课程文献中心 更多>>

关键词： 燃气轮机联合循环   氢燃气轮机   氢电转化   可再生能源消纳   多目标粒子群  

摘要： 为满足高比例可再生能源对电网调节能力提升的迫切需求，解决荷源不平衡问题，针对风光氢燃气轮机互补系统的优化配置方法进行了研究。构建了考虑启停和掺氢燃烧的燃气轮机联合循环机组数据驱动模型和光伏、风机与电解槽理论模型，提出了互补系统能量分配策略，基于MOPSO算法建立了系统容量配置优化模型。以平准化度电成本（levelized cost of electricity， LOCE）、荷源偏差和年碳排放量为优化目标，对互补系统进行了容量配置优化，结果表明，在选取气象数据和负荷数据下，系统配备风机85.28 MW、光伏108.69 MW、电解槽78.02 MW、储氢罐139 302 m3时，全年运行最高可实现碳减排6%，荷源偏差仅0.02%，验证了由电解槽-燃气轮组成的系统架构能够有效解决电网荷源偏差问题。

关键词： 弱光遥感   视频单曝光压缩成像   成像模型   仿真分析   深度学习  

摘要： 为解决弱光条件下遥感相机长时间曝光导致的像移问题，本文提出了一种基于视频单曝光压缩成像的遥感成像技术。该技术在遥感相机的曝光过程中使用空间光调制器件编码调制目标场景，采集包含时间信息的压缩观测后使用深度学习算法进行重建，将较长的曝光过程分解为多个较短的时间帧。此外，本文建立了视频压缩遥感成像模型，通过仿真实验与样机实验探究了相机积分时间、压缩比、目标运动速度与弱光遥感成像质量的制约关系。结果表明：在遥感相机等效入瞳辐亮度为1×10-3W/（sr×m2）的光照条件下，使用文中技术在积分时间为31.38ms、78.46ms和313.86ms时分别实现7.78dB、8.08dB及8.69dB的信噪比提升。且遥感图像清晰度随着相机积分时间的增加而升高，积分时间由31.38ms增加至313.86ms时，信噪比提升7.07dB。单帧积分时间为3.9ms时，压缩比由4提高至16有利于重建信噪比的提升，高于16后重建质量随压缩比的提升逐渐下降。上述成果可为弱光遥感中的像移问题提供新的解决思路，同时为新型光学遥感器的设计提供工程参考。

关键词： 核医学成像   小鼠   运动追踪   位姿监测   YOLO v5算法  

摘要： 针对清醒无约束的小鼠在核医学成像时头部运动造成伪影的问题,设计了一种基于YOLO v5算法的运动追踪系统来实时监测小鼠头部的位置和姿态。该系统使用YOLO v5算法对小鼠头部特征点进行识别与定位,以获取每个特征点的像素坐标。通过视差效应对双目相机所获得的像素坐标进行三维重建,以求解特征点在世界坐标系下的三维坐标。利用小鼠头部特征点的对称性来计算头部的Euler角,并使用帧间位姿差分法计算相邻两帧图像小鼠头部位姿变化的平移和旋转参数。为了验证该运动追踪系统的性能,将小鼠假体静止放置并检测其头部位置和姿态角的变化值。实验结果表明:该系统测量的小鼠假体头部在X、 Y、 Z轴上的平移参数均方根误差分别为0.04、 0.19、 0.03 mm,旋转参数均方根误差分别为0.58°、0.34°、 2.03°。所设计的系统能在核医学成像时较为精确地追踪小鼠头部位姿变化,可用于运动伪影矫正并提高核医学图像质量。

关键词： 感受野空间特征   多尺度卷积   轻量级卷积   火情信息  

摘要： 针对目前综合管廊火灾检测存在提供火灾信息有限，且因受复杂环境干扰而导致检测精度不高，以及初期火焰特征提取困难、模型结构复杂等问题，提出一种基于多尺度卷积及感受野注意力的轻量化火情识别算法。首先，通过强调感受野空间特征调整卷积核参数，解决卷积核参数共享问题，并在通道和空间维度上加权，增强特征提取能力。其次，采用多尺度并行卷积捕获跨纬度交互获得更清晰的多尺度特征，降低图像中干扰因素的影响；此外，采用轻量级卷积重构颈部降低网络复杂度，并融入具有丰富小目标语义信息的特征层；最后，实现火情信息识别，根据火灾检测结果提取火灾蔓延位置、蔓延宽度和蔓延速度信息。结果表明，该模型检测精度提高11%，参数量下降了13.3%，提取的三个参数平均相对误差较原模型分别降低13.3%、9.38%、13.25%。

关键词： 度量学习   多语义尺度   层级图像检索   对比学习   深度学习  

摘要： 现有大多数度量学习方法的目标是扩大类间样本的距离，同时减小类内样本的距离，在多层语义场景中，此类度量学习方法是不太适用的。例如，金丝猴属于猴子，与猫不相似，但从哺乳动物角度看，金丝猴和猫又属于同一类。因此，多层语义场景下存在的主要问题表现为：在较小的语义尺度上的负对可以是在较大语义尺度上的正对，因此拉开较小语义尺度上的负对距离会损害较大语义尺度上的类结构，反之亦然。为此，本文提出了一种新的多尺度三元组损失（Multi-scale Triplet Loss,MSTL）来解决层级图像检索问题。为了使得每个类别的嵌入空间更加紧凑，只选取每个语义尺度标签都不相同的类别作为负样本，同时提出了更适用于细粒度语义尺度的一种新的代理损失。最后，通过在已有模型上赋予MSTL适合的权重，以进一步提升模型的鲁棒性与检索性能。在三个DyML数据集上进行的大量实验表明，所提出的方法优于现有流行方法。

关键词： 下一个兴趣点推荐   注意力机制   图神经网络   数据稀疏性   冷启动问题  

摘要： 随着移动互联网和位置服务的迅速发展，基于位置的社交网络已成为用户日常生活的一部分，而深度学习技术，尤其是基于注意力机制和图神经网络的模型，在预测用户未来可能访问地点的下一个兴趣点推荐任务中取得了显著突破。本研究系统回顾了过去五年内下一个兴趣点推荐算法的研究进展，重点分析了注意力机制和图神经网络在该领域的应用。首先，本文介绍了相关技术的基础理论，包括注意力机制和图神经网络的基本原理以及其在时空数据中的优势。随后，通过对不同方法的优缺点进行深入比较和分析，本文总结了当前该领域所面临的主要挑战。接着，本文详细介绍并比较了常用的下一个兴趣点推荐数据集（如Foursquare、Gowalla），并探讨了在实际应用中如何选择和利用这些数据集。此外，本文还讨论了推荐算法中常用的评价指标（如准确率、召回率）。最后，文章展望了未来的研究方向，并提出了优化下一个兴趣点推荐算法性能的策略，包括解决深度模型在数据稀疏性、提升模型可解释性，以及应对冷启动问题等方面的挑战。

关键词： 深度学习   快速卷积算法   并行计算   通用矩阵乘法  

摘要： 为解决卷积神经网络难以在计算资源受限设备上部署的问题，面向国产FT-2000/4多核处理器提出一种高性能的快速卷积算法—Fast Infer。采用分块策略优化通用矩阵乘法，将处理器访问频率高的数据存入更靠近处理器的缓存中，从而提高计算过程中的访存效率。配合分块方案设计实现高性能的矩阵乘法微内核，使用向量外积运算更新数据，提高计算访存比，实现最大程度掩盖访存指令的延迟。最终实验结果表明，FastInfer在FT-2000/4处理器上的峰值计算性能达到99.56 GFLOPS。在不同输入规模的通用矩阵乘法测试中，FastInfer性能是OpenBLAS算法的1.07倍和1.52倍。在卷积测试中，FastInfer性能是ARM Compute Library算法的1.32倍，实现了在FT-2000/4多核处理器上的高性能卷积计算。

关键词： 短期负荷预测   集成学习   灰狼算法   极限梯度提升   轻量级梯度提升机   门控循环单元  

摘要： 针对历史负荷特征提取困难所导致的短期电力负荷预测精度不高的问题,提出了基于堆叠泛化集成思想的逻辑斯谛灰狼优化-极限梯度提升-轻量级梯度提升机-门控循环单元(logistic grey wolf optimizer-extreme gradient boosting-light gradient boosting machine-gated recurrent unit,LGWO-XGBoost-LightGBM-GRU)的短期电力负荷预测算法。该算法首先使用逻辑斯谛映射对灰狼优化(grey wolf optimizer,GWO)算法进行改进得到LGWO算法,接着使用LGWO算法分别对XGBoost、LightGBM、GRU算法进行参数寻优,然后使用XGBoost、LightGBM算法对数据的不同特征进行初步提炼,最后将提炼的特征合并到历史负荷数据集中作为输入,并使用GRU进行最终的负荷预测,得到预测结果。以某工业园区的负荷预测为例进行验证,结果表明,该算法与最小二乘支持向量机(least squares support vector machines,LS-SVM)算法相比,均方根误差降低了68.85%,平均绝对误差降低了69.57%,平均绝对百分比误差降低了69.97%,决定系数提高了8.42%。该算法提高了短期电力负荷预测的精度。