摘要：为了降低车致低频振动,依托实际工程,开展地下室结构柱减振设计研究。基于车辆-轨道耦合动力学理论,考虑短波随机不平顺引起的轮轨中高频振动、土体分层特性、人工黏弹性边界等非线性因素,建立近轨高层建筑车致低频振动预测模型。通过现场地表振动衰减规律测试与车致地下室振动特性测试,验证振动预测模型的有效性。研究地下室非永久柱优化布置,以及非永久柱中嵌入碟形弹簧支座、橡胶支座、粉煤灰支座等4种减振方案对车致低频振动的抑制效果。结果表明:对结构柱进行优化设计可不同程度降低车致低频振动;减少地下室非永久柱可降低地下室整体结构刚度以减少传至高层建筑的振动;采用碟形弹簧支座主要衰减地下室隔板频率63~125 Hz区段振动,高层建筑最大Z振级最多衰减7.3 dB;通过橡胶支座衰减地下室隔板频率40~125 Hz区段振动,高层建筑最大Z振级最多衰减7.6 dB;而采用粉煤灰支座主要衰减地下室隔板频率40~125 Hz区段振动,高层建筑最大Z振级最多衰减5.4 dB;针对该实际工程,结构柱内嵌橡胶支座效果最佳。

摘要：无线毫米波通信具有大量可用带宽,为了降低系统成本和功耗,又支持多个数据流传输,提出了一种采用多波束训练和迭代更新的方式设计无线毫米波信道混合预编码器的方法。为了最大化频谱效率,所提方法首先采用多波束训练的方式估计信道主要来波角度并形成备选波束集合;其次,采用迭代更新的方式优化设计射频域模拟预编码器;根据已经确立的等效信道,建立频谱效率满足一定限制条件下的凸优化数学模型并进行求解,从而确立最优的等效信道和数字基带预编码器。数值仿真与实验结果表明,在用户信道相似度较高的情况下,所提方法具有比现有混合预编码方法更优的频谱效率。

摘要：为了降低空气源热泵干燥过程能耗,研究了空气源热泵干燥能耗特性,采用多元线性回归模型(multivariate linear regression model, MLRM)和BP神经网络(back propagation neural network, BPNN)模型来预测干燥工艺能耗。在分析干燥能耗影响特征参数的基础上,提出将干燥工艺过程进行切分处理的方法以降低数据获取难度。选取烘房设定温度、烘房设定湿度、烘房初始温度、烘房初始湿度、环境平均温度、环境平均湿度、物料质量和初始含水率8个特征参数作为模型输入,能耗和物料结束含水率作为模型输出。使用MLRM模型、BPNN模型和其他机器学习模型进行能耗预测,MLRM模型对能耗拟合的决定系数为0.739,对物料结束含水率拟合的决定系数为0.931;BPNN模型使用Sigmoid函数作为激活函数时对能耗拟合的决定系数最高,为0.828,使用Identity函数作为激活函数时对物料结束含水率拟合的决定系数最高,为0.942,拟合效果优于其他机器学习模型,能够满足实际生产需求。以复水豌豆为干燥对象设计加载物料65 kg、持续时间4 h的完整变温变湿干燥工艺进行验证试验,结果表明:试验总能耗为15.066 kW·h,MLRM模型和BPNN模型的预测总能耗分别为14.476 kW·h、15.183 kW·h,预测精度分别为96.08%、99.23%;试验结束含水率为8.541%,MLRM模型和BPNN模型的预测结束含水率分别为9.560%、8.889%,预测精度分别为88.07%、95.93%。该研究提出了一种使用MLRM模型和BPNN模型对空气源热泵干燥能耗进行分段精准预测的有效手段,对于优化干燥工艺和降低干燥能耗具有实际意义。

摘要：混沌脉冲组(CPG)电场可用于乳化液破乳,但是乳化液滴在油中的聚结特性尚不清楚。通过数值方法研究了油中液滴在混沌脉冲组电场中的聚结特性以及电场参数对液滴聚结过程的影响。结果表明:CPG电场作用下液滴聚结过程可分为6个阶段,各阶段的呈现与电场作用时间和电场休止时间相关,其中第Ⅲ阶段的持续时间对聚结时间影响较大;占空比影响液滴聚结过程的状态以及聚结时间;电场强度的增加对液滴聚结状态无显著影响,但明显缩短聚结时间,当电场强度从500 kV/m增加到700 kV/m,液滴聚结时间从0.400 s减小到0.152 s。研究液滴在CPG电场中的聚结特性能够为CPG电场在工业中的应用提供理论依据。

摘要：【目的】考虑原始评分信息的准确性及其预测结果的可靠性,以提升推荐系统的准确性。【方法】从信息输入和输出两方面,设计三种方案为已有推荐算法的预测结果提供可靠性概率。在信息输入方面,借助直觉模糊集理论,提出模糊自然噪声检测机制识别和修正有误评分;在信息输出方面,分别采用二次模糊噪声检测、矩阵分解和深度神经网络获得待预测位置的可靠性概率,并根据设定的可靠性判别条件,识别出不可信的预测评分并对其修正。【结果】在两个公开数据集上的实验结果显示,与原始推荐算法相比,引入所提模糊自然噪声检测方法和三种可靠性方案后的相应方法在F1值和NDCG评估指标上分别最高提升了6.4%和7.2%。【局限】所设计的可信推荐策略不适用于只包含隐式反馈的数据集。【结论】从评估信息可靠性的视角,为提升推荐算法的性能提供了新的解决方案。

摘要：针对采用分类方法进行分心驾驶检测存在只能识别有限分心驾驶行为类别以及忽视时间信息的问题,提出了基于改进YOLOv5的驾驶员分心驾驶检测方法。首先,在YOLOv5的基础上引入Ghost模块,采用线性变换代替部分常规卷积进行特征提取以轻量化网络模型,实现快速又准确地检测图像中手机、水杯、驾驶员双眼和头部区域;其次,在获取目标检测结果的基础上,结合头部姿态估计设计逻辑算法并融入YOLOv5中,从认知分心和视觉分心两个角度检测每帧图像中驾驶员是否存在分心驾驶,避免了分类方法受限分心驾驶类别数的问题,再设置适当的时间阈值,从而实现端到端实时的分心驾驶预警;最后,对采集的18名驾驶员的驾驶行为数据集进行对比试验,验证了本文方法的可行性和有效性。

摘要：在无线传感器网络组成的物联网中,受并行通信的干扰,导致多信道信息融合效果差、时延高、信息传送能耗大。为此,提出了针对物联网中无线传感器网络的多信道信息融合方法。通过树型拓扑结构合理分配物联网中传感路由节点信道,抑制并行传感通信的干扰。根据信息熵理论,获取各传感信道信息之间的距离差,采用欧氏距离得出各信息单元的距离熵,进行归一化处理,计算出各传感信息单元属性与融合的权重,按照线性加权算法融合各部分的信息,完成多信道信息融合。仿真结果表明:所提方法的多信道信息融合时延和信息传送能耗始终低于0.69 s和59 J,证明所提方法在传感网络多信道信息融合的效果较好,能够有效降低传感信息融合时延,减小传感信息传送能耗。

摘要：针对功率分流式混合动力汽车,首先根据整车设计参数及动力性能目标要求,分别对电机、动力电池组、发动机、主减速器和行星排等传动系统部件进行参数匹配,并运用AVL-Cruise软件建立目标车辆整车模型;其次在满足动力性能目标的前提下,运用AVL-Cruise和Isight软件搭建联合仿真模型,分别采用粒子群优化算法和多岛遗传算法,将行星排特征参数和主减速器传动比作为优化参数,百公里油耗和电耗加权之和作为优化目标进行优化研究,并对比分析2种优化算法的计算结果来获得兼顾动力性能和经济性的最优结构参数,为研究功率分流式混合动力汽车传动系统提供理论依据。

摘要：针对卷积神经网络(Convolutional Neural Network,CNN)过去在语音增强中表现优异但对全局特征捕获不足,以及Transformer近年展现出长序列间依赖优势但又存在局部细节特征丢失、参数量大等问题,该文为了充分利用CNN与Transformer的优势并弥补各自不足,提出了一种在复频谱映射下的新型卷积模块与高效Transformer融合的单通道语音增强网络。该网络由编码层、传输层与双分支解码层组成:在编解码部分设计了一种协作学习模块(Collaborative Learning Block,CLB)来监督交互信息,在减少参数量的同时提高主干网络对复特征的获取能力;传输层中则提出一种时频空间注意Transformer模块分别对语音子频带和全频带信息建模,充分利用声学特性来模拟局部频谱模式并捕获谐波间依赖关系。将该模块进一步与通道注意分支相结合,设计了一种可学习的双分支注意融合(Dual-branch Attention Fusion,DAF)机制,从空间-通道角度提取上下文特征以加强信息的多维度传输;最后,在此基础上搭建一种高斯加权渐进网络作为中间传输层,通过堆叠DAF模块进行加权求和后输出以充分利用深层特征,使得解码过程更具鲁棒性。分别在英文VoiceBank-DEMAND数据集、中文THCHS30语料库与115种环境噪声下进行消融以及综合对比实验,结果表明,该文方法仅以最小0.68×10^(6)的参数量,相比于大部分最新相关网络模型取得了更优的主、客观指标,具有较为突出的增强性能与泛化能力。

摘要：针对在部分遮挡和复杂背景下的微型交通标志误检、漏检等问题,提出一种基于YOLOv8s的交通标志检测框架。构建空间自适应金字塔卷积模块(ASPC)代替Neck所有Conv模块,设计全新的ASPC2f模块代替部分C2f模块,减少了模型参数量,提升了检测性能;为解决在检测小目标时因尺度不一致而导致的语义信息损失问题,引入小目标检测层,以增强深层和浅层语义信息的有效融合;使用EIOU代替原来的边界框损失函数,提升网络边界框回归性能。经实验,该方法在TT100K交通标志数据集上平均精度均值(mAP)达到89.7%,相较于原模型提升6.2个百分点,微型目标平均精度均值相对提升9.4个百分点,参数量降低2.6 MB。