针对传统启发式优化算法在解决工件不确定性加工时间的离散车间柔性作业调度问题(Flexible Job-Shop Scheduling Problem, FJSP)时缺乏灵活性,文中提出了一种基于模糊Petri网(Fuzzy Petri Net, FPN)的深度强化学习(Deep Reinforcement Learning, DRL)调度方法。以最小化总完工时间为优化目标构建离散车间FPN模型,模拟车间环境的动态特性与不确定性,通过重新设计模糊逻辑并结合改进白化权函数的区间灰数处理加工时间的不确定性问题。设计一种优化的双层深度Q网络算法(Double Deep Q-Network, DDQN),通过在网络中添加噪声来提升动作探索的随机性。设计改进的优先级采样根据经验回放样本的重要性进行加权采样,提高了学习效率与算法收敛速度。实验结果表明,相较于传统启发式调度算法,所提调度方法求解的总完工时间更短,在提高调度效率和解决不确定性问题方面具有先进性与有效性。

平面阵列天线分为透射阵列天线与反射阵列天线,具有高增益、高效率、波束控制等优点,广泛应用于卫星通信和雷达等领域。文中基于极化旋转及相位补偿原理对多频带的平面阵列天线分别设计了中心频率为6 GHz和8 GHz的双频透射阵列天线和中心频率为14.8 GHz和17.8 GHz的双频反射阵列天线。仿真结果表明,所提透射阵列天线在6 GHz时的增益为25.94 dBi,在8 GHz时的增益为28.57 dBi。所设计的双频反射阵列天线在14.8 GHz时的增益为28.5 dBi,在17.8 GHz时的增益为29.65 dBi。

针对木材图像切面分类问题,文中提出了一种多令牌混合的木材切面图像分类算法MixNet,重点关注木材切面几何结构、统计特性、纹理、边缘等信息的准确辨识。MixNet结合了卷积神经网络(Convolutional Neural Network, CNN)的局部归纳偏置能力和变换器(Transformer)的全局上下文依赖能力,引入动态卷积自适应调整感受野尺寸,在不同层次上捕捉图像特征。引入双层注意力机制捕捉图像深层语义信息和全局空间信息,并且跨空间学习不同位置多尺度特征,提高全局信息的敏感性,进一步增强了算法的识别能力。实验结果表明,MixNet在CIFAR100和CIFAR10公共数据集进行图像分类任务的最高识别准确率分别为72.32%和93.64%,比TransNeXt分别高0.38百分点和1.38百分点。MixNet精度低于EfficientNet,但MixNet参数和计算量更小,计算成本更低。MixNet应用于Wood_data数据集的分类精度最高为99.92%。MixNet集成CNN和Transformer的特征提取优势,是一种有效的木材分类算法。

认知工作负荷识别任务在脑机接口领域中具有重要意义。现有方法依赖单模态脑电数据并使用浅层图神经网络,限制了认知工作负荷识别性能。传统特征融合方法难以较好地将近红外光谱的高空间分辨率与脑电信号的高时间分辨率有效结合。针对上述问题,文中提出了一种基于局部图卷积双通道自适应Transformer特征图融合(Local Graph Convolutional Dual-Channel Adaptive Transformer Feature Map Fusion, LGCN-DATF)的新型架构,以此模拟大脑不同区域间动态变化的复杂性,并通过引入动态邻接矩阵捕捉信号通道间的实时连接状态。文中设计了一个独特的脑部图形学习模块,有利于更深入地理解和预测认知工作负荷的动态变化。在两种训练策略下测试了所提模型,结果表明被试依赖训练的心算和工作记忆任务准确率分别为87.3%和89.1%,被试独立训练的准确率分别为68.5%和55.6%,说明所提模型在复杂环境下能够有效识别认知负荷。

在分割伪装物体时,伪装物体前景与背景之间的相似性导致特征提取与边界定位困难。文中提出了一种创新的多尺度上下文和边界生成网络。通过多层Transformer模块不仅有效提取了全局特征,还保留了必要的局部细节信息。所提网络结合上下文增强模块以及跨尺度特征聚合模块能够显著增强全局上下文特征并促进全局上下文信息的高效交互。引入边界生成模块能够学习特征中的边界信息,精确定位伪装物体的边界。实验结果表明,相较于其他方法,该网络在4个数据集的4个评价指标平均最大提升了15.9百分点、13.4百分点、30.6百分点和6.4百分点,证明了其具有较好的分割精度。

传统反射阵列天线存在剖面高和带宽窄问题。基于电磁超表面对电磁波的灵活调控能力,文中采用亚波长和多谐振结构方式设计了一种具有极化转换功能的双箭头反射单元,该单元在整个Ku频段内均可以实现高效的极化转换并附加特定的延迟相位。文中结合金属化过孔技术和磁电偶极子工作原理设计了一种低剖面磁电偶极子馈源来提高天线整体的集成度,并完成了一种工作在Ku波段的剖面高度仅为1.8个工作波长的宽频带折叠反射阵列天线的设计。测试结果和仿真结果基本吻合。测试结果表明,天线的最大增益为24.2 dBi,口径效率为37%,交叉极化电平在工作频段内低于-20 dB。当中心频点为15 GHz时,其1 dB相对增益带宽为26%(13.3~17.2 GHz)。

针对建筑构件截面孔洞类别与形态识别问题,文中提出了一种改进YOLOv5(You Only Look Once version 5)的多样态木蜂孔洞检测算法。在模型主干网络中集成坐标注意力机制来增强特征提取能力,并结合加权双向特征金字塔网络(Bi-directional Feature Pyramid Network, BiFPN)优化多尺度特征整合。检测头部采用解耦结构,将分类和回归任务分离,引入损失函数EIoU(Efficient Intersection over Union)提升目标定位精度和模型收敛效率。实验结果表明,改进YOLOv5模型在木蜂孔洞检测任务中的平均精度均值(mean Average Precision, mAP)为99.46%。所提方法在提升检测精度的同时保持了模型的轻量化,实现了对木蜂孔洞的高精度和高效率检测,对木建筑损伤等级的评定和修复具有重要价值。

绝缘子作为电力系统中的关键设备,其缺陷检测对保障电力系统的安全运行具有重要作用。现有检测方法依赖传统图像处理技术和深度学习模型,但在检测精度、速度和鲁棒性方面存在不足。为了解决上述问题,文中提出了一种基于改进YOLOv7(You Only Look Once version 7)的绝缘子缺陷检测方法。将RepVGG(Re-parameterization Visual Geometry Group)引入YOLOv7的主干网络来增强特征提取能力,并采用DIoU(Distance Intersection over Union)损失函数优化边界框回归精度。在公开绝缘子缺陷检测数据集进行的实验结果表明,改进YOLOv7模型的召回率、mAP@0.5(mean Average Precision)和mAP@0.5:0.95分别提高了5.8百分点、0.9百分点和3.4百分点,验证了所提方法的有效性和优越性,说明该方法可为电力系统的安全运行提供可靠的技术支持。

针对汽轮发电机振动信号易受噪声干扰产生的故障诊断识别难度问题,文中提出了一种基于变分模态分解(Variational Mode Decomposition, VMD)与时序卷积网络(Temporal Convolutional Network, TCN)的智能故障诊断方法。通过算术优化算法确定VMD的模态分量个数k值和惩罚因子α的最优组合,从而利用优化后的VMD将发电机振动数据分解得到多个模态分量,并根据峭度准则进行信号重构。将重构后的信号输入TCN进行特征学习,从而有效识别和诊断转子故障。以一台600 MW汽轮发电机故障前后转子振动数据为样本进行测试,结果表明所提方法对发电机故障的识别准确率为98.13%,与其他智能故障诊断模型相比提高了4~8百分点。

在基于视觉引导的机械臂抓取应用中,目标物体的位姿估计较为重要。针对对称柱状物体的位姿估计问题,文中提出了一种基于RGB图像的SVCP(Space Vector Cross Product)-YOLOv8(You Only Look Once version 8)方法。通过YOLOv8算法检测物体4个角点信息,结合深度相机将转换后的空间3D角点坐标作为SVCP空间向量叉积方法的输入。在以无纹理圆筒作为实验对象时,姿态估计的FPS(Frames Per Second)为34,该结果符合实时性要求。在T-less数据集测验SVCP方法,得到ADDs(Average Distance of Model Points for Symmetric Objects)为78.2。将SVCP-YOLOv8算法部署在边缘计算平台,并联合六轴机械臂展开抓取测验。实验结果表明,在良好的姿态估计结果和精确的手眼标定关系情况下,所提方法能够完成对圆筒的实时检测和抓取任务。相较于其他位姿估计方法,SVCP-YOLOv8在处理对称柱状物体时的精度和速度具有显著提升。

DEFORM是专业的金属塑性加工仿真软件,其基于有限元方法(Finite Element Method,FEM)构建了热-力-相变多场耦合模型,能够精确模拟钢材在热处理过程中的温度场分布、应力演化及组织转变行为,为工艺参数的优化设计提供了重要的理论依据与数字化工具。文中以新型Cr6V钢和传统H13钢为研究对象,通过JMatPro软件生成材料热物性参数及相变动力学数据,并借助HyperMesh进行高质量六面体网格划分,系统开展了淬火-回火过程的多物理场仿真。文中分析了空冷与水冷条件下两种钢材的相变组织,例如贝氏体、马氏体含量及残余应力的分布规律,并通过实验数据验证了仿真的可靠性。结果表明,DEFORM在预测组织演变和应力分布方面具有较高精度,但在高冷却速率条件下,由于边界条件简化及元素扩散动力学模型的局限性,芯部马氏体含量模拟值较实测值偏低约10%~20%,且应力峰值存在±15%以内的误差。文中探讨了差异产生的机制,提出了基于动态边界条件与多尺度模型的优化策略,为提升高合金钢热处理工艺仿真的准确性提供了解决思路。