摘要:为解决定子永磁型双转子高速电机（stator permanent magnet dual-rotor high-speed electrical machine,SPMDR-HSEM）热源集中及高速运行引起的定子过热问题,本文提出一种二维三维混合热网络法对电机温度场进行分析,并设计一种新型隔磁冷却一体化结构对电机定子进行冷却,以提高电机散热能力。首先,介绍了SPMDR-HSEM拓扑结构,并分析其传热机理,确定该电机各部分导热系数及表面散热系数。其次,针对SPMDR-HSEM结构复杂、温度场难以快速准确计算的问题,建立了二维三维混合热网络模型对电机额定及过载工况下主要零部件温升进行解析计算,并搭建实验平台进行实验测试,验证所提出二维三维混合热网络模型的准确性。再次,针对SPMDR-HSEM热源集中及高速运行引起的定子过热问题,设计了一种隔磁冷却一体化结构对电机定子进行冷却,研究其结构参数及入水口流速对电机散热效果的影响,确定最佳冷却结构,并采用仿真分析验证了所提出冷却结构的有效性及合理性。该研究结果可拓宽定子永磁型高速电机的应用领域,为定子永磁型高速电机温度场分析及先进冷却结构设计提供新思路。

摘要:针对记忆电机电磁特性调控与振动噪声抑制问题,本文提出新型复合拓扑结构:定/转子开辅助槽,采用NdFeB-AlNiCo混合型永磁体构建动态磁路,配合分段Halbach充磁构型。首先,建立记忆电机等效磁路解析模型及瞬态电磁机械耦合有限元模型,求解振动噪声解析表达式；其次,针对多种磁化状态下的不同性能要求,设计基于参数灵敏度权重的极端工况分级优化策略,根据所提方法对拓扑结构参数进行优化；最后,进行电磁结构声学多物理场耦合仿真分析。电磁性能验证结果表明,优化后的电机在宽域调磁范围内保持稳定转矩输出特性。研究结果表明:与原型电机相比,改进方案在显著提升多磁化状态电磁性能的基础上,有效抑制了定子齿部的振动加速度峰值,降低了声压级,并可有效规避共振频率,从而实现了电机声振特性的整体优化。

摘要:入侵检测系统（intrusion detection system,IDS）面临着生成式模型逆向攻击的安全考验,而对于联邦式IDS,联邦GAN（generated adversarial network）攻击是其极为典型的数据安全威胁。为提升联邦式IDS的数据隐私安全,本研究提出通用的隐私增强的安全联邦入侵检测方法(privacy-enhanced federated intrusion detection,PEFID),并在多样化的攻防对抗仿真中验证其性能。PEFID从特征层面和模型层面共同增强数据隐私。在特征层面,提出改进的自适应隐私增强模块调整表征学习的泛化程度,权衡隐私保护与任务学习。此外,向中间层隐变量注入可控扰动,进一步弱化梯度的可追踪性。在模型层面,提出结合预测置信度的标签平滑策略以应对标签反转。各节点可根据预测置信度个性化调整软标签值,赋予受害者数据更加宽容的软标签值以阻止攻击深入。CICIDS2018和UNSW-NB15数据集上的验证实验表明:在多种网络场景中,PEFID均可有效防御联邦GAN攻击；与其他防御方案相比,PEFID能够在可控的时间复杂度下实现隐私与性能间的平衡；即使在单点防御失效时,PEFID仍能够保持优秀的防御效用。本文所提方法兼具通用性与轻量化,可适配于现有的联邦式入侵检测系统,以极小的性能代价显著增强数据隐私。

摘要:针对去噪扩散模型在图像融合任务中难以适应不同噪声水平、普通残差块对特征的筛选能力有限的问题,本文构建了一种动态门控扩散去噪与跨层注意力的多模态图像融合网络。首先,设计并引入4组专家卷积核至动态特征提取器模块,根据输入内容动态组合出最优卷积核,对输入特征实现自适应处理；其次,提出了一种改进的门控特征选择模块来生成门控信号抑制无关信息,提升模型在不同噪声水平下的扩散去噪能力,实现对特征的精准控制；最后,使用R-Transformer块进行特征调整,通过构建的全局局部空间注意力模块实现跨层特征融合,以生成纹理信息丰富、色彩保真度高的融合图像。在MSRS、RoadScene和Harvard三个数据集上的实验结果表明,与近年来图像融合领域中9种具有代表性的重要方法相比,本文方法的7种客观评价指标平均提升了5.11%~15.93%。本文方法在纹理细节保持及解剖结构完整性保留等方面均优于其他方法,符合人眼视觉特性,能够很好地处理各种光照环境场景和医学影像诊断场景下的多模态图像融合任务。

摘要:受温度与水分传递方向的影响,砂浆在冻融早期的损伤发展呈现出空间特征。然而,现有冻融损伤监测方法多聚焦于试件整体的平均性能,忽略了局部损伤演化的差异性。为定量评估空间位置对砂浆冻融早期损伤的影响,并深入揭示其演化机制,本文提出一种基于布拉格光纤光栅传感器的实时、原位应变监测方法,并测试了冻融早期砂浆内部不同空间位置的应变。结果表明,在冻融早期阶段,砂浆上层区域应变幅值高于中层；随着冻融循环次数的增加,峰值应变持续上升,残余应变出现；微观形貌分析结果验证了以残余应变判断冻融损伤空间差异的可靠性。基于此,本文进一步构建了考虑空间位置的早期冻融损伤发展模型。由宏观性能测试与局部应变对比分析结果可知,砂浆在冻融早期的损伤以表层开裂为主,虽然该现象对宏观性能弱化的影响较小,但能够为环境水分进入砂浆内部提供新的传输通道,进一步加剧冻融损伤的演化。

摘要:为解决深度学习融合算法中存在的忽略像素间相关性,导致融合结果丢失重要全局纹理,以及难以平衡目标突出与场景增强的问题,本文提出了一种泰勒展开与复合注意力机制引导的红外与可见光图像融合算法。首先,设计了一种泰勒展开网络,将输入图像分解为映射层与导数层,从而实现对图像多层次特征信息的有效提取；其次,采用双分支特征提取网络,其中平行卷积网络负责捕获局部细节特征,SwinTransformer模块则专注于提取全局上下文信息,确保局部与全局特征的高效保留；再次,引入复合注意力机制来进一步提升特征融合的精度,该机制通过轴向注意力融合空间维度特征,同时利用通道注意力强化通道间的特征响应,以实现更精细的特征选择与融合。最后,通过图像重建得到融合图像。在公开数据集MSRS和RoadScene进行了相关实验,结果表明,本文方法融合图像不仅在纹理细节保持与全局信息保留方面更完整,而且在客观指标中取得显著优势。该研究结果可为深度学习图像融合领域提供新的思路。

摘要:为抵御无线传感器网络中的节点复制攻击,保障网络的安全与稳定,本文提出了一种融合信任值和身份标识验证的节点复制攻击检测策略(node replication attack detection strategy integrating node creditworthiness and identity authentication,NRADS-NC＆IA)。该方法首先建立模糊综合信任评价模型,在直接信任模块中引入信誉维护函数、异常弱化因子及奖惩因子,综合通信属性、数据属性、网络属性和物理属性影响因素计算待评估节点的直接信任值,并采用滑动时间窗口机制实现节点信任值的动态更新,有效提升评估的时效性与准确性,在此基础上应用支持度函数评估节点可信度,从而有效过滤节点的欺骗行为得到更为可靠的节点间接信任值,最终的节点综合信任值由直接信任值与间接信任值加权求和得到；采用动态自适应阈值筛选可疑节点,并在可疑节点中进行节点ID比对,以确定副本节点。仿真实验表明,NRADS-NC＆IA在无需依赖节点空间位置信息的情形下,静态和移动无线传感器网络的检测率保持在97%和94%以上,具有较强的环境适应性,可有效应对复杂动态环境中的无线传感器网络安全问题。

摘要:为解决现有风格迁移技术在处理敦煌壁画时遇到的因高饱和度矿物颜料、精细纹理及层次结构复杂导致的色彩失真、细节模糊、层次结构失调问题,本文提出多尺度敦煌风格迁移网络,改进循环生成对抗网络来实现高质量敦煌壁画风格迁移。通过引入自适应局部膨胀卷积网络,结合可变形卷积动态捕捉细节纹理边缘和膨胀卷积增强纹理远距离关联性,有效恢复深层特征捕捉壁画笔触细节。设计双域网络,通过全局注意力分支建模壁画整体色调协调性,局部分组卷积分支强化笔触细节,解决迁移过程中的信息丢失和色彩层次弱化问题。提出路径融合网络,利用多膨胀率深度可分离卷积并行处理与动态门控融合机制,优化元素间逻辑关系与比例协调。研究表明,本文所提方法在FID、LPIPS和L2损失指标上分别降低了5.81%、4.36%和5.73%,而SSIM提升了8.12%。用户调研显示,其在内容保真度、风格匹配度和视觉吸引力方面表现突出。本文方法有效解决了迁移敦煌壁画时色彩层次、纹理细节与空间布局的保留难题,可为敦煌壁画艺术的数字化保护与创新传播提供新的思路。

摘要:近断层地震动是判断震害程度的重要依据,但一次地震中获取的近断层地震动记录数量往往较少。为解决近断层区域工程结构的震害评估问题,特别是补充近断层区域无观测台站处的地震动,本文提出一种基于近断层实测数据和等效脉冲模型的近断层地震动复原方法。该方法通过近断层实测地震动反应谱的插值来生成近断层区域无观测台站处的地震动,再利用经验等效脉冲模型恢复地震动的速度脉冲和永久位移特征。以我国台湾集集地震为例给出了近断层区域两个典型位置的地震动复原示例,通过与实测地震动记录进行对比,验证了本文方法的有效性和合理性。研究表明,本文方法能够构造具有近断层脉冲型地震动特征的地震动,并能够复原近断层区域无实测数据的站点处的地震动,可为近断层区域缺失实测数据的地震动的需求提供一种实用方法。

摘要:针对车辆模型预测控制(model predictive control,MPC)轨迹跟踪控制器中权重矩阵参数选取困难,导致车辆轨迹跟踪控制的稳定性与精度不足的问题,本文提出了一种融合多种机制的拉丁鹈鹕算法,用于优化控制车辆横、纵向联合模型预测轨迹跟踪控制器权重矩阵参数。首先,基于车辆单轨模型,分别设计了车辆横向MPC控制器和纵向的MPC上位控制器、基于加速度驱动力逆动力学模型的下位控制器；其次,针对鹈鹕算法(Pelican optimization algorithm,POA)在解空间内搜索效率低的问题,提出了一种拉丁鹈鹕算法(Latin Pelican optimization algorithm,LPOA),引入灰狼算法的等级狩猎机制重构POA的猎物定位模型,通过α鹈鹕引导策略提高算法收敛速度；同时,融入动态随机搜索策略,利用其重尾分布特性增强算法在迭代后期的局部极值逃逸能力；最后,基于LPOA的寻优能力,分别优化横、纵向MPC控制器权重矩阵参数,并通过Carsim和Simulink平台联合仿真验证所提出的横向、纵向以及横纵联合优化控制方法。研究表明,本文提出的LPOA-MPC控制器在车辆横向、纵向以及横纵联合控制中,均能够有效提高车辆轨迹跟踪控制稳定性与控制精度。

摘要:为解决传统迭代最近点（iterative closest point,ICP）算法在处理巷道等大型结构化场景时,对初始位姿敏感且易因重复性几何结构陷入局部最优的问题,本文提出一种高效的两阶段点云配准框架。在粗配准阶段,通过改进采样一致性初始配准（sample consensus initial alignment,SAC-IA）算法的关键点采样策略,从下采样后的点云中快速获取全局最优初始位姿；精配准阶段设计了一种融合欧氏距离、法向量夹角与曲率信息的多维加权ICP算法,通过构建综合几何特征的优化目标函数,有效降低了巷道平直区域的误匹配率。在斯坦福公开数据集上对改进的粗配准与精配准算法分别进行了验证,结果表明:改进后的粗配准算法相比传统SAC-IA,计算效率提升了44.1%；基于几何特征的加权ICP算法相比传统ICP,配准精度提高了23.81%,耗时降低了25.9%。 在实测巷道点云的综合配准实验中,本文提出的配准框架整体表现显著优于传统方法,在整体精度与效率方面的提升均超过20%。与主流深度学习方法相比,该框架无需依赖高性能GPU,仅使用CPU即可实现处理效率数倍的提升,并在真实巷道场景中取得了更鲁棒的配准效果。实验表明,该框架能够为大型结构化场景下的点云自动配准提供一种同时满足工业级实时性与轻量化要求的高效解决方案。

摘要:为提升模型性能,深度神经网络常需引入不可信数据集,导致易受数据投毒后门攻击。传统检测方法依赖识别毒化与良性样本的特征差异,但当攻击者优化触发器以模糊此边界时,其效果受限。针对此问题,本文提出反向遗忘（reverse forgeting,RFgt）检测方法,利用后门攻击中 “毒化样本占比低”的特性,采用逆向优化策略:强制中毒模型快速遗忘占多数的良性样本特征,同时保留并强化对可疑样本的学习,以巩固其毒化特征,显著放大两类样本的特征差异,最终通过样本预测熵值判定是否为毒化样本。研究表明:RFgt在CIFAR-10和GTSRB数据集上能够有效检测多种后门攻击下的毒化样本,同时对良性样本保持较低的误检率;在Tiny ImageNet数据集上的检测结果证明本方法具备良好的泛化能力。针对4种经典的数据投毒攻击,本方法平均检测真阳率达到99.28%,假阳率仅为0.06%,其综合性能优于现有防御方法。

摘要:在复杂电磁环境下,雷达对抗侦察信号常因大量脉冲丢失与虚假脉冲干扰,造成训练数据与实战场景间存在显著分布差异,严重影响有源相控阵雷达空空工作模式的识别准确率。针对这一问题,本文提出一种基于自注意力多尺度空洞卷积网络（self-attention multi-kernel dilated convolution network,SAMKDCN）的识别模型。该模型以空洞卷积、多卷积核选择与残差结构为核心,构建特征图提取模块,实现在时间维度上对多尺度特征图的提取。进一步通过自注意力机制,实现对特征图权重的自适应调整,以突出关键特征,增强特征表示能力,从而提升AESA雷达工作模式识别的准确率。仿真实验表明:SAMKDCN能够有效学习AESA雷达空空工作模式的核心特征；在理想环境下,其准确率最高可达99.14%；在0%~50%的脉冲丢失与虚假脉冲条件下,平均识别率达到95.11%；在50%丢失率与50%虚假率的极端条件下,仍保持88.23%的识别准确率,显示出良好的泛化能力与鲁棒性。

摘要:为实现对风机叶片结冰状态的精准预测,保障风力发电系统的安全与稳定运行,针对风机叶片结冰预测中存在的特征提取不足、多维传感器分布信息不明确,以及小样本学习中类别不平衡的问题,本文提出一种基于残差图注意力与时空双向序列孪生网络（residual graph attention network bidirectional LSTM siamese network,ResGAT-BiLSTM-SN）的风机叶片结冰预测方法。首先,通过数据清洗、滑动窗口采样和特征工程,对监控与数据采集系统（supervisory control and data acquisition,SCADA）的数据进行处理,构建适用于不同小样本学习任务的风机叶片结冰数据集。其次,基于19个关键变量,通过互信息（mutual information,MI）和权重矩阵构建一个非完全连接的无向图,用以反映传感器数据的空间分布与相关性。最后,结合图注意力网络（graphical attention network,GAT）和双向长短时记忆网络（bidirectional long short-term memory networks,BiLSTM）对SCADA数据进行时空特征提取,构建ResGAT-BiLSTM-SN模型对所构造的风机叶片结冰数据集进行未来24 h的结冰预测。选用2017年工业大数据创新竞赛平台中15号和21号风力机数据进行仿真,验证实验结果表明,在3种小样本学习场景下,ResGAT-BiLSTM-SN模型的F1分数均达到0.9以上,显著优于其他对比模型。相较于GAT-BiLSTM-SN模型,ResGAT-BiLSTM-SN模型在预测性能上有明显提升,验证了本文所提预测模型的有效性与优越性。

摘要:为解决调频无线电引信在复杂电磁环境中易受调幅扫频式信息型干扰威胁问题,本文提出一种基于频域熵特征与鹦鹉优化算法（parrot optimization algorithm,POA）优化支持向量机（support vector machine,SVM）的分类抗干扰方法。首先,利用快速傅里叶变换将引信检波端输出信号从时域转换至频域,计算频域信息熵、指数熵和R范数熵,构建三维特征矩阵；而后采用POA优化SVM分类器参数,优化后的SVM采用高斯核函数,其惩罚参数C和高斯核参数σ通过POA自适应调整,以提升模型分类性能。实验结果表明,目标与典型干扰（噪声、正弦、方波调幅扫频）的熵特征在概率密度分布上具有显著可分性； POA在300次迭代内快速逼近最优解,适应度值稳定在0.001以内。经微波暗室验证,POA-SVM的目标识别准确率达96.8%,干扰识别准确率为97.2%,较传统SVM与PSO-SVM方法均有显著提升。经Modelsim仿真验证,算法响应性能满足毫秒级引信工作要求。本文方法能够有效提升无线电引信对信息型干扰的识别精度与实时性,可为复杂电磁环境下引信抗干扰识别提供一种新途径。

摘要:针对结构性黏土压缩变形过程中应力应变关系的显著非线性特征,以及传统本构模型存在的数学形式固化与适用性局限问题,本研究提出了一种有理函数统一形式的结构性黏土弹黏塑性本构模型。首先,基于Maxwell力学元件,将总应变分为弹性与黏塑性应变之和,重点探究与结构性相关的黏塑性应变,根据一维压缩试验特征提出有理函数形式的黏塑性应变有效应力等效时间表达式。其次,基于“土体黏塑性应变率仅取决于有效应力和黏塑性应变”的假定,结合等效时间概念推导出结构性黏土的黏塑性应变率表达式,构建结构性黏土一维弹黏塑性模型。再次,介绍模型参数的计算方法,利用线性规划方法,将参数求解问题转化为多元线性回归问题,借用计算机技术进行矩阵求解。最后,在模型验证时推导了突然加载情况下土体应变随实际时间的变化规律,并用本文模型对常规固结试验和蠕变试验进行模拟分析,验证本文模型的适用性和参数计算方法的可行性。研究结果表明,本文提出的结构性黏土等效时间模型能够较好地描述结构性黏土在一维压缩条件下的有效应力黏塑性应变关系和总应变时间关系。

摘要:岩体力学参数是岩质边坡稳定性综合评判的重要指标之一。现有参数反演方法主要基于稳定状态下的最终变形值,难以反映实际边坡变形过程中的非线性时变特征。为此,本文提出一种基于边坡变形动态预测的岩体力学参数反演方法。首先,引入乌鸦搜索算法(crow search algorithm,CSA)优化在线贯序极限学习机（online sequential extreme learning machine,OSELM）的权值和阈值参数,分别构建CSA-OSELM变形动态预测和参数反演模型；其次,采用分段3次Hermite插值和小波分解方法预处理实测变形数据,提取趋势项变形；再次,利用变形动态预测模型获取边坡的最终变形值,并代入反演模型输出力学参数；最后,以新疆京希巴拉克矿区南侧边坡工程为例开展验证分析。结果表明:CSA-OSELM模型在预测精度与稳定性方面均优于其他模型；将反演所得力学参数代入数值模型进行正演计算,计算值与实测变形值的平均误差为6.21%,进一步验证了本文方法的实用性和可靠性。研究成果可为实际工程中快速获取岩体力学参数提供一种新的技术途径。

摘要:为研究预制外挂墙板与主体结构点支承连接的结构和热工性能,本文开展了含点支承外挂墙板的框架结构受力性能试验和三维传热计算分析。结果表明:试验模型实现了“强柱弱梁、强节点弱构件”的破坏模式,极限层间位移角约为1/30,连接节点未发生破坏,构件连接构造可保证装配式框架结构的整体抗震性能；外挂墙板连接螺栓是否拧紧对主体框架弹性阶段的抗侧刚度影响差别不大,螺栓干挂连接和U形连接筋湿挂连接对主体框架达到弹塑性位移角限值前的抗震性能影响差别不大；引入U形钢板阻尼器后外挂墙板在大侧移下的刚体转动减少16%~30%,且对主体框架的破坏模式、承载能力和变形能力影响不显著,可采用U形钢板阻尼器控制大尺寸外挂墙板的地震位移响应,实现墙板间接缝宽度与密封胶施工便利性、位移能力的合理匹配；外挂墙板内、外叶间的混凝土是连接节点区域形成热桥的根本原因,导致外挂墙板热工性能削弱62.1%,设置隔热垫后热桥影响降低86.6%,可实现连接节点区域附近的热桥消解。

摘要:为研究带肋钢筋与煤矸石混凝土之间的黏结滑移性能,本文以煤矸石取代率、混凝土强度等级和钢筋直径为变量,设计并制备了36个立方体试件,并进行了中心拔出试验。试验结果表明:随着煤矸石取代率的增加,试件的黏结强度逐渐降低,破坏模式由拔出破坏转变为劈裂破坏；随着钢筋直径的增大,试件的黏结强度呈下降趋势,且煤矸石混凝土的下降幅度较普通混凝土更为显著；随着混凝土强度等级的提高,试件的黏结强度显著增大；当强度等级达到C55时,试件的破坏模式由钢筋屈服前破坏转变为钢筋屈服后破坏。基于试验数据,建立了钢筋煤矸石混凝土构件的黏结强度预测模型和三维细观有限元模型。在验证有限元模型准确性的基础上,利用该模型进一步揭示了煤矸石混凝土与带肋钢筋在拉拔力作用下的损伤演化和黏结破坏机理。