的设计和优化提供了实验依据,同时也为后续研究提供了宝贵的数据支持。