新型海上风电基础地基冲刷深度试验研究及床面剪切力分析

海洋环境作用下海上风电基础周围海床会产生显著冲刷,冲刷深度过大会严重影响风电结构体系的安全。复合筒型基础是一种新型的浅基础,其对冲刷的敏感性更大。以新型的海上风电复合筒型基础为研究对象,开展了波流作用下基础周围地基冲刷特征的物理模型试验,探究了基础周围海床的冲刷变化规律及最大冲刷深度,基于波流-复合筒型基础-地基相互作用的数值模型分析了海床表面剪切力的分布特征,考察了最大冲刷深度与最大床面剪切力的关联性。研究结果表明：波流作用下复合筒型基础最大冲刷位置位于基础后方、毗邻基础的位置,最大冲刷深度随波高、周期、流速的减小而减小,基础周围海床最大冲刷深度与其最大床面剪切应力的分布有一定的相关关系。     

基于改进深度学习算法的船舶柴油机故障诊断技术

随着数据挖掘技术的发展,深度置信网络(DBN)这类深度学习算法被越来越多运用到工程领域。在故障诊断领域,结合DBN强大的自适应特征提取和非线性映射能力,可以摆脱以往对专家经验的依赖。基于此,本文为有效地监测柴油机气缸运行状态,提出一种基于改进深度学习算法的船舶柴油机故障诊断技术。先将原始信号的频域形式输入DBN当中,采用蚱蜢优化算法(GOA)搜索DBN的最优参数组合,并建立起最佳的柴油机气缸故障诊断模型。经测试验证,本文提出的诊断模型能够准确识别柴油机气缸运行状态并进行故障诊断,诊断率可以达到99.5%以上,具有较好的工程实用价值。     

基于时空注意力卷积神经网络的交通流量预测

为充分挖掘交通流量的复杂时空动态相关性以提高交通流量预测精度,引入空间注意力机制与膨胀因果卷积神经网络,提出一种基于时空注意力卷积神经网络的交通流量预测模型（spatio-temporal attention convolutional neural network,STACNN）.首先,由膨胀因果卷积与门控单元构建的门控时间卷积网络模块用于获取交通流量的非线性时间动态相关性,避免在训练长时间序列时发生梯度消失或梯度爆炸;其次,采用空间注意力机制为路网中的交通传感器节点自动分配注意力权重,动态关注不相邻节点之间的空间关系,并结合图卷积神经网络提取路网的局部空间动态相关性特征;然后,通过全连接层获取最终的交通流量预测结果;最后,利用高速公路交通数据集PEMSD4、PEMSD8进行了60 min的交通流量预测实验.实验结果表明：与基线模型中具有良好性能的时空图卷积网络（spatio-temporal graph convolutional network,STGCN）模型相比,提出的STACNN模型预测结果的平均绝对误差（mean absolute error,MAE）在两个数据集上分别提...     

舰载云图像识别性能研究

深度学习的兴起促进了各个电子科技行业的迅速发展,军事科学的智能应用也得到了极大的推广。舰载云环境基于单只舰船,为舰载智能应用提供算力、网络资源和存储支持。深度学习任务依赖强大的计算资源,相同的智能模型在不同的计算平台中性能可能出现巨大差异。在自主可控的大背景下,本文基于深度学习中的典型图像识别任务,对比使用国产和商用计算平台中舰载云上不同配置的虚拟机的表现性能。一方面,分析不同的虚拟机配置与表现性能的关系;另一方面,对比商用及国产平台的性能差距,为舰载云智能化的大规模应用提供理论支撑。     

大潜深潜艇设计中计算深度的探索与建议

指出随着下潜深度的增加,给现行的潜艇设计计算规则提出了挑战。《舰船通用规范》将腐蚀补贴厚度和超深附加深度与下潜深度线性相关,使深水、大直径潜艇背上补贴厚度过重的包袱和深度达200～300m的超深附加深度。建议把腐蚀补贴厚度不放在安全系数中,而按照不同材料、不同服役年限、不同使用部位外加腐蚀补贴厚度的方法来解决;建议用在不同深度时限制潜艇的使用航速,超过工作深度后,限制潜艇的下潜纵倾角,及确定一个比较合适的挽回时间的思路来确定超深附加深度。     

深度学习的车道线检测方法

随着人工智能技术的不断发展,无人驾驶技术已经成为当下社会发展的热门,车道线检测是无人驾驶技术的关键一环,但传统的基于视觉的车道线检测方法处理时间较长、过程繁琐、需要人为干预。基于深度学习的车道线检测可大大减少此类问题。文章设计了一个完成双任务的Enet网络,分别解决目标区域分割问题和不同车道区分问题,以实现端到端的检测。与主流车道线检测网络模型deeplab v3和YOLO v3进行对比。实验验证表明,网络模型的最终训练准确率为99.8%,相对于deeplab v3和YOLO v3网络分别提升1.2%和0.8%。     

高边坡建筑对坡体稳定性的影响分析

文章借助有限元极限分析法,对西南地区常见的修建建筑物的岩质坡体进行稳定性分析,揭示了不同的建筑自重和基础埋深对坡体安全系数的影响程度。     

"A2/O+混凝沉淀+纤维转盘过滤"工艺在污水处理厂升级改造中的工程实践

随着环保要求日益严格,对城镇污水处理厂出水水质提出了更高的要求.昌图污水处理厂原设计出水为GB 18918-2002《城镇污水处理厂污染物排放标准》一级B排放标准,且处理工艺单一、工艺流程不完善,再加上项目地处严寒地区,导致出水水质不稳定,亟需进行升级改造.基于该项目现状及存在的主要问题,对原有生化工艺进行升级,将A/O工艺改造为Az/O工艺,并增设"混凝沉淀+纤维转盘过滤"深度处理单元和消毒工艺.研究结果表明:改造后污水处理系统运行稳定、处理效果较好、出水水质可达到GB18918-2002《城镇污水处理厂污染物排放标准》一级A排放标准,该工程实践对寒冷地区污水处理厂升级改造有一定的借鉴意义.     

基于相机与激光雷达融合多目标检测算法研究

准确的多目标感知系统是自动驾驶技术的关键。本文提出了一种基于相机与激光雷达融合的多目标检测算法。针对相机传感器无法获得准确的目标距离等深度信息,激光雷达无法获得准确的目标类别信息的问题,首先采用嵌入自适应特征融合模块的YOLOv7网络处理相机数据,同时对激光雷达数据进行点云预处理以消除无用的噪声点;其次,利用坐标变换将激光点云数据和相机数据转换到像素坐标系中;最后,采用基于ROI感兴趣区域的方法对点云进行聚类处理,以参数加权的方式融合两种传感器的检测结果。实验结果表明,嵌入改进YOLOv7网络的融合算法能够检测出更加准确的目标信息。     

深度学习在激光熔覆领域的发展与应用

介绍激光熔覆的基本原理、应用领域和深度学习模型的发展状况,阐述深度学习在激光熔覆领域的应用。深度学习利用神经网络模型监控激光熔覆过程,在熔覆工艺参数优化和熔覆过程质量控制等方面具有较好优势,可有效提升激光熔覆过程的精度和稳定性。