大脑血液动力学现象中的能量编码

神经信息的编码与解码是神经科学中的核心研究内容,同时又极具挑战性.传统的编码理论都具有各自的局限性,很难从脑的全局运行方式上给出有效的理论.而由于能量是一个标量具有可叠加性,因此能量编码理论可以从神经元活动的能量特征出发来研究脑功能的全局神经编码问题,取得了一系列的研究成果.本研究以王-张神经元能量计算模型为基础,构建了一个多层次结构的神经网络,通过计算机数值模拟得到了神经网络的能量消耗和血液中葡萄糖供能的变化情况.计算结果显示,和网络的神经活动达到峰值的时间相比,血液中葡萄糖的供能达到峰值的时间延迟了约5.6s.从定量的角度再现了功能性核磁共振(fMRI)中的血液动力学现象:大脑某个脑区的神经元集群被激活以后经过5~7 s的延迟,脑血流的变化才会大幅增加.模拟结果表明先前发表的由王-张神经元模型所揭示的负能量机制在控制大脑的血液动力学现象中起着核心的作用,预测了刺激条件下大脑的能量代谢与血流之间变化的本质是由神经元在发放动作电位过程中正、负能量之间的非平衡、不匹配性质所决定的.本文的研究结果为今后进一步探究血液动力学现象的生理学机制提供了新的研究方向,在神经网络的建模与计算方面给出了一个新的视角和研究方法.      

颗粒材料三维应力路径下的接触组构特性

颗粒材料的宏观应力变形特征与其微观接触力、组构等紧密相关.一般而言,强接触系统属于颗粒内部体系的传力结构,其对应的组构张量是影响宏观应力性质的重要因素.细观数值方法(如离散单元法)能够反映物理试验的基本规律,并且可以方便地提取宏微观数据来研究颗粒体系的应力变形机制.采用离散单元法(discrete element method,DEM)进行一系列等$p$等$b$应力路径下颗粒材料的真三轴试验,在此基础上研究了三维应力路径下颗粒材料的宏微观力学参数的演化过程、三维组构张量与应力张量多重联系以及强接触体系反映的宏观应力特征.研究表明:颗粒体系偏应力峰值状态和临界状态均存在与加载路径无关的宏微观特征;三维应力路径下组构张量与应力张量存在非共轴性,但其联合不变量演化过程表现出加载路径无关的特征;与弱接触系统的组构张量相比,强接触系统的组构张量更能反映宏观应力张量的特征;强弱接触体系的组构张量对颗粒体系宏观响应的贡献不同,其分界点存在一定取值范围,但采用平均接触力较为简单合理.      

船舶与海洋平台结构冰载荷的高性能扩展多面体离散元方法

船舶与海洋平台结构的冰载荷是寒区海洋工程结构物设计中的关键参数,而离散元方法是有效计算结构冰载荷的重要手段. 本文采用基于闵可夫斯基和原理的扩展多面体离散元方法模拟船舶与海洋平台结构的相互作用过程. 其中,构造扩展多面体的近似包络函数并建立了基于优化模型的快速接触搜索算法;考虑单元间粘结作用的刚度软化过程建标识码元间的粘结-破碎模型. 同时,发展了 CPU-GPU 协同异构环境下的高性能并行算法. 为分析海冰与海洋结构作用中的冰载荷,采用ISO标准验证了扩展多面体离散元分析结构冰载荷的准确性. 采用离散元方法计算了船舶结构的冰载荷,研究了船舶结构表明的线载荷分布特点,并采用船舶结构冰阻力经验公式验证了计算结果的合理性. 采用离散元方法计算了平整冰区与多桩腿平台结构的相互作用,分析各桩腿上的冰载荷特点. 针对碎冰区的海冰管理过程,采用离散元方法分析了船舶结构绕行过程中的船舶和海洋平台结构冰载荷. 本文方法可有效应用于海洋结构冰载荷分析,能为极地船舶与海洋平台结构的设计和安全运行提供科学的分析手段.      

基于EMD-PSO-LSTM组合模型的船舶运动姿态预测

由于船舶在海上航行时的高随机性和复杂性,单一模型预测能力有限,难以做出准确姿态预测。因此,提出一种基于经验模态分解(EMD)和粒子群优化(PSO)的长短期记忆神经网络(LSTM)的组合预测模型,对船舶运动姿态进行预测。首先通过EMD算法将由惯性导航系统在实时测量得到的船舶运动姿态数据进行分解,得到有限个本征模函数(IMF)。然后,利用PSO-LSTM模型学习各IMF分量的短期时序规律并进行预测,将各IMF分量的预测值相加得到最终的预测结果。基于实测数据进行仿真的结果表明,该组合预测模型分别比LSTM模型和PSO-LSTM模型在姿态角的预测中平均绝对百分比误差分别降低了约11%和7%,有效提高了船舶运动姿态预测精度。     

基于Voronoi切割算法的碎冰区构造及离散元分析

离散元方法广泛应用于海冰,特别是碎冰区的动力过程及其对海洋结构作用过程的数值模拟。为构造碎冰区中的冰块几何特性,基于二维Voronoi图方法对计算域进行随机切割以生成碎冰区中冰块的几何形态,并采用球体单元对每个碎冰块单元进行填充,从而确定碎冰区的初始分布场。在采用Voronoi图进行碎冰区构造时,可对冰块尺寸、几何形态和密集度等海冰参数进行设定。为确定冰块的不同几何规则度,综合采用排斥法和扰动法以定量地控制碎冰块几何形态从完全随机分布到规则分布的连续变换。为分析不同几何规则度下碎冰块的几何特性概率分布规律,对计算域内冰块的面积和边数等参数进行统计分析,从而可更合理地参数化控制初始冰场中碎冰块的几何特性。在此基础上,本文基于粘接-破碎的球体离散元方法对不同冰况下锥体结构的冰荷载进行了数值计算,讨论分析了碎冰区的海冰密集度、冰块面积和几何规则度对冰载荷的影响。     

空间机器人捕获航天器后基于无源性理论的鲁棒镇定控制

研究了漂浮基空间机器人捕获非合作航天器过程对系统产生的冲击效应及其后联合体系统镇定运动的控制问题。为此,利用拉格朗日方法及牛顿-欧拉法分别获得了捕获前空间机器人及目标航天器的动力学模型;结合动量守恒定律、系统运动几何关系及力的传递规律,分析了捕获过程相互碰撞所产生的冲击效应,建立了捕获完成后两者联合体的系统动力学模型。在此基础上,针对同时存在不确定参数及外部扰动的联合体系统,设计了基于无源性理论的镇定运动神经网络H_∞鲁棒控制算法。本文提出的基于无源性理论设计的鲁棒控制算法具有良好的动态特性及较强的鲁棒性,可快速完成系统的镇定控制,实现轨迹的精确跟踪。系统数值模拟仿真验证了本文控制方案的正确性。     

基于DFI一体化网络的水下抗干扰目标跟踪方法

由于水下环境的特殊性,水下机器人容易受水流、可见光反射、遮挡等复杂水下环境影响,从而干扰目标检测器的性能,进而使跟踪算法效果下降,影响跟踪效果。针对这一问题,提出了一种基于目标检测特征提取一体化网络（DFINetwork）的水下抗干扰目标跟踪方法。在传统YOLOv3检测网络基础上,设计了特征提取网络,通过卷积和最大池化运算,输出目标特征信息,并将状态向量维度扩充为10维,同时针对扩维状态向量,构造了扩维滤波器,进而通过后续匹配、跟踪控制等步骤,实现了水下机器人在干扰环境下的目标跟踪。使用标注的水下目标跟踪数据集对所提算法进行测试,并与YOLOv3算法进行对比验证。测试结果表明,与原版YOLOv3算法对比,所提出的算法以2FPS的较小帧率损失,将跟踪精度提高了30%以上。     

神经网络在挠性陀螺仪伺服回路故障诊断中的应用

本文用BP神经网络对挠性陀螺仪伺服回路的故障诊断进行了模拟,取得了满意的结果.同时还介绍了作者设计的这一通用型BP神经网络软件包及其特色.     

基于鬼成像的手写字体分类方法

针对手写字体特征提取难、识别效率低甚至错误的问题,提出一种结合鬼成像原理和分类网络的思想用于手写字体的识别。首先,使用激光器、数字微镜阵列、单像素探测器等搭建鬼成像探测系统,利用系列哈达玛散斑场分别实现对17 239幅手写字体的照射;其次,利用单像素探测器对手写字体透射的总光强值进行采集,并将其转换为一维向量作为网络训练的输入;最后基于卷积神经网络在图像分类的优势搭建网络架构且为解决训练过程中的网络退化问题加入残差块。实验结果表明：对于手写数字来说,全连接神经网络与卷积神经网络的精密度、召回率、F1值分别提高86.50%/97.25%、86.40%/98.03%、86.31%/97.60%;对于手写字母来说,卷积神经网络在全采样下的精密度、召回率、F1值分别为91.87%、90%、90.23%。该方法利用鬼成像原理,仅通过手写字体透射的总光强值而无需对手写字体的特征进行提取与识别便可进行快速分类,大幅提升了手写字体的识别效率。     

声纹的变压器放电与机械故障诊断研究

变压器中的一些放电和机械故障会产生异常声,可用于故障检测.据此,该文提出基于可听声的变压器放电和机械故障诊断方法.针对机械故障声与变压器本体噪声特征相似易混淆的问题,提出改进小波包-BP神经网络算法,与传统小波包-BP神经网络算法相比声音识别率提高了5.7％.为提高声音识别系统的泛化性,提出基于梅尔对数频谱和卷积神经网...