基于CNN-SVM的地下目标形状识别

针对传统地下目标识别算法中特征提取方法的缺陷,鉴于深度学习中的卷积神经网络（CNN）能自动从数据中提取特征,但CNN自带的分类器不能很好的解决非线性分类问题,由于SVM具有良好的泛化分类能力,为此提出基于CNN-SVM的地下目标形状识别方法。本文首先在地表面光滑场景下,利用该方法对地下圆形和矩形目标识别,然后加大场景难度,在地表面粗糙场景下进行地下目标形状识别。实验结果表明,相比传统人工设计的特征分类方法,该算法利用CNN自动提取的特征联合SVM提高了CNN的分类准确率,并且在两种场景下都具有更高的地下目标识别精度。     

基于联合神经网络学习的中文电力计量命名实体识别

随着电力计量业务的不断扩展，迫切需要由业务信息、技术知识、行业标准及其内在联系所组成的电力计量知识图谱，为电网的决策和发展提供更为全面有效的支持。命名实体识别是构建知识图谱的基础。针对电力计量领域需要，结合中文分词技术特点，基于联合学习思想，提出了一种基于联合学习的中文电力计量命名实体识别技术。该技术联合CNN-BLSTM-CRF模型与整合词典知识的分词模型，使其共享实体类别和置信度；同时将2个模型的先后计算顺序改为并行计算，减少了识别误差累积。结果表明，在不需要人工构建特征的情况下，方法的正确率、召回率、F值等均显著优于以往方法。     

气相输运沉积制备c轴择优取向的碘化铋薄膜

铋基卤化物材料因其无毒和优良的光电性能而显示出巨大的应用潜力。BiI₃作为一种层状重金属半导体,已被用于X射线检测、γ射线检测和压力传感器等领域,最近其作为一种薄膜太阳能电池吸收材料备受关注。本文采用简单的气相输运沉积(VTD)法,以BiI₃晶体粉末作为蒸发源,在玻璃基底上得到高质量c轴择优取向的BiI₃薄膜。并通过研究蒸发源温度和沉积距离对薄膜物相和形貌的影响,分析了BiI₃薄膜择优生长的机理。结果表明VTD法制备的BiI₃薄膜属于三斜晶系,其光学带隙为~1.8 eV。沉积温度对薄膜的择优取向有较大影响,在沉积温度低于270 ℃时,沉积的薄膜具有沿c轴择优取向生长的特点,超过此温度,c轴择优取向生长消失。在衬底温度为250 ℃、沉积距离为15 cm时制备的薄膜结晶性能最好,晶体形貌为片状八面体。     

基于视觉辐条图案识别方法的蓝宝石引晶机制研究

工业生产蓝宝石晶体过程中,引晶步骤有着至关重要的地位。引晶必须在温度梯度较小,温度分布趋于稳定的条件下进行。目前,工业生产蓝宝石主要依靠人工经验操控籽晶杆实现引晶操作,但是人工引晶操作的准确性不高会导致成品品质不佳、资源浪费。为此,本文提出一种基于蓝宝石视觉辐条图案识别方法来检测蓝宝石熔体状态自由液面状态,从而实现一种高效率引晶的机制。此方法利用经典骨架化算法细化辐条图案,Harris算子实现特征信息的提取,提取的特征信息放入运动轨迹模型中判断熔体稳定性,分析液面温度分布稳定性从而实现引晶。结果表明,此算法具有有效性,蓝宝石晶体引晶效率大大提高,生产出的成品良率也有提升,可有效指导蓝宝石的工业生产。     

多模式离子推力器输入参数设计及工作特性研究

针对我国小行星探测任务对电推进系统离子推力器设计要求,基于等离子体基本理论建立了多模式离子推力器输入参数与输出特性关系,完成各工作点下屏栅电压、束电流、阳极电流、加速电压,流率等输入参数设计,采用试验研究和理论分析的方法研究了推力器工作特性.试验结果表明:在设计输入参数下,23个工作点推力最大误差小于3%,比冲最大误差小于4%,在功率为289—3106 W下,推力为9.7—117.6 mN,比冲为1220—3517 s,效率为23.4%—67.8%,电子返流极限电压随着推力增加单调减小,最小、最大推力下分别为-79.5 V和-137 V,放电损耗随着功率增大从359.7 W/A下降到210 W/A,并在886 W时存在明显拐点,效率随功率增大而上升,在1700 W后增速变缓并趋于稳定,在轨应用可综合推力器性能、任务剖面要求、寿命,合理设计输入参数区间,制定控制策略.     

高居里温度铁电单晶PIN-PT的机电性能

弛豫铁电单晶Pb(In_1/2Nb_1/2)O₃-PbTiO₃(PIN-PT)相较于常用的Pb(Mg_1/3Nb_2/3)O₃-PbTiO₃(PMN-PT)具有更高的居里温度,在高稳定性、高性能的传感器、换能器方面具有应用前景。本工作采用谐振法研究了[001]方向极化的0.66PIN-0.34PT铁电单晶的全矩阵机电性能参数。0.66PIN-0.34PT 单晶的三方-四方相变温度(T_RT)约为160 ℃,居里温度(T_C)约为260 ℃,室温压电系数d₃₃、d₃₁、d₁₅分别为1 340 pC/N、-780 pC/N、321 pC/N,介电常数ε^T₃₃、ε^S₃₃、ε^T₁₁、ε^S₁₁分别为2 700、905、2 210、1 927,机电耦合系数 k₃₃、k₃₁、k₁₅、k_t分别为 87%、58%、38%、61%。其纵向压电常数(d₃₃)和纵向机电耦合系数(k₃₃)小于 PMN-PT 单晶,但是横向压电性能(d₃₁)和剪切压电性能(d₁₅)都略高于PMN-PT单晶。另外,研究了机电耦合性能随温度的变化趋势,发现0.66PIN-0.34PT单晶在150 ℃以下有较好的温度稳定性。     

全局优化问题的一个新的无参数填充函数

求全局最优化问题的填充函数算法被提出以来，参数的选取和调整一直是制约算法有效性的因素。如何在实际的计算过程中选取合适的参数，直接影响和决定了运算速度和效率。因此，构造不含参数的填充函数就显得极为重要。提出一个新的无参数的填充函数，对其理论性质进行了分析，并给出相应的填充函数算法，数值计算验证了算法的有效性。     

基于贝叶斯参数优化的无模型自适应硅单晶直径控制

直拉硅单晶的生长过程涉及多场多相耦合与复杂的物理化学变化,其中工艺参数的波动是导致晶体直径不均匀的重要原因,如何实现工艺参数的控制以获得理想的、均匀的晶体直径具有重要的研究意义。本文分析现有控制方法存在不稳定以及控制效果不佳的问题后,提出基于贝叶斯参数优化的无模型自适应控制模型来控制硅单晶生长过程中的晶体直径。首先以坩埚上升速度与加热器的功率作为控制输入参数,晶体直径作为输出,搭建无模型自适应控制模型,并分析算法的稳定性。其次将控制模型进行仿真实验,发现硅单晶直径控制模型中不同的超参数设定会影响控制过程的迭代次数以及控制效果。最后,利用贝叶斯优化超参数的取值范围,并进行最终的仿真实验,结果表明,经贝叶斯参数优化后的控制模型计算快、迭代次数少,输出的晶体直径稳定,同时将生长工艺参数控制在实际生产要求范围内。因此,基于贝叶斯参数优化的无模型自适应控制实现了硅单晶直径均匀稳定的有效控制,具有结合工程背景的实际应用前景。     

光纤基底TiNi形状记忆合金薄膜制备工艺

将TiNi基记忆合金薄膜与光纤相结合可制成智能化、集成化且成本经济的微机电系统和微传感器件.本文采用磁控溅射法在二氧化硅光纤基底上制备TiNi记忆合金薄膜,系统讨论了溅射工艺参数以及后续退火处理对薄膜质量的影响.采用自研制光纤镀膜掩膜装置在直径为125μm的光纤圆周表面上形成均匀薄膜.实验表明:在靶基距、背底真空度、Ar气流量和溅射时间一定的条件下,溅射功率存在最佳值;溅射压强较大时,薄膜沉积速率较低,但薄膜表面粗糙度较小.进行退火处理后,薄膜形成较良好的晶体结构,Ti_49.09Ni_50.91薄膜中马氏体B19′相和奥氏体B2相共存,但以B19′为主.根据本文研究结果,在玻璃光纤基底上制备高质量的TiNi基记忆合金薄膜是可实现的,本工作为下一步研制微机电系统和微型传感器做了基础准备.     

基于遗传算法的紧凑型高温超导托卡马克磁体优化

基于遗传算法和二维轴对称磁场有限元模型对高温超导托卡马克装置磁体进行了优化设计。以超导带材使用量最少为优化的目标函数，在给定的背景场设计指标和高温超导带材在50K、不同背景场的临界电流数据下，对磁体物理参数以及运行电流进行优化，得到了托卡马克高温超导磁体在50K温区下的设计方案。