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。     

仿生多胞薄壁管耐撞性分析及优化

为提高薄壁管结构耐撞性，以雀尾螳螂虾螯为仿生原型，结合仿生学设计方法，设计一种含正弦胞元的多胞薄壁管结构。以初始峰值载荷、比吸能和碰撞力效率为耐撞性指标，通过有限元数值模拟分析了不同碰撞角度（0o、10o、20o和30o）条件下，仿生胞元数对薄壁管耐撞性的影响，通过多目标的复杂比例评估法获取仿生薄壁管的最优胞元数。基于不同碰撞角度权重因子组合，设置了4种单一角度工况和3种多角度工况，采用多目标粒子群优化方法获取了不同工况下薄壁管结构最优胞元高宽比和壁厚。复杂比例评估结果表明，胞元数为4的薄壁管为最优晶胞数仿生薄壁管。优化结果表明，单一角度工况下，最优结构参数高宽比的范围为0.88～1.50，壁厚的范围为0.36～0.60 mm，碰撞角度为0o和10o的最优高宽比明显小于碰撞角度为20o和30o的；多角度工况下，最优高宽比范围为1.01～1.10，壁厚范围为0.49～0.57 mm。     

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。     

惯性约束聚变实验中空间干涉检测与预警系统设计

针对惯性约束聚变实验中多诊断系统在有限空间同时作业引发碰撞风险的问题，设计了基于碰撞目标检测和空间距离测算方法的空间干涉检测与预警系统，分析了真空靶室特定环境下不同实现方法的适用条件和可行性。实验室条件下模拟验证结果表明，基于结构光深度图像获取方法可获得较好的碰撞距离测量精度，在靶室半径探测距离内空间测距误差不大于3cm，为靶室空间干涉检测与预警提供了一种可行的解决方案。     

由混合配体构筑的三维铽金属有机框架的晶体结构及分子识别性能

本文采用两种多功能有机羧酸配体:2-(对溴)苯基-4,5-咪唑二羧酸(p-BrPhH_3IDC)和对苯二甲酸(H_2DCB)为混合配体与六水合硝酸铽,通过溶剂热反应,成功制备了一个含有一维孔道的复杂三维金属有机框架{[Tb(p-BrPhHIDC)(DCB)_(0.5)H_2O]·H_2O}_n。采用红外光谱、元素分析以及单晶X射线衍射测试了其分子结构。发现所采用的两种羧酸配体均与中心金属Tb(Ⅲ)离子配位进而桥联邻近的金属离子构成了三维框架。采用X-射线粉末衍射技术测试了晶体纯度。热分析表明该金属有机框架显示出比较好的热稳定性。固体荧光测试以及小分子识别研究表明该配合物显示出强的特征荧光发射和一定的乙腈识别能力。     

大型舰船在水下接触爆炸下的毁伤与防护研究综述

大型舰船受到水中兵器的巨大威胁，尤其是在水下接触爆炸情况下，船体结构将产生严重的局部毁伤，给舰船的战斗力乃至生命力带来严峻挑战。本文以大型舰船水下防护结构为研究对象，简要概述了各国海军大型舰船水下防护结构形式的发展历程，分析了水下接触爆炸下的毁伤载荷以及对舷侧多舱防护结构的毁伤机理，总结了基于具体结构和不同毁伤元的防护措施；并针对目前的研究现状，提出了有待进一步研究的问题。以期为舰船的水下防护设计提供参考，从而提高我国大型舰船的结构抗毁伤能力     

钛基纤维炸药水下爆炸性能的初步分析

通过爆炸压力时程曲线分析含钛纤维炸药的压力峰值、水下比冲击波能、比气泡能、质量能量及能量密度变化趋势，通过对所得能量结果分析钛纤维炸药的化学反应过程。结果表明:含钛纤维炸药的压力峰值、比冲击波能随钛纤维含量的提高而降低，比气泡能随钛纤维含量的提高而增大，质量能量及能量密度都随钛纤维含量的提高而增大。随距离的增大，钛纤维炸药压力峰值衰减比RDX的慢，而不同钛纤维含量的钛纤维炸药的比冲击波能、比气泡能在不同距离处随钛纤维含量变化趋势基本一致。根据炸药反应释放的总比能量进行理论分析，得出钛纤维炸药爆炸反应方程式。     

基于双向循环神经网络的汉语语音识别*

当前基于深度神经网络模型中,虽然其隐含层可设置多层,对复杂问题适应能力强,但每层之间的节点连接是相互独立的,这种结构特性导致了在语音序列中无法利用上下文相关信息来提高识别效果,而传统的循环神经网络虽然做出了改进,但是只能对上文信息进行利用。针对以上问题,该文采用可以同时利用语音序列中上下文相关信息的双向循环神经网络模型与深度神经网络模型相结合,并应用于语音识别。构建具有5层隐含层的模型,其中第3层为双向循环神经网络结构,其他层采用深度神经网络结构。实验结果表明:加入了双向循环神经网络结构的模型与其他模型相比,较好地提高了识别正确率;噪声对双向循环神经网络汉语识别有重要影响,尤其是训练集和测试集附加噪声类型不同时,单一的含噪声语音的训练模型无法适应不同噪声类型的语音识别;调整神经网络模型中隐含层神经元数量后,识别正确率并不是一直随着隐含层中神经元数量的增加而增加,神经元数量数目增加到一定程度后正确率出现了降低的趋势。