基于串联两阶段网络DEA模型的供应链规模收益分析

数据包络分析(DEA)是评价供应链系统(Supply chain system)间相对有效性的一种重要的工具,但是传统的DEA不考虑供应链的内部结构,对系统效率评价偏高;而本文所研究两阶段串联供应链系统,考虑把部分中间产品作为最终产品输出,增加额外中间投入的情形.基于所提出的供应链系统结构,本文建立相应的串联结构下的网络DEA模型,并针对所建立模型进行相关理论的研究,给出了串联结构下的生产可能集和规模收益情况判定方法.最后,进行数值实验,以验证我们提出的结论.     

文化创意企业视角的长三角城市网络演变特征

运用社会网络与位序-规模法分析长江三角洲地区16市上市类文化创意企业的母-子公司数据信息, 揭示文化创意企业集聚视角长三角城市网络结构及其演变特征. 研究发现: (1) 2005~2015年, 长三角地区文化创意企业上市公司总部数量逐年增加, 公司总部多设立于上海、杭州、苏州以及南京4地; (2)传媒类和软件及计算机类企业多分布于传统区域, 设计咨询类企业生产网络中, 存在传统非核心城市跃升为区域核心城市的现象; (3)上市公司生产网络结构逐渐复杂, 多中心及新核心相继出现, 且生产网络中城市位序有变动趋势, 文化创意产业空间动态正形塑城市体系结构. 为此, 建议长三角文化创意企业发展中应加强企业母子间的联系强度, 促进城市创意流动网络化, 有望推进长三角创意源-流形塑创意城市群新体系.     

基于显示连通贝叶斯网络的机场塔台地震易损性分析

将基于性能的多维易损性分析方法,结合显示连通贝叶斯网络,应用于机场塔台的多维易损性分析。考虑地震激励的不确定性,通过非线性时程分析获得结构响应数据;将塔台结构分为三个层次,每个层次按包含的层数分为相应的子层次。根据功能特性确定子层次的评价指标和极限状态,建立服从多元对数正态分布的概率地震需求模型;考虑各种极限状态之间的相关性,建立极限状态方程,确定失效域,通过蒙特卡洛法求得构件的超越概率;建立塔台结构的显示连通贝叶斯网络模型,利用层次分析法获得中间节点的条件概率表,利用MATLAB进行贝叶斯网络的推理计算,实现从单一层次的易损性到整体易损性的推理。     

基于贝叶斯网络的船舶港口国监督检查滞留风险研究

针对港口国监督(Port State Control, PSC)检查的复杂性和不确定性, 基于贝叶斯网络理论构建船舶PSC检查滞留风险分析模型. 以东京备忘录(Tokyo MOU)中2014~2017年船舶PSC检查样本数据为基础, 运用R语言bnlearn包进行贝叶斯网络的结构及参数学习. 同时分别执行贝叶斯网络的正向、逆向推理, 定量表示各风险因素与滞留结果之间的相互作用关系, 找出导致船舶滞留的高风险因素, 实现不确定环境下船舶PSC检查滞留风险的全面动态分析. 实证表明, 模型具有较高的精确度, 可为检查人员的滞留决策及航运公司的安全风险管理提供有效依据.     

微孔有机网络材料的合成方法及其在样品前处理中的应用进展

样品前处理是色谱分析中必不可少的环节。固相萃取是一类应用广泛的前处理方法,吸附剂的优劣直接影响萃取过程对目标化合物的吸附和富集效率,并影响前处理及后续分析方法的灵敏度和选择性。因此吸附剂的选择和开发成为一个研究热点。微孔有机网络(microporous organic networks,MONs)是由芳香炔烃和芳香卤化物通过Sonogashira反应合成的一类新型共价有机材料,具有结构可修饰、比表面积大、孔隙率高、合成简单等优点。本文概述了MONs的合成和功能化修饰方法,着重介绍了该材料在样品前处理领域的应用新进展,并对其发展趋势进行了展望。在合成方法方面,MONs材料的制备从回流合成法、溶剂热合成法发展到室温合成法,合成条件趋向于更温和、更高效。在材料功能化修饰方面,引入大分子物质以及氨基、羟基、羧基等活性基团,能增加MONs材料的选择性和作用位点;将MONs与Fe₃O₄、SiO₂、MOFs结合,形成核壳结构MONs,在此基础上进行煅烧和刻蚀,可形成多孔碳结构或空心多层材料。上述功能化修饰的MONs及其复合材料和目标物...     

无人机定位系统电源分配网络电磁干扰行为级分析与预测

电源分配网络是无人机定位系统工作的基础单元,也是电磁干扰薄弱环节,电源分配网络（PDN）传导耦合干扰效应是导致定位系统故障的主要原因。为了提高定位系统电磁干扰敏感度预测模型的精度,基于泰勒级数对非线性系统的描述方法,将泰勒级数行为级模型系数表征为与干扰频率相关的函数,建立无人机定位系统PDN电磁干扰响应预测模型,分析预测PDN在受干扰情况下的非线性直流偏置电压。研究结果表明：在250～400 MHz电磁干扰范围内,基于泰勒级数的PDN电磁干扰响应预测模型可以对PDN在电磁干扰作用下的非线性直流偏置进行准确预测,预测误差在3%以内。     

基于优化残差网络的复杂纹理表面缺陷检测

产品表面缺陷检测是工业自动化生产的重要环节,准确率是评价自动检测系统可靠性的主要指标。基于复杂纹理表面缺陷检测的特殊性以及对检测方法的实时性、通用性等要求,提出了优化骨干网络并使用迁移学习特征映射构建复杂纹理表面缺陷的检测方法。该方法通过优化残差网络模型并建立仿真数据集的方式进行迁移学习,以解决实际情况中复杂纹理表面产品数据集样本数量少、数据集制作困难、相似问题难以互相兼容等问题。实验结果表明,提出的方法可以准确地检测随机复杂纹理的人造木质板材表面缺陷,平均准确率可达99.6%。现有实验条件下单张人造木质板材的检测时间为305 ms,可以满足在线检测的实时性要求。研究结果可为基于深度学习的复杂纹理表面缺陷检测提供新的思路与理论参考。     

基于DCGANs的半片光伏组件电致发光图像增强技术

针对半片光伏组件电致发光（electroluminescence,EL）缺陷自动识别过程中训练用样本不足导致模型过拟合的问题,采用深度卷积生成对抗网络（deep convolutional generative adversarial networks,DCGANs）生成可控制属性的半片光伏组件EL图像,再采用多尺度结构相似性（multiscale structural similarity,MS-SSIM）指标对生成的EL图像与拍摄的EL图像之间的相似程度进行了评估。评估结果得到,使用DCGANs生成的所有类型半片光伏组件的EL图像与拍摄的EL图像的MS-SSIM指标都大于0.55,大部分的MS-SSIM值在0.7附近。在分类模型的训练过程中,测试集准确率随着训练集中生成图像数量的增加而升高,当生成图像数量达到6 000张时,测试集准确率达到97.92%。实验结果表明,采用DCGANs能够生成高质量且可控制属性的半片光伏组件EL图像,较好地解决因缺少训练样本而导致的模型过拟合问题。     

基于双通道残差密集网络的红外与可见光图像融合

为改善红外与可见光融合结果与源图像间的部分细节特征丢失问题,充分提取红外与可见光图像中的特征信息,提出了一种改进的双通道深度学习自编码网络进行红外与可见光图像融合。其中,双通道结构由密集连接和残差连接模块级联构成,并设置一种综合像素、结构相似度和梯度特征保留的损失函数,使该编码器结构可以充分提取红外与可见光图像的多层次特征,在融合层采用空间L1范数和注意力机制对级联双通道特征分别进行融合,最后设计对应的解码器对融合特征图像进行重构,获取最终的融合结果。通过与传统算法以及近年最新的深度学习算法进行实验对比,结果表明该方法在主观和客观上都具有优秀的综合性能。     

水下无线光动态通信技术与实验研究

受水下湍流及水体生物的影响,通信发射光源易产生指向的不确定性,严重增加水下无线光通信的建链难度。针对这一问题,设计了一种基于伺服系统的水下无线光通信系统,该系统基于二维光电转台实现捕获不确定区域扫描,结合CMOS相机实现通信光轴的大视场捕获,最终实现水下无线光通信链路建立。通过实验验证了方案的可行性并对通信单元及伺服单元进行性能测试。实验结果表明,所搭建的系统能够在8.2 s内完成通信光斑的捕获对准,并在通信误码率为1×10-6的情况下,实现50 Mbps的峰值通信速率。