多尺度特征融合U-Net的遥感影像黑臭水体智能检测

研究采用卫星遥感技术获取高分辨率遥感影像水体样本数据集,基于深度卷积神经网络从高分辨遥感影像中提取水体并进行黑臭水体智能监测,提出了一种改进U-Net的黑臭水体检测网络模型(IWDNet)。基于U-Net结构引入跳跃式多尺度特征融合,结合通道注意力机制、卷积注意力模块、通道与空间注意力机制生成不同多尺度特征融合注意力机制(MFFAM)模块进行对比,并引入空洞卷积扩大网络感受野,最终实现黑臭水体的识别检测。实验证明：基于跳跃式多尺度融合与CBAM注意力机制的黑臭水体检测网络(MFFCBAM-IWNet)模型有效提升了识别精度,在高分辨遥感影像水体样本数据集上表现最佳,总体精度达98.56%,Kappa系数达0.978 4。     

多物理场耦合下不同短路与接地故障对变压器绕组状态影响的仿真研究

为研究不同短路与接地故障对变压器多次冲击后绕组状态的影响,基于变压器电、磁、热、力物理场理论,搭建了三相变压器的三维模型,考虑了温度对绕组材料属性的影响,采用迭代方法对电磁-热场进行了双向耦合仿真,然后将各故障类型下的电、磁和温度等物理量导入瞬态结构场,实现了绕组形变位移的仿真计算。结果表明,变压器内部的最大漏磁密对应故障为低压侧三相短路;绕组中部线饼服从整体磁密分布,其余部分线饼呈现一端大,另一端小的分布规律;绕组最高温度对应故障为低压侧三相短路,最高温度为97.36℃,位于A相低压绕组0°处;单次冲击下,位移最大对应故障为低压侧三相短路,其出现在高压绕组-20°～20°范围、高度1/3～2/3范围内;多次冲击后,绕组最大累积位移对应故障为低压侧两相接地,累积位移随冲击次数的增加而增加,直至趋于饱和。研究为变压器的多物理场耦合数值仿真提供参考。     

基于支路模式振荡能量的低频振荡区域定位方法EI北大核心CSCD

电力系统发生低频振荡时,参与振荡的机组通过网络中的支路交换振荡能量,故支路上蕴含丰富的振荡信息。针对系统不同模式下振荡区域的识别问题,该文提出一种基于支路模式振荡能量的低频振荡区域定位方法。首先,在推导满足能量守恒定律的电力系统能量函数基础上,定义从网络角度研究系统振荡规律的支路振荡能量;解析发现支路振荡能量由多个支路模式振荡能量叠加而成,并提出多模式下支路模式振荡能量的提取方法;随后,通过理论推导建立支路模式振荡能量与发电机状态变量之间的解析关系,为采用支路模式振荡能量研究低频振荡问题奠定了基础;最后,建立基于支路模式振荡能量的低频振荡区域定位方法,并通过仿真分析验证了该方法的有效性。     

基于古诺模型的热电厂电锅炉和储热优化配置

将电锅炉和储热系统集成到电热联合系统中是提高系统灵活性以及风电消纳的可行方案。为了综合考虑不同热电厂多主体配置电锅炉和储热系统,兼顾考虑调峰市场的出清价格,提出了一种基于古诺模型的多个热电厂博弈电锅炉和储热系统优化配置模型。从热电厂主体角度出发,构建基于古诺模型的热电厂年化调峰净收益最大为目标的上层优化模型;其次,以组合场景下的总燃料成本消耗最小和弃风最小为目标建立含电锅炉和储热系统的最优调度模型。最后分别基于实际9节点系统的仿真算例,验证了所提模型的合理性和有效性。     

智能化药物运输机器设计

多功能可移动的智能化药物运输机器,具有无线充电,自动行驶,人机交互的功能,实现对药物的自动化运送功能。使用基于LCC补偿电路的无线充电方式达到无线充电功能,使用基于蚁群算法栅栏地图的路径规划进行规划最优路径,并用MT9V034摄像头,DRV8701驱动模块达到自动行驶功能。通过usart hmi串口屏,HC05蓝牙模块,LD3320语音模块实现人机交互功能,实现智能化运送药物。     

基于平行Petri网的制造系统调度与控制一体化方法

为了消除制造系统调度层与控制层之间的隔阂,实现对生产事件快速灵活响应,本文提出了一种调度与控制一体化的方法.首先,定义了一种新型Petri网模型,即平行Petri网,从而集成地描述了传感器、执行器、任务和资源信息,构建制造系统的信息物理系统模型;其次,提出了一种从平行Petri网到赋时Petri网的抽象简化方法,大规模压缩优化调度所需搜索的状态空间;再次,定义了策略Petri网以描述最优调度策略.最后,给出了平行Petri网与策略Petri网同步执行算法,使得平行Petri网与物理系统同步执行.     

嵌入路网图模型的自动驾驶场景描述语言

深度学习的快速发展带动着自动驾驶技术的迅速进步.深度学习感知模型在识别准确率逐步提升的同时,也存在鲁棒性和可靠性不足等隐患,需要在大量场景下进行充分测试以确保达到可接受的安全标准.基于场景的仿真测试是自动驾驶技术的核心和关键,如何描述和生成多样化仿真测试场景是需要解决的关键问题之一.场景描述语言能够描述自动驾驶场景并在虚拟环境中实例化场景获取仿真数据,但现有的场景描述语言大都缺少对于场景道路结构的高层抽象和描述.提出路网属性图来表示路网中抽象出的实体及他们的关系,并设计能简洁描述场景路网结构的语言SceneRoad. SceneRoad可以基于描述的场景道路结构特征构建路网特征查询图.这样,在路网中搜索符合描述的场景道路特征的问题被抽象为路网图上的子图匹配问题,该问题可用VF2算法求解.进一步地,将SceneRoad作为扩展集成到Scenic场景描述语言中.使用拓展后的语言随机生成大量多样的静态场景并构建仿真数据集.仿真数据集的统计信息表明生成的场景具有丰富的场景多样性.不同感知模型在真实和仿真数据集上的训练测试结果表明,模型在两个数据集上的表现呈正相关,意味着模型在仿真数据集上的评估...     

基于信-能复合调制的多母线直流 微电网电流边缘控制策略

尽管直流微电网内新能源的分布式电流均衡控制已经得到了广泛的研究,但实际直流微电网中的通信线路往往是不可靠或者不存在的.基于此,提出一种在无传统通信网络环境下的多母线直流微电网的电流边缘控制策略,以实现电流均衡.首先,设计面向直流微电网的信息-能量复合调制(information-energy dual modulation, IEDM)策略,消除传统的通信设备和通信网络线路,实现新能源电源之间的信息交互.其次,构建多母线直流微电网的状态方程模型,进而将其转化为标准的异构多智能体模型.基于此模型,提出直流微电网内二级控制器的多智能体H_∞边缘协同控制策略,同时基于IEDM策略,设计周期性动态事件触发通信协议.最后,通过半实物仿真测试系统验证所提出的基于信息-能量复合调制的多母线直流微电网的电流边缘控制策略的有效性.     

基于多任务学习的多罪名案件信息联合抽取

面向法律文本的实体关系联合抽取技术对于案情关键信息的智能提取至关重要,是智慧司法领域应用中的重要环节。目前的联合抽取方法虽然已经在特定罪名案件的数据集上取得了较好的效果,但是由于模型在训练时只关注了特定罪名类型文本数据的特点,使得模型的泛化能力有限,在应用到多罪名案件的情况下常常使得模型的效果下降。因此引入多任务学习的方法对多罪名情形下的实体关系联合抽取进行了研究,以涉毒类案件和盗窃类案件两大类罪名的文书数据为基础,构建了一个罪名分类任务作为联合抽取的辅助任务,通过基于特征筛选的动态加权多任务模型同时对两个任务进行学习,在单任务模型的基础上整体F1值提升了2.4个百分点,在涉毒类案件和盗窃类案件上的F1值分别提升了1.6和3.2个百分点。     

基于Docker集群的弹性任务调度模型构建

针对Docker集群访问量具有随机性和不确定性的问题,在提出基于多指标灰色负载预测基础上,通过增加或减少应用容器的方式,实现集群任务的弹性调度,实现集群应用性能和负载均衡。实验结果表明,所提出的基于多指标灰色负载预测算法的弹性任务调度策略,可适应web应用的动态变化,保证高负载状态下应用可即时响应,低负载状态下集群的资源利用率最高。