This paper introduces a lightweight flame detection algorithm, enhancing the accuracy and speed of gas-flame state recognition in low-pressure environments using an improved YOLOv8n model. This method effectively resolves the aforementioned problems. Firstly, GhostNet is integrated into the backbone to form the GhostConv module, reducing the model’s computational parameters. Secondly, the C2f module is improved by integrating RepGhost, forming the C2f_RepGhost module, which performs deep convolution, extends feature dimensions, and simplifies the inference structure. Additionally, the CBAM attention mechanism is added to enhance the model’s ability to capture fine-grained features of flames in both channel and spatial dimensions. The replacement of CIoU with WIoU improves the sensitivity and accuracy of the model’s regression loss. Experimental results on a simulated dataset of the theoretical testbed indicate that compared to the original model, the proposed improvements achieve good performance in low-pressure flame state detection. The model’s parameter count is reduced by 12.64%, the total floating-point operations are reduced by 12.2%, and the detection accuracy is improved by 21.2%. Although the detection frame rate slightly decreases, it still meets real-time detection requirements. The experimental results demonstrate that the feasibility and effectiveness of the proposed algorithm have been significantly improved.
Autonomous driving technology has entered into the fast lane of development in recent years. An essential component of autonomous driving technology is scene perception, especially 3D object detection. This work gives a comprehensive survey on the up-to-date deep learning-based approaches for 3D object detection in autonomous driving, and categorizes the existing detection models into three classes in terms of their input data format, including LiDAR point cloud-based, Camera RGB image-based, and LiDAR point cloud-camera image fusion-based 3D object detection methods. This work also discusses and analyzes these models according to their characteristics, basic frameworks, advantages and disadvantages, and exhibits the benchmark datasets which are commonly used in the research community. At last, this work summarizes the review work and provides a discussion on the practical challenges and future trend of the research domain.
Camouflage poses notable challenges in distinguishing a static target, as it usually blends seamlessly with the background. However, any movement by the target can disrupt this disguise, making it detectable. Existing video camouflaged object detection (VCOD) approaches take noisy motion estimation as input or model motion implicitly, restricting detection performance in complex dynamic scenes. In this paper, we propose a novel Explicit Motion handling and Interactive Prompting framework for VCOD, dubbed EMIP, which handles motion cues explicitly using a frozen pre-trained optical flow fundamental model. EMIP is characterized by a two-stream architecture for simultaneously conducting camouflaged segmentation and optical flow estimation. Interactions across the dual streams are realized in an interactive prompting way that is inspired by emerging visual prompt learning. Two learnable modules, i.e. the camouflaged feeder and motion collector, are designed to incorporate segmentation-to-motion and motion-to-segmentation prompts, respectively, and enhance outputs of the both streams. The prompt fed to the motion stream is learned by supervising optical flow in a self-supervised manner. Furthermore, we show that long-term historical information can also be incorporated as a prompt into EMIP and achieve more robust results with temporal consistency. By leveraging promoting techniques based on EMIP, the proposed long-term model EMIP ${}^{\dagger }$ incurs lower training cost with only 8.5M trainable parameters (less than 8% of the total model parameters). Experimental results demonstrate that both EMIP and EMIP ${}^{\dagger }$ set new state-of-the-art records on popular VCOD benchmarks. Additionally, comparative evaluations against other video segmentation models on a wider range of video segmentation tasks demonstrate the robustness and superior generalization capabilities of EMIP. Our code is made publicly available at https://github.com/zhangxin06/EMIP.
In this paper, we propose a generalized opinion dynamics model (GODM), which can dynamically compute each person's expressed opinion, to solve the internal opinion maximization problem for social trust networks. In the model, we propose a new, reasonable and interpretable confidence index, which is determined by both person's social status and the evaluation around him. By using the theory of diagonally dominant, we obtain the optimal analytic solution of the Nash equilibrium with maximum overall opinion. We design a novel algorithm to maximize the overall with given budget by modifying the internal opinions of people in the social trust network, and prove its optimality both from the algorithm itself and the traditional optimization algorithm-ADMM algorithms with $l_1$-regulations. A series of experiments are conducted, and the experimental results show that our method is superior to the state-of-the-art in four datasets. The average benefit has promoted $67.5\%$, $83.2\%$, $31.5\%$, and $33.7\%$ on four datasets, respectively.
基于格子Boltzmann方法,选取多弛豫时间(MRT)模型对具有局部冷热壁面立体方腔中的三维自然对流换热进行模拟研究.分别采用三维D3Q19 模型描述速度场,D3Q7 模型描述温度场,研究不同瑞利数Ra(103≤Ra≤105)和局部冷热壁面位置变化对三维方腔内自然对流的影响.结果表明:冷热壁面的布置方式对流动换热有显著影响,且瑞利数Ra越大,其影响效果越明显.其中,冷热壁面均处于中间位置(工况 5)的自然对流换热能力最强,并且随着Ra逐渐增大,自然对流能力增强,流线逐渐复杂.在相同工况条件下,随着Ra增大,平均努塞尔数Nuav也逐渐增加,换热能力增强.在相同Ra条件下,工况 5的Nuav最大,表明其自然对流换热能力最强.
加压富氧燃烧(POFC)是一种具有巨大发展潜力的清洁高效燃烧技术.由于烟气的循环利用,烟气中的水蒸汽体积分数高于常规燃烧形式,这就丰富了烟气中的自由基池,从而影响煤燃烧过程及气态污染物的排放.利用固定床反应器进行了煤及其挥发分的POFC实验,并结合化学动力学模型研究了挥发分氮的迁移机理.研究结果表明,压力和水蒸汽的协同作用会显著影响燃烧过程,缩短燃烧时间,降低尾气中的CO体积分数,提高燃烧效率.挥发分氮来自煤中部分吡咯、吡啶和全部季胺的热解.更高的压力影响了NO形成的主要反应途径,同时增强了整体NO的还原并最终抑制NO排放.
加快构建新型电力系统是助推"双碳"目标实现的核心关键.风、光可再生能源的大比例接入给电力系统的安全稳定运行带来了新的挑战,对燃煤机组的安全、深度、灵活调峰控制也提出了更高要求.依据煤电机组智能灵活调峰控制技术的发展历程,从被控对象建模和灵活运行控制方法两个层面进行梳理与分析,研究结果表明,辅以机器学习和其他智能系统辨识方法的混合建模方式,以及融合预测控制、自适应控制、多目标智能寻优等先进控制技术更加适合未来煤电机组灵活智能控制的需要,是未来煤电机组灵活、智能控制技术发展的主要方向.
针对肛瘘的手术治疗,设计一款可降解的肛瘘封堵器,主要利用高温熔融法制备不同分子量、不同基团的左旋聚乳酸试件,通过拉伸试验获得材料的应力-应变曲线,确定了封堵器的最佳制作材料.利用有限元仿真分析软件ABAQUS,系统地研究了封堵器在植入过程中的应力-应变分布以及径向支撑力等参数的变化.结果表明:分子量为 110万、基团为酯封端的左旋聚乳酸弹性模量值最高;封堵器在封堵过程中受到的最大应力没有超过其许用应力(4.55 kPa),初始接触阶段应力仅集中在封堵器周围区域,并且距离接触中心越远,应力值越大;随着封堵器的不断侵入,接触应力以环形波的方式从接触中心向四周扩散;封堵器基本保持了初始形状,没有发生明显的挤压变形,在封堵过程中具有良好的封堵效果且不易被破坏.
计算机辅助检测工具可以帮助医生减少在临床检查中漏检误检的情况,从而提高诊断准确度,同时减轻医生的劳动强度.针对超声胃肠镜检查中黏膜下肿瘤的定位与分类问题,提出了一种融合多尺度特征和子空间注意力的黏膜下肿瘤检测算法(MFSA-YOLOv7t).首先,移除小目标预测头,在保证精度下使网络轻量化;然后,基于浅层特征提出多尺度特征融合模块,提取肿瘤细节信息;其次,改进上采样结构,在保留上层信息的同时增强感受野;最后,引入子空间位置注意力模块,捕获肿瘤的位置和边界特征,进一步提升黏膜下肿瘤的检测性能.实验表明,MFSA-YOLOv7t在平均精度均值、敏感度以及准确度上分别达到97.32%,96.99%和96.24%,相比YOLOv7-tiny算法检测性能有较大的提升,分别提高了2.39%,2.75%和2.59%.MFSA-YOLOv7t为医生在临床检查中的辅助诊断提供更加可靠的肿瘤类型参考,同时为黏膜下肿瘤的检测提供了一个新的思路和研究方向.
基本频率是评定砖砌体墙安全性的重要指标.为在识别砖砌体墙的基本频率时有效降低噪声干扰,设计了多通道的动力测试方案,并将卡尔曼滤波与奇异值分解相结合进行降噪处理.首先,通过伪静力试验获取砖砌体墙不同的损伤状态,并在环境激励下获取墙体在对应损伤状态下多个位置的加速度响应记录.然后,分别针对单一位置的加速度响应记录,采用KF方法引入墙体的物理参数进行降噪处理,进而识别墙体的基本频率.最后,采用奇异值分解综合利用所有降噪处理后的加速度响应记录,再识别墙体的基本频率.识别结果符合基本频率因损伤而降低的规律,能定量表示降低砂浆强度、增加开洞率和增加高宽比时基本频率的变化以及墙体损伤发展的过程.研究表明:采用卡尔曼滤波方法能够利用对墙体物理参数的合理先验判断有效降低噪声影响,较准确识别墙体的基本频率;在此基础上,结合奇异值分解能够综合利用多个加速度响应记录中的有用信息,提高基本频率的识别效果.
开放组架构框架(TOGAF)业务架构作为数据架构、应用架构和技术架构的基准,在企业系统架构设计中占据引导作用.但由于其自身描述形式的局限性,存在无法对系统业务架构框架动态特征进行分析的问题,故提出一种基于ROAD业务架构的着色petri网(CPN)可执行模型生成方法.该方法基于TOGAF业务架构ACF元模型划分提出的 4类模型——规则模型(RM)、组织模型(OM)、活动模型(AM)和数据模型(DM),建立 4类模型不同描述形式与CPN建模语言间的对应关系,进而提出以RM,OM,AM和DM为主体的可执行模型五阶段建模方法.最后,以幼儿园智能晨检机器人系统业务架构为例,验证了所提方法的可行性和有效性.该方法实现了灵活、自动化的CPN可执行模型的生成,打破了业务架构建模语言和CPN建模语言之间的限制.
孔型是提高气膜冷效的关键途径,猫儿形气膜孔冷却效果好,但是构型复杂.基于Isight软件,采用参数化建模优化猫儿形气膜孔.通过敏感性分析减少设计变量并缩小变量的取值范围,组合运用拉丁超立方法和均匀设计法构建实验样本,提高冷效预测代理模型的精度.结果表明:代理模型的冷效预测值与数值模拟的偏差小于 1.0%.采用多岛遗传算法获得的优化孔的面平均冷效比参考孔提高了 85.7%.采用实验方法测量结果显示,与参考孔相比,优化孔的面平均冷效提高了 76%,横向冷效与中心线冷效与数值计算结果一致.
为缓解锂离子电池组在恒流充电结束后因压降导致的电池组电压不一致问题,提出了一种改进型可重构均衡电路.在电池组充电过程中,改进型可重构均衡电路可等效为传统可重构电路,通过可重构电路控制各个电池充电状态,使电池组在充电过程中达到均衡;充电结束后并静置一段时间,通过改进型可重构电路中的Buck-Boost电路进行再均衡.改进型可重构电路能够在保证充电均衡的基础上对因压降现象而造成的电池组电压不一致进行再均衡.最后,通过搭建实物平台对该改进型可重构均衡电路进行验证,并与传统可重构电路进行比较,实验结果表明该均衡电路具有良好的性能.
图片是众筹平台融资项目介绍中关键的表现形式之一,针对现有研究较少分析图片因素对众筹项目融资效果的影响,基于图像语义层次视角,从视觉层、对象层和概念层 3个维度提取图片线索,根据媒介丰富度理论分析图片线索对众筹项目融资效果的影响,以及项目类型对其产生的调节作用.通过实证研究,检验了Kickstarter平台上 6336个众筹项目,结果表明:产品图像、团队成员人物图像、人物图像的大小及人物表情等图片线索能显著提高众筹项目的融资成功率.相较于科技类、游戏类、食品类项目,出版类项目的融资效果受图片线索影响更为显著.本研究有助于指导众筹项目的筹资者运用图片和文本等多元媒介,打造具吸引力的项目介绍,以提高融资成功率.
塑料裂解脱氢可以实现废塑料的高值化利用.与传统塑料热解相比,微波催化可以在较短时间内实现更高的H2 产率和转化率.对比研究了不同结构的Fe基催化剂在微波场下对塑料脱氢产率的影响,探讨了催化剂组成与塑料脱氢活性之间的作用机制.结果表明,Al2O3 负载型Fe催化剂和Fe-Al复合氧化物均可以获得较高的H2 产率,并促进碳纳米管的生成,后者的H2 产率可达 46 mmol/g.通过X射线衍射和穆斯堡尔谱的表征分析,发现催化剂的微波吸收性能、催化剂中铁的形态和分散度是决定塑料在微波场下裂解脱氢性能的重要因素.此外,采用SiC管反应器屏蔽微波电磁场,研究了微波对塑料裂解脱氢反应的影响.在相同的温度条件下,SiC管反应器中的塑料裂解脱氢性能显著下降,证明微波电磁场对塑料裂解脱氢反应具有促进作用.
针对医院诊疗设备出现故障后对病人的影响不可控、产生的维修费用高等问题,提出了一种基于病患流分布不均的预防性维护决策模型.首先,针对医院诊疗设备退化速度受病患流分布影响的特点,采用病患流因子反映其人流量变化规律,并基于设备衰退演化规则构建了设备退化过程模型.其次,通过将量化的诊疗设备故障风险成本以及延迟或提前维护带来的变动成本纳入成本计算体系,提出了病患流分布不均状况下以故障风险值为约束的设备维护策略.最后,采用麻雀搜索算法进行寻优获取关键初始变量,并对模型进行数值仿真分析,结果表明,新维护策略在保障诊疗设备可靠度的同时,也能保持较低的维护成本.
针对质量功能展开(quality function deployment,QFD)中评价信息的模糊性和不确定性问题,考虑球型模糊具有独立确定隶属度、非隶属度和犹豫度的优势,采用球型模糊数处理专家语义评价信息,将供应商和顾客需求映射为工程特性.针对现有模糊QFD分析中反模糊化造成信息损失以及没有考虑决策者心理偏好的问题,采用TODIM(交互式多准则决策方法葡萄牙语缩写),考虑专家规避风险的心理偏好,通过计算工程特性的总体优势度进行其重要度分析.为验证该方法的有效性,以某电动汽车产品服务系统为例,进行工程特性重要度分析、损失规避系数灵敏度分析,并对比了不同多属性决策方法的工程特性排序结果.结果表明,所提方法能够解决评价信息的模糊性和不确定性问题,同时考虑了决策者风险偏好,更符合实际决策情境.
入口匝道控制是城市快速路交通缓堵的重要手段.为全面了解其研究现状及发展趋势,回顾了入口匝道控制自提出以来近 60 年的发展历程,系统梳理了入口匝道控制逻辑与类别,聚焦入口匝道控制的方法论演进.研究发现:入口匝道控制范围从局部最优向全局最优发展;入口匝道控制对象由宏观交通流控制向微观车辆控制发展;入口匝道控制的建模方法从确定、均质和静态等模型假设向考虑交通流随机性、异质性和动态性方向发展;入口匝道控制的求解方法分为数学推导和搜索算法两类,在收敛性和普适性方面各具优势.最后,分析了入口匝道控制研究现状,并指出了未来 4 个重要研究方向,包括宏观与微观交通流协同控制、入口匝道控制的抗干扰与自恢复能力提升、大规模快速路网控制的高效可靠求解,以及网联环境下的智能控制技术实现.
针对超临界二氧化碳气冷堆核电系统中Z形通道印刷电路板式换热器的优化设计,通过数值模拟研究转折角对印刷电路板式换热器中二氧化碳流动和换热特性的影响规律,分别拟合出摩擦因子和努塞尔数的计算关联式,分析传热过程的热阻,并讨论换热器的综合性能.结果表明,摩擦因子和对流换热系数均随转折角的增大呈抛物线规律增长,在转折角小于 20°时增长较慢.导热热阻占总传热热阻的 4.16%～16.02%,并随二氧化碳质量流率和转折角的增大而升高,在印刷电路板式换热器的传热计算中,不应被忽略.随着转折角的增加,通道中努塞尔数的增长幅度小于摩擦因子的增长幅度,传递相同热量的泵送功率增大,但所需换热面积减小,换热器的制造成本下降,实际应用中需进一步通过技术经济分析以选取最佳转折角.为了控制通道中流动阻力占进口压力的比例,转折角以不超过 20°为宜.
针对自动驾驶车辆(automated vehicle,AV)与人工驾驶车辆(manual vehicle,MV)组成的混行跟驰环境,基于Waymo公开数据集研究混行环境中AV前车对MV后车跟驰行为的影响.首先,探究混行环境中期望安全裕度模型和智能驾驶人模型的建模能力和模型参数变化,研究表明,混行环境中MV跟驰行为的机制没有发生变化,但是MV驾驶人的减速敏感程度更低.其次,从跟驰安全性、稳定性和环境效应 3个方面对混行跟驰行为进行进一步分析得到,混行环境中的MV跟驰行为的稳定性和环境效应得到了改善,但是安全性并没有发生变化.最后,通过对前车速度波动性进行讨论发现,AV前车主要是通过降低自身速度波动性,从而抑制MV后车的速度波动性,改善MV后车在稳定性及环境效应方面的表现.
