摘要:针对局部异常因子(local outlier factor,LOF)异常检测算法时间空间复杂度高、对交叉异常及低密度簇周围异常点不敏感等局限,提出了基于近邻搜索空间提取的LOF异常检测算法（isolation-based data extracting LOF,iDELOF）,将基于隔离思想的近邻搜索空间提取(isolation-based KNN search space extraction,iKSSE)前置于LOF算法,以高效剪切掉大量无用以及干扰数据,获得更加精准的搜索空间。基于此完成了理论以及4组实验分析,每组实验分别进行iDELOF算法与LOF、iForest、iNNE等多种典型算法的对比分析。结果表明:iDELOF算法通过拉大正异常点局部离群因子的差距,增强了对交叉异常以及低密度簇周围异常点的识别能力,提升了LOF的检测效果；iDELOF算法在识别轴平行异常方面与LOF同样具有明显优越性；iDELOF算法通过iKSSE所获数据子集显著小于原数据集,多数子集数据量小于原数据集的1%,因此iDELOF的时间空间复杂度显著降低,且原数据集数据量越大,优越性越明显,当数据量足够大时,iDELOF算法的运行时间将低于IF算法。

摘要:宽带雷达对空间进动锥体目标进行持续探测能够形成高分辨距离像（high resolution range profile,HRRP）序列。HRRP序列携带空间进动锥体目标的空间几何信息和运动规律等信息,是进行目标关联跟踪和分类识别的重要依据,因此研究空间进动锥体目标的HRRP序列预测具有重要意义。卷积长短时记忆（ConvLSTM）网络将CNN和LSTM二者的特点有效结合,能够充分挖掘HRRP序列的空间和时间特性,完成对HRRP的预测。本文基于空间锥体目标的进动模型建立了多种尺寸、运动速度和运动方向等不同参数的HRRP序列数据集,并利用此数据集根据HRRP特性设计实现了适用于空间进动椎体目标HRRP预测的ConvLSTM网络模型。为了测试本文设计的ConvLSTM网络预测效果,将ConvLSTM网络与二维卷积神经网络模型进行预测效果对比分析。仿真实验结果表明,ConvLSTM网络预测结果与物理光学法计算得到的HRRP一致性高,皮尔逊相关系数高达0.973 1,平均绝对误差低至0.033 4,相较于二维卷积神经网络预测结果更加准确。证明本文设计的ConvLSTM网络模型能够有效提取HRRP序列的时间和空间特征,实现对HRRP序列的高精度预测。

摘要:随着无人机航拍技术的普及,航拍图像在目标检测和跟踪的应用得到普遍研究,而航拍图像与卫星影像的匹配研究相对较少。由于成像机理和成像视角的不同,无人机航拍图像与卫星影像存在较大的尺度差异,现有的图像匹配方法难以实现航拍图像与卫星影像的有效匹配。为了解决这一问题,提出了一种实现具有大尺度差异的航拍图像与卫星影像匹配的方法。该方法通过卫星影像的经纬坐标信息和无人机航拍图像成像时刻的相机位姿信息,对无人机航拍图像进行方向和尺度的配准;然后利用航拍图像成像时刻的位置信息,对卫星影像进行粗匹配,得到包含航拍图像匹配区域在内的卫星影像子图；再利用神经网络提取配准后的航拍图像与卫星影像子图的卷积神经网络（convolutional neural networks,CNN）特征,并基于CNN特征实现航拍图像与卫星影像的精匹配。仿真实验结果表明,本文所提方法能够有效的实现大尺度差异的航拍图像与卫星影像匹配。通过将本文匹配方法与现有图像匹配算法匹配精度的对比分析,证明了本文匹配算法的有效性和优越性。

摘要:针对在扩展有限状态机（extended finite state machine, EFSM）模型上测试序列集生成效率低、规模大等问题,提出了一种面向全迁移的小规模测试序列集生成方法。该方法基于改进的自适应多种群遗传算法（improved adaptive multi-population genetic algorithm, IAMGA）。首先,利用迁移覆盖增益设计适应度函数,使每次生成的可行迁移路径均能产生迁移覆盖增益;然后,根据个体的可行迁移划分子种群,并在子种群内使用轮盘赌算法进行选择,克服了“早熟”问题,提高了全迁移覆盖的成功率;再利用种群的平均路径通过率自适应地调整交叉和变异概率,加快了收敛速度;最后,通过倒序遍历测试序列集去除冗余序列,进一步压缩了测试序列集规模。实验结果表明,与面向单迁移的测试序列生成方法相比,本文所提出的测试序列生成方法面向全迁移,仅一次就能以90%以上的成功率生成满足全迁移覆盖的测试序列集；与传统的遗传算法相比,IAMGA算法生成的测试序列集的平均规模减少了50%,平均迭代次数也减少了20%。本文提出的测试序列集生成方法可有效提高EFSM测试序列集生成的效率和质量。

摘要:海上风电塔长期服役于海洋腐蚀环境中,塔筒结构在海洋腐蚀环境及风、浪、地震等往复荷载作用下易出现局部屈曲及倒塌破坏。本文提出将碳纤维增强复合材料（carbon fiber reinforced polymer,CFRP）用于腐蚀后风电塔筒的局部加固,开展了CFRP钢结构单剪实验及数值仿真研究。在单剪实验的基础上,基于ABAQUS软件及Python编程开展了CFRP加固腐蚀风电塔筒的滞回性能研究,对比了4种腐蚀工况及6种加固工况结构的破坏形式及耗能机制。研究结果表明:高温环境会使得CFRP与钢的黏结界面出现软化现象,导致CFRP钢复合结构承载力下降。但在拉力作用下CFRP钢复合结构均表现为纤维丝断裂早于胶层破坏,在数值模拟时可以将CFRP与钢的黏结关系简化为绑定关系。在循环荷载作用下遭受腐蚀的风电塔筒结构出现提前屈曲,屈曲后结构刚度退化加速,延性降低,材料塑性耗能比例减小,“屈曲铰”耗能比例增加,整体耗能能力下降；使用CFRP加固后,可以延缓结构屈曲出现的时间,扩大材料塑性区域,增加材料塑性耗能比例,提升结构整体耗能能力。为防止CFRP加固层数较少时结构出现突发破坏的现象,加固时应注重考察结构延性变化情况。

摘要:提出一种便于灾后修复的装配式复式钢管混凝土节点。为明确端板厚度、柱轴压比、螺栓直径、混凝土填充度和内钢管截面形状对节点抗震性能的影响,对6个缩尺比为1∶2的节点试件进行拟静力试验,研究了节点的承载力、延性、刚度退化、承载力退化和耗能能力。结果表明:节点的破坏形态包含端板弯曲、钢梁翼缘屈曲、端板与翼缘间焊缝开裂和螺栓翘曲断裂；6个试件的荷载-位移滞回曲线饱满,表明节点具有较强的耗能能力；位移延性系数均大于4.89,具有良好的塑性变形能力和延性；强度退化系数基本保持在0.9~1.0,表现出良好的承载力稳定性；增大端板厚度,可显著提高节点的各项抗震性能指标；增大柱轴压比、提高混凝土填充度和方钢管代替内圆钢管均会提高节点承载力,而螺栓直径几乎不影响节点承载力；改变柱轴压比和螺栓直径对节点耗能影响极小,提高混凝土填充度和方钢管代替内圆钢管均会明显降低节点耗能能力。建立的非线性有限元模型得到的节点破坏形态、承载力与试验结果吻合良好。

摘要:为明确型钢混凝土（steel reinforced concrete,SRC）自复位双肢墙板的恢复力模型和参数确定方法,在低周往复加载试验的基础上,研究了双肢墙板在水平荷载作用下的破坏形态和工作机制。墙板的变形及破坏历程为:墙板摇摆和耗能器剪切屈服。墙板的破坏主要集中在耗能器上,具有良好的自复位能力。根据墙板的滞回特征,提出恢复力模型,包括骨架规则、卸载规则和反向加载规则三部分,并提出影响恢复力模型的10个参数。其中,3个刚度参数和3个强度参数确定骨架规则,4个位移参数确定卸载规则和反向加载规则。基于双肢墙板、预应力筋、耗能器和框架梁的协同工作机制,提出了影响恢复力模型的刚度参数、强度参数和位移参数的确定方法。与试验结果进行对比,试验滞回曲线与模拟得到的滞回曲线吻合较好,试验耗能和模拟耗能也基本一致。研究结果表明:本文提出的恢复力模型能较好地描述型钢混凝土双肢墙板的滞回特征,参数确定方法具有较好的分析精度。

摘要:针对传统热连轧出口板凸度预测方法存在的模型精度低、解释性差等缺陷,提出了一种将机理与数据驱动相结合的热连轧板凸度组合预测模型。通过热连轧板凸度机理预测模型得到热连轧板凸度基准值,将该基准值与实际值之间的偏差量作为机器学习模型的预测变量,再将偏差量预测值与基准值进行求和得出组合预测模型的板凸度预测值,并将该组合预测策略应用至多个神经网络进行方法验证。研究结果表明,提出的热连轧板凸度组合预测模型相较于传统预测模型具有更好的预测性能,其中有97%以上预测数据的绝对误差小于0.02 mm,82%以上预测数据的绝对误差小于0.01 mm,同时该组合预测方法具有较好的可行性与普适性,所提出的模型能够实现机理模型与数据驱动模型的优势互补,使得模型更加符合实际物理意义,该组合模型既缓解了神经网络预测结果由于过程黑箱导致解释性差、可信度低的问题,又弥补了机理模型预测结果偏离生产工况、无法实时修正的缺陷,对热连轧板带钢的板形控制以及热连轧产品质量的改善具有重要意义。

摘要:海水海砂混凝土（seawater sea sand,SSC）在岛礁和临海工程建设中有广阔的应用空间。海洋环境下,混凝土容易开裂,严重影响结构耐久性。为确保该新型混凝土在海洋环境下的安全服役,对SSC的断裂力学性能研究以及断裂参数的合理确定至关重要。然而采用传统方法,基于线弹性断裂理论确定的断裂参数,由于未考虑材料非均匀性的影响,不可避免存在尺寸效应。鉴于此,本文利用基于边界效应的非线性断裂理论,考虑材料的非连续性与非均匀性,确定SSC的真实断裂参数。配制最大骨料粒径d_max为10和20 mm的海水海砂混凝土,分别进行高度为100和200 mm的三点弯曲梁试验,初始缝高比为0.1~0.7；并用淡水、河砂等质量替代海水、海砂配制普通混凝土（ordinary Portland cement,OPC）作为对照组进行试验。基于边界效应模型,通过引入混凝土平均骨料粒径,得到了SSC的真实无尺寸效应拉伸强度f_t及断裂韧度K_IC,进而结合正态分布分析确定两断裂参数的均值以及具有95%保证率的上下限值,并利用得到的拉伸强度成功预测任意尺寸条件下SSC试件的极限荷载。结果表明:相同骨料级配下,与普通混凝土相比,海水海砂混凝土断裂截面上骨料断裂的比例更高,SSC的拉伸强度及断裂韧度高于OPC；随着最大骨料粒径的增大,SSC和OPC骨料断裂的比例均减小,其断裂韧度K_IC均增加,f_t降低。所提模型及相关结果可为海水海砂混凝土实际工程设计提供参考。

摘要:针对变速控制力矩陀螺（variable speed control moment gyro,VSCMG）作为执行机构应用在敏捷遥感卫星上进行姿态机动时末端模式切换的平稳性和快速性冲突问题,在考虑框架转速误差的基础上,设计姿态误差参数作为切换指标,制定误差参数切换区域内的过渡规则,将指令力矩实时分配给控制力矩陀螺（control moment gyro,CMG）和飞轮并分别求解,提出了一种控制力矩陀螺/反作用飞轮工作模式模糊平滑切换操纵律。为了使得姿态机动末端卫星姿态达到姿态稳定度和指向精度要求的时间更短,以该时间为优化指标提出聚类变异改进粒子群算法对该操纵律参数寻优,确定最佳的切换区域和切换参数,并进行了仿真验证。结果表明:改进后粒子群算法在相同的迭代次数中总是表现出比传统粒子群算法更优的适应度,具有更快的收敛速度和更高的收敛精度,参数优化后的模糊平滑切换操纵律相比于现有操纵律能够在较短时间内完成双模式的平滑切换,并在姿态机动末端更迅速地达到姿态稳定度和指向精度要求,提高了遥感卫星敏捷机动与高稳指向的控制性能,有利于高质量完成成像任务。

摘要:为明确随机有限断层法在俯冲带板内地震动模拟中的适用性,以2021年日本千叶M_j6.1俯冲带板内地震为例,使用该方法模拟了震中范围100 km内25组KiK-net台站井上和井下记录,并分析了模拟与观测记录的频谱、持时、峰值和空间分布等地震动特征。结果表明:模拟与观测记录的5%阻尼比拟加速度反应谱（A_ps）在0.1~10 Hz频带范围内吻合较好；基于70%能量持时模型的模拟记录在强震动段和持时上与观测记录匹配良好；井上台模拟与观测记录的地表峰值加速度（A_pg）接近,且两者A_pg衰减特征基本一致；模拟和观测记录所得A_pg等值线相似。此外,将模拟和观测记录与现有日本俯冲带板内地震动衰减关系式（Zhao16）进行了比较,发现Zhao16的A_pg预测值普遍出现高估,其A_ps预测值在低频和高频分别出现一定程度的低估和高估,这可能与研究区域的盆地效应和软土层有关。研究结果为随机有限断层法模拟俯冲带板内地震动的适用性提供了依据,进而为探索将该方法应用于中国具有相似俯冲带构造的地区提供参考。

摘要:永磁同步电机（permanent magnet synchronous motor,PMSM）的监测数据呈现出非平稳、非线性、多源异构性和价值低密度性等特点,而仿真数据难以准确地模拟电机故障类型和故障程度,使得正常数据与故障数据的样本呈现严重不均衡现象,导致故障诊断的模型训练容易出现过拟合、精度低等问题。本文提出了一种改进辅助分类生成对抗网络（auxiliary classification generation adversarial network,ACGAN）,通过对原始样本的分布特性进行学习,实现对PMSM实测故障数据的扩张,为电机的故障诊断和健康评估提供数据基础。首先,针对ACGAN网络收敛性差和梯度易消失或爆炸的问题,使用Wasserstein距离约束生成数据的重建损失,利用梯度惩罚代替权值剪裁对模型进行优化,解决模型训练不稳定问题；其次,剖析数据之间的变化关系和历史变化规律,在生成器中引入循环神经网络提高生成数据质量；最后,利用PMSM匝间短路的故障数据,对比分析ROS、SMOTE、ADASYN及改进ACGAN 4种数据扩张方法对提升故障诊断模型性能的有效性。分析结果表明,与其他数据扩张方法相比,改进ACGAN方法的模型训练较稳定、收敛速度较快,扩张数据质量较高。

摘要:在无人机航拍视频烟雾检测领域中,由于不同检测场景差异大,导致现有烟雾检测算法经常出现检测精度低、速度慢等问题。为了解决以上问题,建立了一个基于无人机视角的多类场景下的烟雾数据集（UAV smoke dataset,USD）,并提出了一种改进YOLOx的多类场景下无人机视频烟雾检测算法。首先,在YOLOx网络模型中引入改进的注意力机制,分别改进通道特征和空间特征的提取过程,提取更加具有表征能力的烟雾特征；然后,提出一种双向特征融合模块,增强多尺度特征融合模块对小目标烟雾特征的融合能力；最后,引入Focal-EIOU损失函数,解决训练过程中出现正负样本不平衡,以及预测框和真实框不相交时无法反映两个框的距离远近和重合度大小等问题。实验结果表明,所提算法在应用于多类场景下无人机视频烟雾检测任务时具有较好的鲁棒性,对比多个经典烟雾检测算法,本文算法在不同数据集上的烟雾检测准确率均有不同的提升,比如对比原有的YOLOx-s模型,准确率提升2.7%,召回率提升3%,速度达到73.6帧/s。

摘要:为进一步明确挡风墙尾流影响下接触网正馈线的舞动机制,以兰新高铁接触网正馈线为研究对象,基于空气动力学理论,建立了接触网正馈线风致振动响应的分析模型。采用流固耦合方法对不同固有频率比和自由度的二维接触网正馈线模型进行了时程分析。研究结果表明:频率比和自由度对接触网正馈线的舞动幅值存在较大的影响。频率比越小,接触网正馈线的振幅受风速影响越大,接触网正馈线发生舞动时的风速范围更广。垂直单自由度系统中接触网正馈线的舞动幅值大于垂直-水平两自由度系统中接触网正馈线的舞动幅值,表明接触网正馈线的水平振动对垂直振动存在一定限制作用。当接触网正馈线在挡风墙尾流影响下发生振动时,正馈线的风攻角不断发生变化。迎风角较大时,正馈线垂直方向气动力幅值增大,更易引起正馈线垂直方向的大幅舞动,并将接触网正馈线的舞动模式归属为无覆冰条件下的Den Hartog舞动。研究结果进一步明确了大风区段无覆冰条件下接触网正馈线的舞动机制,为接触网正馈线舞动的防治提供一定的理论支撑。

摘要:为实现古建筑木构件的无损检测,提出基于无损检测技术的木材密度和抗压强度的线性预测公式。运用超声波-针阻仪联合检测技术测量了12种木材不同纹理方向的超声波波速和抗压强度以及径向和斜向的阻抗比,拟合得到了预测公式中的回归系数,再将预测公式应用于对2种新木材和1种古木的密度和抗压强度的预测中。结果表明:木材超声波波速和阻抗比与其密度和抗压强度均呈正相关线性关系,而采用超声波-针阻仪联合检测技术时,通过多元回归方法得到线性关系的拟合优度有显著提升。对新、古木材密度进行预测时,仅采用针阻仪技术即可实现精确预测,其中对新木材的预测误差小于5%,对古木的预测误差小于1%；对新、古木材抗压强度进行预测时,采用单一的检测技术预测误差较大,而采用联合检测方法的预测效果较好,对新木材的预测误差小于5%,对古木的预测误差小于9%。试验验证了采用超声波-针阻仪联合检测技术对木材密度和抗压强度进行精确预测的可行性,成果可为古建筑木构件的健康监测提供重要技术支持。