摘要：利用水下机器人进行水下结构病害检测能大幅提升检测效率、降低检测成本,然而利用水下机器人拍摄得到的水下结构平面图像仅包含结构表面的有限信息。通过对水下结构三维重构可以直观地显示结构的空间构形和特征,可以多视角、全方位获取结构的表观缺陷信息。该文提出了基于水下机器人拍摄平面图像的水下混凝土结构三维重建方法,通过水下折射摄像机成像模型、SIFT特征提取和匹配算法以及点云重建的方式对水下带病害的混凝土结构表面进行三维重建。实验表明:该文提出的水下混凝土结构三维重建方法能实现病害三维立体展示,从多视角清晰获取水下结构表面病害信息。

摘要：针对一类带有非重复不确定参数的线性离散系统跟踪批次变化的参考轨迹问题,提出一种双环控制结构的鲁棒间接型迭代学习控制(ILC)算法。通过在内环部分设计比例-积分(PI)型反馈控制器保证闭环系统沿时间轴方向的稳定性,实现前几批次对参考轨迹的快速跟踪。在外环部分,通过高阶内模(HOIM)描述参考轨迹变化规律,并设计一个基于内模原理的高阶比例(P)型ILC控制器提升系统在批次方向上对变参考轨迹的跟踪性能,实现对变化的参考轨迹精确跟踪。针对不确定性参数带来的扰动问题,设计一类性能指标函数,将系统模型在间接型ILC控制器作用下转换为等价的重复过程模型;基于重复过程模型稳定性理论,将保证系统具有沿批次鲁棒稳定的性能指标条件转换为线性矩阵不等式(LMI)。最后通过一类永磁电机的控制仿真验证了所提算法的有效性。

摘要：船体型值与图片一样也是序列相关型数据,所以用于生成图片的神经网络模型也能生成船型数据。由于船舶种类繁多、需求复杂,本文研究重点从船舶水线上下、船艏、舯、艉等区域位置特征,和船舶设计中普遍存在球艏、尾轴、艏部外板升高等全局几何特征的条件生成需求出发,训练条件深度卷积生成式对抗网络模型(Con⁃ditional Deep Convolutional Generative Adversarial Networks)来实现两种特征的条件认知与生成。首先,将实现船型区域位置特征与全局几何特征的条件生成作为目标,分别建立条件深度卷积生成式对抗网络模型;然后,针对两类特征设置若干从易到难的不同分割方案和特征种类,使神经网络能够循序渐进地完成条件生成任务;最后,通过对训练过程和生成结果进行对比,初步证明所研究方法用于解决船型特征条件生成问题的可行性。本研究延续了作者之前的研究成果,属于基于计算机视觉技术的船型智能设计方法领域,旨在进一步探索引入人工智能实现船型智能设计的可行性方法。

摘要：为了探究黏性颗粒在不同截面形状纤维表面的沉积特性,选择截面为圆形、三角形和十字形的纤维作为研究对象,通过Digimat、Solidworks建模软件构建在空间中呈随机分布的刚性三维纤维体模型;利用计算流体力学和离散单元法耦合的方法,基于laminar流场特征,引入JKR(Johnson-kendall-roberts)接触模型,对黏性颗粒在不同纤维表面的沉积特性进行气-固两相耦合数值模拟。模拟结果表明:在黏性颗粒的运动过程中,过滤机理会随时间而变化。初期,捕集主要依赖纤维表面的吸附作用,而后期主要通过纤维本身和颗粒之间的黏附团聚运动共同实现,形成了“尘滤尘”现象。此外,颗粒间滚动摩擦系数对颗粒在纤维上沉积的影响很大。滚动摩擦系数越大,颗粒之间的接触力链结构越稳定,颗粒更难脱落。在3种截面形状的纤维中,十字形截面的捕集效率最高,三角形次之,圆形最低。该研究探究了黏性颗粒与纤维之间的相互作用,优化了纤维结构和布局,为提高空气过滤材料的过滤效率提供了设计思路和理论参考。

摘要：如何将多张图像中的互补信息保存到一张图像中用于全面表征场景是具有挑战性的课题。基于此课题,大量的图像融合方法被提出。红外可见光图像融合(IVIF)作为图像融合中一个重要分支,在语义分割、目标检测和军事侦察等实际领域都有着广泛的应用。近年来,深度学习技术引领了图像融合的发展方向,研究人员利用深度学习针对IVIF方向进行了探索。相关实验工作证明了应用深度学习方法来完成IVIF相较于传统方法有着显著优势。对基于深度学习的IVIF前沿算法进行了详细的分析论述。首先,从网络架构、方法创新以及局限性等方面报告了领域内的方法研究现状。其次,对IVIF方法中常用的数据集进行了简要介绍并给出了定量实验中常用评价指标的定义。对提到的一些具有代表性的方法进行了图像融合和语义分割的定性评估、定量评估实验以及融合效率分析实验来全方面地评估方法的性能。最后,给出了实验结论并对领域内未来可能的研究方向进行了展望。

摘要：目的癫痫脑电信号中的高频振荡节律是发作始发区的显著生物标记物,其精确检测对术前发作始发区定位至关重要。而复杂的检测和定位方法需要专门的软件将其封装处理,并提供直观的数据分析界面,以供研究者和临床医生使用,为此本文设计一种直观的高频振荡节律检测与发作始发区定位系统软件HFOLab。方法采用模块化的设计方法,将高频振荡节律检测方法和发作始发区定位方法设计为两个子模块,将检测结果可视化并输入定位子模块。考虑检测方法误报问题和人工检测需求,分别设计高频振荡节律辅助校验和辅助检测子模块,为专家校验和标记高频振荡节律提供直观依据。结果采用20名癫痫患者的脑电数据,对HFOLab进行初步试验。试验结果表明,HFOLab具有直观的数据分析界面,可对检测结果可视化,并为专家校验和标记高频振荡节律提供直观的依据。20名患者的高频振荡节律平均检测灵敏度(Ripples:92.4%;Fast ripples:90.3%)和平均误报率(Ripples:9.2%;Fast ripples:10.7%)良好,整体发作始发区定位灵敏度和特异性分别为78.9%和77.4%。结论HFOLab可有效检测高频振荡节律并定位发作始发区,可辅助专家校验和标记高频振荡节律,为应用高频振荡节律定位发作始发区的临床试验提供新的工具。

摘要：弱电网下锁相环与电网阻抗间的耦合会造成系统不稳定.含前置低通滤波器锁相环的并网逆变器虽能改善并网系统稳定性,但存在并网电流相位滞后问题.本文通过将滤波器从锁相环支路“拆分”,提出了一种电流二阶校正的阻抗重塑法,以基波电流控制性能、相角裕度、低频幅值为约束建立了多目标约束函数,单独优化设计了二阶校正环节参数,提高了并网逆变器的弱网稳定性,实现弱电网下的单位功率因数并网.最后在StarSim实验平台验证了所提控制方法的有效性.

摘要：应用于光伏并网系统的中压绝缘大功率中频变压器(MFT)不仅要求其高低压侧绕组之间需要满足较大的绝缘间距,而且其内部也需要浇注隔热的绝缘材料。然而,这会导致MFT出现电磁干扰现象严重、散热困难等问题。针对这些问题,该文提出一种全面考虑铁心尺寸、绕组线径和绕组排布结构的MFT优化设计方法。该方法通过面积乘积(AP)法确定铁心体积,再通过自由变量扫描对MFT进行损耗最小化设计。基于有限元仿真软件,验证了该优化设计方法可使变压器漏电感减小及周围的电磁干扰区域缩小。最后,通过该优化设计方法设计一台200kW/30kHz的MFT,并制作了样机。通过理论和实验的对比,验证了优化设计方法的有效性和准确性。

摘要：为了研究铝合金带交叉筋筒形零件热摆辗成形过程中交叉筋的几何参数对筋部充填不满、折叠等成形质量问题的影响规律,以交叉筋的宽度和高度为变量,采用Box-Behnke设计(BBD)方法进行了试验设计,利用有限元方法模拟了具有不同筋高和筋宽的筒形零件的热摆辗成形过程,计算了成形结束时不同筋高和筋宽时筋部的充填质量和折叠率,建立了以交叉筋的宽度和高度为设计变量,以筋部的充填质量和折叠率为目标的二次多项式响应面模型。结合响应面模型和有限元方法,得到了不同筋宽和筋高下零件的成形质量,预测了成形质量最佳时交叉筋的高度和宽度,利用有限元对预测结果进行了模拟和验证。结果表明:当高筋的高宽比小于6时,筋部的充填质量较好;随着筋宽的增加,折叠率逐渐减小;优化后零件的筋部充填完整,折叠缺陷极少,模拟结果与预测结果一致,验证了响应面模型的准确性。

摘要：基于深度学习的雨滴图像增强方法普遍存在高度依赖配对样本数据集,雨滴去除后图像背景细节模糊等问题。对此,提出一种双重注意力引导的弱监督雨滴图像增强方法。该方法设计构建弱监督雨滴图像增强网络,仅需来自雨滴图像域与干净图像域的图像进行训练,可有效降低对配对样本数据集的依赖性;同时,将双重注意力引入生成网络,引导特征提取与多分支掩模生成,掩模同输入的雨滴图像融合后,获得背景清晰的干净图像,实现雨滴图像增强。实验结果表明,该方法在Raindrop数据集上PSNR达到27.0711dB,SSIM达到0.8996,更好地保留了图像背景细节与颜色信息,证明该方法的可行性与有效性。