红外动态场景生成装置空间分辨率的测试

建立了一套基于刀口灰度图红外探测的实验装置,对红外场景生成器的空间分辨率进行了测试。首先通过被测红外场景生成器产生带有刀口标志的红外图像,然后利用红外热像仪采集红外场景生成器所成的红外图像,通过对采集到的红外热图的数据处理,实现了对红外场景生成器空间分辨率的测量。测得的红外场景生成器的空间分辨率为5lp/mm,标准误差为0.04。     

基于卷积神经网络的焊缝缺陷图像分类研究

为有效地对焊缝缺陷进行分类，从而判断焊接质量的等级，对传统卷积神经网络进行改进，提出一种多尺度压缩激励网络模型（SINet）。将4组两两串联的3×3卷积模块与Inception模块、压缩激励模块（SE block）相结合。通过多尺度压缩激励模块（SI module）将卷积层中的特征进行多尺度融合和特征重标定以提高分类准确率，并用全局平均池化层代替全连接层减少模型参数。此外考虑到焊接缺陷数量不平衡对准确率的影响，采用深度卷积对抗生成网络（DCGAN）进行数据集的平衡处理，并在该数据集上验证模型的有效性。与传统卷积神经网络相比，该模型具有良好的性能，在测试集上准确率达到96.77%，同时模型的参数个数也明显减少。结果表明该方法对焊缝缺陷图像能进行有效地分类。     

基于伪模态转换的红外目标融合检测算法

为提高红外图像目标检测的精度和实时性,提出一种基于伪模态转换的红外目标融合检测算法.首先,利用双循环的生成对抗网络无需训练图像场景匹配的优势,获取红外图像所对应的伪可见光图像;然后,构建残差网络对双模态图像进行特征提取,并采取add叠加方式对特征向量进行融合,利用可见光图像丰富的语义信息来弥补红外图像目标信息的缺失,从而提高检测精度;最后,考虑到目标检测效率问题,采用YOLOv3单阶段检测网络对双模态目标进行三个尺度的预测,并利用逻辑回归模型对目标进行分类.实验结果表明,该算法能够有效地提高目标检测准确率.     

二元向量值调制框架的特征刻画

研究希尔伯特空间中向量值调制框架的特征.给出函数族{E_(mb)S_(na)h}_(m,n∈Z~2)构成空间L~2(R~2,C~s)的向量值调制框架的充分条件和{E_(mb)S_(na)h}_(m,n∈Z~2)成为向量值调制紧框架的等价条件.     

基于通用生成函数的惯导部件可靠性建模

惯性导航系统是飞机、导弹等复杂装备的重要部件。准确评估其可靠性是装备使用、保障和遂行作战任务的基础。在分析基于通用生成函数方法构建多状态可靠性模型研究的基础上,设计了一种基于通用生成函数方法的性能相依多状态系统可靠性建模的仿真算法,以某型飞机的惯性导航计算部件为研究对象对模型的正确性进行了验证,并且和基于贝叶斯网络可靠性建模方法进行了比较,结果表明:①设计方法可行与贝叶斯方法可靠性结果一致且计算速度快,其中贝叶斯算法过程约需3.72e-02 s,而基于UGF的算法需要1.8810e-03 s左右;②所建模型可以获得多状态系统性能状态的分布特性。     

基于Deep-IndRNN的DGA域名检测方法

恶意服务常利用域名生成算法（DGA）逃避域名检测,针对DGA域名隐蔽性强、现有检测方法检测速度较慢、实用性不强等问题,采用深度学习技术,提出了一种基于Deep-IndRNN的DGA域名检测方法。方法运用词袋模型（BoW）将域名向量化,然后通过Deep-IndRNN提取域名字符间特征,并使用Sigmoid函数对域名分类检测。其主要特点在于:通过将Deep-IndRNN的多序列输入拼接为单向量输入,以单步处理代替循环处理,同时结合Deep-IndRNN能保存更长时间记忆的特点,可有效释放深度学习时占用的GPU、CPU等系统资源,且在保证高准确率和精确度的前提下提高训练、检测速度。实验结果表明,基于Deep-IndRNN的DGA域名检测方法在检测任务中具有较高的准确率和精确度,相比于DNN、CNN、LSTM、BiLSTM、CNN-LSTM-Concat等同类检测方法,能显著提高训练、检测速度,是有效可行的。     

均四嗪衍生物结构、生成焓及爆轰性能的理论研究

运用DFT-w B97/6-31+G**方法对23种1,2,4,5-四嗪衍生物的几何结构、自然键轨道(NBO)和生成焓(EOF)进行研究,并在此基础上运用Kamlet-Jacobs方程估算衍生物的爆轰性能,得到其爆速在6.69~9.37 km/s之间;基于统计热力学,求得部分标题化合物在200~800 K温度范围内的热力学性质,随温度T升高,热容Cp、熵Sm及焓Hm逐渐增大。根据最小键级理论,C-R(取代基)键和N-R键可能是1,2,4,5-四嗪衍生物高温裂解的热引发键。综合分析,基团-NO2、-N3和-N=N-有助于提高四嗪衍生物的生成焓和爆轰性能,3,6-二硝基-1,2,4,5-四嗪和3,6-二偶氮基-二硝基-1,2,4,5-四嗪从能量、爆轰性能上可以作为高能量密度材料候选物。     

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。     

微流控芯片液滴生成与检测技术研究进展

微流控芯片液滴技术是一种操控微小体积液体的新技术,既可实现高通量微观样本的生成及控制,也可进行独立液滴的操作。分散的微液滴单元可作为理想的微反应器,在生物医药中的药物筛选、材料筛选和高附加值微颗粒材料合成领域展现出巨大的应用潜力。液滴微流控芯片是利用流体剪切力的改变,使互不相溶的两相流体在其界面处生成稳定、有序的液滴,目前微液滴的生成方法主要有水动力法、气动法、光控法和电动法等。基于液滴的微流控系统越来越多地被应用于执行复杂的多重反应、测量和分析,可以进行超小体积和超高吞吐量的化学和生物实验。对液滴微流控系统而言,液滴的速度、大小和内容物含量会影响最终的检验结果,因此对液滴形成速率和液滴的内容物含量的实时检测至关重要,目前最常用的液滴检测方法有光学检测技术与电学传感检测技术。对两相流液滴生成机理以及现有液滴生成技术开展了讨论分析,同时对液滴检测技术进行了评述。     

ATCase:一个基于多项式约束求解的数值程序测试用例自动生成工具北大核心CSCD

现有的基于符号执行的测试用例自动生成技术存在不足之处:由于精度限制和非线性约束求解的复杂性,符号执行在遇到复杂的非线性浮点约束时效果并不理想.针对这一现状,给出了一个基于多项式约束求解和区间验证的测试用例生成算法.对于复杂非线性约束难以求解的问题,采用基于低秩矩量矩阵恢复的多项式系统求解方法,该方法对于含有等式和不等式的多项式系统,相较于其他方法求解速度更快,更适合大规模问题的求解;对于浮点约束求解不准确的问题,采用基于区间分析的验证算法来计算包含精确实解的区间,基于该区间给出测试用例,可以避免浮点计算的不准确和异常.结合该算法和符号执行工具KLEE-FP实现了一个测试用例自动生成工具ATCase(automatically generate test case),它能够分析数值程序中的路径并自动生成满足路径约束的测试用例.在两个开源软件库中的2两个复杂的真实程序上运行的实验结果表明ATCase相比KLEE-FP所使用的STP求解器,能快速生成具有更高覆盖率的测试用例,特别是在处理相对复杂的非线性约束时,优势更加明显.