融合 Transformer 与残差通道注意力的恶劣场景水 位智能检测方法

精准感知水位信息变化是实现精细水务管控和洪涝灾害的关键环节之一,而低照度、雾霾、雨雪、冰冻、波浪、镜头抖动等恶劣场景给水位检测带来极大挑战。针对现有方法中难以实现水位精准检测难题,构建一种融合Transformer与残差通道注意力机制的Unet模型(TRCAM-Unet),进而提出基于TRCAM-Unet的恶劣场景水位智能检测方法。关键技术包括通过全尺度连接结构实现多层次特征融合,通过Transformer模块强化区域特征的关联性,通过残差通道注意力模块强化有用信息的表达并削弱无用信息的干扰。相关试验和实践表明,TRCAM-Unet取得了98.84%MIOU评分与99.42%的MPA评分,在约150 m距离外水位检测最大误差不超过0.08 m,水位偏差均值(MLD)仅有1.609×10^-2 m,优于Deeplab、PSPNet等主流语义分割算法。研究结果对解决恶劣场景下水位精准检测难题及洪涝灾害预警具有重要应用价值。     

基于改进的C-V模型煤岩细观裂隙图像处理及其应用

为了准确全面地获取煤岩细观图像裂隙信息,引进基于偏微分方程的图像处理技术,阐述无边缘活动轮廓模型(C-V模型)的原理,并针对C-V模型的不足,提出一种基于图像增强函数的改进C-V模型。采用改进的C-V模型分别对包含单一裂隙和多裂隙煤岩细观图像进行处理,获得高质量的煤岩细观裂隙二值图像,并通过量化处理,定量地得到了有效的煤岩细观结构特征参数,为后续煤岩渗流计算和损伤计算等深入研究奠定了基础。研究表明,针对对比度较低、灰度不均的煤岩细观图像,改进的C-V模型比原C-V模型取得了更好的图像分割效果和更准确的煤岩细观结构定量信息,可以应用于煤岩渗透率和损伤因子的计算。     

复杂恶劣环境下水位智能检测方法研究

实现智能化水务管控和洪涝灾害预警,需要实时、准确感知水位信息变化情况。针对现有技术不能满足夜晚、雾天、雨天、漂浮物遮挡、灯光阴影等复杂恶劣环境下的水尺水位的影像水位反演(小目标特征)识别需求,提出一种融合改进YOLOv5与RankSE的水位智能检测方法。首先,采用强化小尺度特征的多层级特征融合方法来改进YOLOv5算法,以强化对小目标的捕捉能力;其次,融入RankSE模块进一步提升对小目标的感知能力;最后,提出一种全新的水位高程解算方案,仅需利用部分水尺锚框信息即可获得准确的水位高程信息,极大提升了检测方法的鲁棒性。研究结果表明,本文所述方法水位检测相对准确度达98.5%,较原算法提高了8.4%;在复杂恶劣环境下可以自动、准确识别出水位高程,最大误差仅为0.11 m。研究结果有效提升了复杂恶劣环境下水位检测的准确性。     

基于深度学习的爆炸冲击波信号重构模型

针对爆炸冲击波信号重构问题,引入深度卷积神经网络（DCNN）捕捉冲击波信号的局部信息和高阶特征,引入双向长短期记忆网络（Bi-LSTM）捕捉冲击波超压数据时序依赖关系,进而构建了基于深度学习的爆炸冲击波信号重构模型。相关实验研究表明,本文构建的爆炸冲击波信号重构模型,综合考量了信号的时序关系、频谱特征、数据变化规律等特征信息;在基于有限测点数据的冲击波场压力分布重构实验中,模拟和实测超压峰值平均误差分别为3.53%和13.71%,正压作用时间平均误差分别为7.35%和14.26%,比冲量平均误差分别为4.02%和11.92%;在基于残缺数据的冲击波压力曲线重构实验中,模拟和实测信号重构的缺失值与原始值基本吻合,且偏差均在0附近;均满足爆炸冲击波压力重构指标要求。研究结果对爆炸冲击波信号重构有重要指导意义。     

基于LBF改进模型的煤岩细观结构研究

为了准确全面地获取灰度不均匀的煤岩图像的细观结构信息,引进了基于LBF模型的图像处理方法,并针对其处理灰度不均一图像效率低和分割结果依赖于初始轮廓位置和大小的缺点,分别引入图像增强算子和规范初始水平集函数进行改进。通过对煤岩的3种不同图像进行灰度化、图像分割、形态学处理,获得了高质量的煤岩细观结构二值图像,并分析了各细观参数的统计规律。试验结果表明,基于LBF改进模型的图像处理方法能有效处理灰度不均匀的煤岩图像,获得的细观结构信息可为数值模拟煤岩试件提供真实的几何模型,为煤岩细观损伤力学分析提供可靠的技术支持。     

高可靠性煤矿井下火源无线预警监测系统

鉴于无线ZigBee协议传输数据率低、距离短,为进行煤矿井下大范围高密度火源监测任务,设计一种高可靠性煤矿井下火源无线预警监测系统。在井下煤自燃隐蔽区域布置感温电缆,利用WaveMesh移动自组网协议多跳网络并行传递数据,根据节点路径选择算法选择传输的最佳路径,通过光纤冗余环网传输至监测终端。该系统以可靠性、健壮性和易移植性为设计原则,针对硬件抗干扰和防爆,射频转发相邻节点数据并设置避让机制,WIFI模块或RS485模块及接口模块二选一通信,光纤冗余环网传输数据。经试验表明,无线传感网络最大通信距离为37 m。采用WaveMesh多径路由协议,组成多跳网络在不同路由间自由切换,能够充分利用无线信号的冗余性。     

基于深度学习的恶劣战场环境图像恢复方法

为实现恶劣战场环境下降质图像的有效恢复、降低环境因素对战场态势感知的干扰,构建一种全新的、端到端的图像恢复方法 —–门控采样网络(GSNet).该网络以编码块-解码块为基本架构,以CNNs与门控卷积为编码与解码机制,以压缩和激励网络为编码块与解码块的连接机制,以高阶信息重要程度的重标定区分目标与背景特征,以通道粒度因子压缩方法为轻量化策略,实现对战场恶劣环境图像的快速恢复.相关实验结果表明, GSNet模型可使PSNR达到19.35 dB,并且SSIM达到0.724,无论是客观指标评价还是主观视觉效果,性能均优于对比的主流图像恢复算法;轻量级GSNet模型在较小提升PSNR、SSIM等指标的情况下,其参数量、FLOPs以及单张图像处理时间分别降低56.6%、54.6%和55.56%.     

层理方向对含预制裂纹页岩Ⅰ型断裂特性的影响

层状页岩受内部层理方位分布特征的影响,其力学性质常表现出明显的各向异性特征。为了探究层理方向对层状页岩Ⅰ型断裂特性的影响,针对不同层理倾角β、预制裂纹角度为0°的半圆盘试件开展三点弯曲静态压缩试验和数值模拟试验。试验结果表明,试件的Ⅰ型标准化应力强度因子Y_Ⅰ会随着层理倾角的变化呈现出明显的差异性,并与层理倾角呈现出良好的三次函数关系,且仅在层理倾角β为0°和90°时,试件表现为纯Ⅰ型断裂模式,即层理倾角的变化会改变试件的断裂模式。同时,试件的Ⅰ型断裂韧度随着层理倾角的增大而逐渐减小,并与层理倾角呈二次函数关系;当层理倾角与预制裂纹角度垂直时,试件的Ⅰ型断裂韧度最大;而当层理倾角和预制裂纹角度平行时,试件的Ⅰ型断裂韧度最小。另外,基于扩展有限元法(XFEM),对半圆盘层状页岩试件的破断机制进行研究,验证了试验和计算结果的准确性。     

基于小波-EEMD-Adaline网络的容栅传感器信号去噪方法

针对容栅传感器检测的转动轴扭振信号掺杂的环境噪声干扰和自身的电磁噪声干扰使得信噪比低、微弱信号难提取的问题,提出了一种基于小波-EEMD-Adaline自适应线性神经网络去噪方法.该方法对信号进行小波、EEMD、Adaline网络消噪处理,采用三级去噪、噪声过滤、对消来逼近原始信号.用典型加噪超声信号、Doppler信号、Block信号对该方法进行有效性验证,与EEMD、基于小波分解的EEMD去噪效果相比较.实验结果表明,后两种方法信号去噪的SNR提升小(均不到20),而本文方法SNR(RMSE)提升(减小)明显,对于9 dB的Doppler信号SNR提升达90,RMSE从1.038 5降至0.009 5.对容栅电路实测大噪声微弱信号去噪,结果表明,该方法去噪性能更优,去噪后信号光滑性好,波动稳定性强.