摘要：现有暖通空调(HVAC)空气处理单元(AHU)的故障诊断研究往往是集中式的。少量的分布式方法大多需要求解大量耗时的优化问题,使得无法及时完成故障诊断。针对以上挑战,该文提出一种基于投票机制的分布式故障诊断方法。在该方法中,建立一个玻尔兹曼机来描述传感器网络,通过传感器之间的相互投票来确定玻尔兹曼机的边权值,基于边权值对玻尔兹曼机的状态也就是传感器的状态进行迭代,从而定位传感器的故障。设计了一种基于欧氏距离的投票策略确定投票值。开发了一种方法,通过在玻尔兹曼机中增加一个额外的节点来重置其权值矩阵,在将玻尔兹曼机对称化的同时,保持原来各传感器之间的投票关系,以保证玻尔兹曼机状态的迭代收敛。该方法不需要求解大量的优化问题,相较于当前的分布式方法计算量小。使用ASHRAE Project RP-1312提供的实际数据对所提方法进行验证。实验结果表明所提方法可以精确且高效地诊断出空气处理单元传感器的偏差故障和漂移故障。

摘要：自适应温度调控器件以其智能开关特性而逐渐成为研究焦点,但是一方面其特殊的光谱要求使得器件设计过程复杂且周期冗长,另一方面器件热控性能亟待提高以满足更加严苛的应用场景。针对以上问题,提出一种深度生成神经网络模型来执行上述复杂的优化任务,该网络模型的更新不依赖于数据集,而是将生成神经网络与传输矩阵方法(TMM)相结合,通过TMM返回的梯度信息指导产生符合预期的多层膜结构,并自动优化膜层厚度和材料种类。作为网络优化能力的验证和演示,本课题组使用该方法设计了一种基于二氧化钒的自适应热控器件,实现了高温太阳吸收比低于0.2、高温发射率高于0.9、发射率差值大于0.8的优异性能。与传统的优化算法相比,生成神经网络以高自由度和更快的速度寻找最优解,与普通神经网络相比,全局优化网络考虑整体的优化目标,通过全局搜索寻找全局最优解,设计结果也证明了该方法在复杂设计任务中的实用性。

摘要：小样本学习旨在模拟人类基于少数样例快速学习新事物的能力,对解决样本匮乏情境下的深度学习任务具有重要意义.但是,在诸多计算资源有限的现实任务中,模型规模仍可能限制小样本学习的广泛应用.这对面向小样本学习的轻量化任务提出了现实的需求.知识蒸馏作为深度学习领域广泛使用的辅助策略,通过额外的监督信息实现模型间知识迁移,在提升模型精度和压缩模型规模方面都有实际应用.首先验证知识蒸馏策略在小样本学习模型轻量化中的有效性.并结合小样本学习任务的特点,针对性地设计两种新的小样本蒸馏方法:(1)基于图像局部特征的蒸馏方法;(2)基于辅助分类器的蒸馏方法.在miniImageNet和TieredImageNet数据集上的相关实验证明所设计的新的蒸馏方法相较于传统知识蒸馏在小样本学习任务上具有显著优越性.

摘要：光学椭率是联系天文望远镜光学设计与暗物质探测科学目标的一项核心性能指标,然而目前还没有将椭率作为指标融入光学系统优化设计过程的完整方法。提出了一种融合光学椭率判据的自由曲面望远镜光学设计方法,依据椭率与彗差、像散等非旋转对称像差的关系,提出了椭率关联性较强的像差分量优先校正原则,开拓了主要离轴像差校正后通过MZDDE在评价函数中融入椭率判据的设计思想,结合离轴三反系统中像差节点与椭率节点在优化过程中的演变规律,建立了自由曲面面型Zernike项的优化策略。据此设计了离轴三反自由曲面天文望远镜,系统有效焦距为600 mm,口径为200 mm,视场为4°×4°。通过波像差和椭率的联合优化,成像像质及光学椭率得到了同步有效控制,波像差近衍射极限,椭率最大值为0.030 3,平均值为0.015 6。与从低阶项到高阶项的传统像差校正优化方法相比,该方法采用相对较小的自由曲面偏差,设计的自由曲面望远镜成像质量和椭率性能得到了同步控制,充分发挥了自由曲面的效能,设计效率优势明显。

摘要：为了研究灰尘沉积对辐射制冷材料性能的影响,本文以积灰的辐射制冷材料表面为研究对象,采用模拟分析和实验验证相结合的方法,建立积灰表面辐射制冷性能计算的模拟模型,设计积灰表面辐射制冷性能测试实验,分析灰尘覆盖比对材料辐射制冷性能的影响。结果表明:在南京,夜间灰尘沉积不会对材料的辐射制冷性能产生明显的影响,而日间灰尘沉积则会明显导致材料辐射制冷性能的降低,当灰尘覆盖比达到0.09时,表面无辐射制冷效果。

摘要：人们对图像显示设备高分辨率和逼真视觉感知的需求随着现代信息技术的发展日益增长,这对计算机软硬件提出了更高要求,也为渲染技术在性能与工作负载上带来更多挑战.利用深度神经网络等机器学习技术对渲染图像进行质量改进和性能提升成为了计算机图形学热门的研究方向,其中通过网络推理将低分辨率图像进行上采样获得更加清晰的高分辨率图像是提升图像生成性能并保证高清细节的一个重要途径.而渲染引擎在渲染流程中产生的几何缓存(geometry buffer,G-buffer)包含较多的语义信息,能够帮助网络有效地学习场景信息与特征,从而提升上采样结果的质量.设计一个基于深度神经网络的低分辨率渲染内容的超分方法.除了当前帧的颜色图像,其使用高分辨率的几何缓存来辅助计算并重建超分后的内容细节.所提方法引入一种新的策略来融合高清缓存与低清图像的特征信息,在特定的融合模块中对不同种特征信息进行多尺度融合.实验验证所提出的融合策略和模块的有效性,并且,在和其他图像超分辨率方法的对比中,所提方法体现出明显的优势,尤其是在高清细节保持方面.

摘要：为了快速、精准分析农田重金属,该文设计了一款基于施加电场与激光诱导石墨烯(laser-inducedgraphene,LIG)电极阵列的功能核酸比率电化学检测装置,用于农田中典型重金属离子Hg^(2+)、Pb^(2+)的分析。该装置主要包括电场施加模块与LIG电极阵列传感器两个部分,前者以AT89S52单片机作为主控芯片、DAC0832作为电压输出端口,设计单片机控制电压输出的电场施加装置,实现了可编程电压的稳定输出;后者则通过结合CO_(2)激光直写和环氧树脂转印技术,提出了LIG电极阵列的快速制备方法,并进一步构建了LIG基功能核酸比率电化学传感器。在检测过程中,通过调控施加电场的性质,该装置实现了Hg^(2+)、Pb^(2+)在传感器表面的快速特异性富集以及响应信号的稳定获取,其对Hg^(2+)、Pb^(2+)检测限分别低至8.5×10^(-12)mol/L(4.25×10^(-11)mg/L)和4.6×10^(-13)mol/L(2.22×10^(-12)mg/L),实现了农田灌溉用水中Hg^(2+)、Pb^(2+)的现场精准检测。该装置利用施加电场与LIG阵列传感器,实现了重金属离子的快速、精准、现场分析需求,对于农田环境重金属污染的监测及治理具有重要意义。

摘要：机器学习模型在智能故障诊断中取得了显著成功,但主要应用于静态场景。在实际场景中,新的故障类别数据以流形式不断产生,且数据分布随机械设备运行条件变化而发生变化,导致连续流数据具有非独立同分布的特征,这种面向非独立同分布连续流数据的诊断问题被称为持续迁移诊断问题。针对此问题,本文提出了一种基于持续迁移学习系统(CTLS)的故障诊断方法。该方法设计了域适应学习损失函数和持续迁移学习机制,能有效处理变工况下的工业流数据,无需重放旧类别数据便能够能学习新类别知识。此外,利用机械故障诊断案例评估该方法的性能,分析结果证明CTLS能够高效处理变工况条件下的工业流数据,是一种极具潜力的解决实际工业问题的可靠工具。

摘要：针对状态空间模型中存在服从伯努利分布的时延和随机观测丢失的情况,基于极大似然法则,分别设计有限脉冲响应(finite impulse response, FIR)滤波器的慢速率批处理形式和快速率迭代形式.首先,将时延和数据丢失情况下的模型表述为服从伯努利分布的概率线性函数;然后,通过极大似然处理从而得到所提出极大似然FIR算法;最后,将在相同条件下的极大似然FIR估计、改进型卡尔曼滤波以及无偏FIR估计3种滤波方法进行对比,从估计误差、均方根误差和不确定性影响等角度进行比较分析.实验部分通过3-DOF直升机模型仿真,可发现所提出极大似然FIR估计方法在处理时延和数据丢失问题时更加有效,鲁棒性更高.

摘要：Ⅱ/Ⅲ期无缝设计是将独立的Ⅱ期和Ⅲ期临床试验整合为一个连续的、分阶段的适应性临床试验设计。相较于传统的独立Ⅱ期和Ⅲ期临床试验,无缝设计在加速药物或疫苗上市、提高临床试验效率方面具有显著的优势。目前该设计在抗肿瘤药物研究领域的应用上日益成熟,也逐渐扩展到疫苗的临床试验中,包括九价人乳头瘤病毒疫苗、Sabin株脊髓灰质炎灭活疫苗等。本文旨在阐述Ⅱ/Ⅲ期无缝设计的概念,并以九价人乳头瘤病毒疫苗的Ⅱ/Ⅲ期无缝设计的临床试验为例,阐述实施Ⅱ/Ⅲ期无缝设计时需注意的细节和潜在的挑战,以期为我国在优化疫苗临床试验方面提供参考。