课程文献中心 更多>>

关键词： 5083铝合金   热加工行为   微观组织   加工图   5083 Aluminum Alloy   Hot Workability   Microstructure   Processing Map  

摘要： 为揭示高温流变参如温度、速率以及应变量等对5083铝合金微观组织影响规律，优化热加工工艺，本文采用Gleeble-3810热模试验机，系统研究了该合金在应变温度280℃~520℃、应变速率0.01 s−1~10 s−1和总应变量为0.9的条件下材料的微观组织演变规律，基于动态材料模型(Dynamic materials model, DMM)建立了该合金的热加工图。结果表明：合金在低温高速及高温高速条件下组织容易出现局部流变、微观裂纹等失稳现象，尤其在变形温度为280℃~335℃、变形速率为6~10 s−1条件下，当应变达到0.9时，失稳风险较大，而在高温低速下功率耗散系数大，失稳风险低，有利于材料加工。所构建的热加工图能够准确预测5083铝合金的高温流变组织演变规律。

关键词： 磁共振图像   超分辨率   扩散模型   频域   条件图像  

摘要： 磁共振成像是临床诊断中应用最广泛的成像方式之一。然而，受到扫描设备成本和扫描时间的限制，要获取高分辨率的核磁共振图像相当困难。近年来，为了提高图像质量，扩散模型被应用于超分辨率技术。目前，已有的研究工作中模型推理效率低下且未充分提取高频特征，使得重建出的效果差强人意。针对此问题，构建了一种高效的磁共振成像单图超分辨率扩散模型ResDM。在该模型中，使用预训练好的超分辨率模型来提供给定低分辨率图像的条件图像，然后将噪声引导到高分辨率图像与条件图像之间的残差空间，为了加快模型推理速度，使用去噪扩散隐式模型结合U-Net结构，以获得生成速度快且良好的效果；此外，引入基于频域的损失函数和注意力机制以促进其恢复高频细节信息；最后，在HCP，BraTS2019和FastMRI三个公共数据集上进行实验，采用两种图像客观评价指标进行评估。结果表明，所提方法与7种已有的图像超分辨率重建方法相比，在上采样因子为×4的情况下，在三个数据集的PSNR和SSIM上取得平均2.24 dB和0.06的增长，获得了分辨率更高且细节信息更丰富的磁共振图像，并给出了相应的可视化结果。

关键词： 综合相似度   基于对数的距离函数   权重   群共识   TOPSIS法  

摘要： 概率犹豫模糊集能精准地描述方案相对于属性取值的犹豫性概率分布，因而在决策分析中占有重要地位。在多属性群体决策中，利用方案间的相似性和距离函数，可以依据方案的代表性的强弱进行有效排序。若结合现有的排序结果，还可改进最优方案。为此，本文探讨概率犹豫模糊系统中基于代表性强弱的多属性群决策问题。本文首先提出了基于对数的距离函数，并利用余弦相似度与杰卡德相似系数构建了综合相似度。然后，利用基于对数的距离函数改进专家的客观权重，并与主观相结合计算专家的综合权重。同时在群共识的基础上，针对代表性提出了基于相似度均值的综合决策矩阵的正、负理想解。并结合基于对数的距离函数计算属性权重。最后，利用贴进度法给出群共识下基于代表性强弱的备选方案的排序方法。在实例验证环节，与传统多属性群决策模型进行对比分析，验证了将本文所提出模型的可行性和有效性。同时本模型的结果与传统排序相结合可以得到最优方案选择。

关键词： 推荐系统   对比学习   数据增强   流行度偏差   图神经网络   协同过滤  

摘要： 传统的基于对比学习的推荐模型通常首先对原始交互图进行数据增强，然后尽可能提高不同视图编码后的表示一致性。虽然这种方法已被证明是有效的，但最近的研究发现，由于图数据中节点的边遵循幂律分布，图增强往往会引入对比学习不利的偏差。此外，图结构的扰动使得处理大规模数据集变得计算密集，限制了基于对比学习模型的灵活性。为了应对这些挑战，提出了一种高低方差分离的特征增强方法HLVS，该方法不仅避免了对图结构的直接扰动，还减轻了传统特征扰动方法中存在的语义偏差问题。同时，为了缓解推荐系统中的流行度偏差问题，在主任务中引入了流行度指标，并设计了一种新的损失函数PBPR，以实现对热门与冷门节点表示的平衡。最后，通过整合对比学习、HLVS和PBPR，设计了一种轻量且无参数的图对比学习框架XSGCL，可以自然地集成到推荐模型中，以提高训练效率和性能。通过在五个公共数据集上的广泛实验，证明了将XSGCL集成到LightGCN后，不仅显著提升了训练效率，并且相较于先进模型具有更好或者相当的性能。例如在Yelp2018数据集上，相比于LightGCN，本文提出的模型训练效率提升了91.2%。在Alibaba-iFashion数据集上，Recall@10和NDCG@10指标分别提高了32.21%和33.73%。

关键词： 脑机接口   运动想象   功能性近红外光谱   动态图卷积神经网络   时间卷积网络  

摘要： 本文提出一种基于动态图卷积和时间卷积的深度学习模型,用于联合分析脑电图、功能性近红外光谱多模态信号,以实现空间信息和时间信息的互补.具体为:首先利用锁相值方法分别确定脑电图、功能性近红外光谱通道间的图结构信息.其次将经过预处理的脑电图和功能性近红外光谱数据分别输入卷积层.再次将这些由卷积层输出的特征信息和图结构信息输入动态图卷积神经网络进行处理.进一步通过一层时间卷积分别提取两种数据的时间特征,将输出结果进行拼接输入至一层卷积中进行特征层面融合.最后通过全连接层得到融合后的分类结果.为评估提出模型的性能,采用三个数据集:A、B、C进行测试.实验结果表明:本模型在三个数据集的分类结果分别为78.45%、86.60%、84.77%,均优于脑电图分类结果75.09%、82.53%、83.08%和功能性近红外光谱分类结果63.82%、57.67%、69.38%.消融实验亦验证了本模型具有较强的鲁棒性.

关键词： 模型预测控制   输出反馈   鲁棒控制   终端约束集合  

摘要： 针对包含有界干扰和噪声的约束线性时不变系统,本文研究椭圆型管道(Tube)的输出反馈鲁棒模型预测控制(RMPC)中终端约束集合设计方法.针对离线终端约束集合,通过构建闭环标称系统不变集合,以及施加终端约束集合体积上界约束,设计了不同大小的终端约束集合.针对在线终端约束集合,分别考虑实时优化和放缩终端约束集合.在线输出反馈RMPC优化中,实时估计误差和控制误差约束在时变鲁棒不变集合内,然后通过滚动优化求解标称控制输入序列驱使标称系统状态向不同类型的终端约束集合内收敛.此外,比较分析了不同类型终端约束集合对在线输出反馈RMPC优化计算量、可行性、以及控制性能的影响.

关键词： 深度图   图像修复   样本块   自适应   深度估计  

摘要： 深度图为机器人在视觉任务中提供空间信息指导。然而，由于环境和采集技术的影响，深度图可能包含会影响指导精度的孔洞。因此，本文提出了一种区域划分的自适应优先级深度图修复算法。首先，本文提出了一种基于结构参数的自适应优先级计算方法，以保证合理的孔洞修复顺序。其次，本文提出了一种由粗到细的分层平滑区域深度估计方法，以提高平滑区域的平滑性。本文采用边缘和平滑区域之间协同修复的想法。实验表明，本文提出方法优于先进的方法，所选数据的平均PSNR得分提高了1.28。

关键词： 类激活映射   显著性图   多阶梯度   可解释机器学习  

摘要： 类激活映射(class activation mapping， CAM)通过生成显著性图来解释深度学习模型的决策过程。然而，现有CAM方法在生成显著性图时，难以兼顾精确度与鲁棒性。本文提出了一种基于多阶梯度优化的CAM方法——multi-step gradient class activation mapping (MG-CAM)，通过引入多阶梯度优化策略，融合多维特征信息，动态调整特征图的权重分布，以提升显著性图的精确表达能力与可靠性。在ImageNet数据集上设计了实验，结果表明，MG-CAM在多个评价指标上均有良好表现。此外，MG-CAM通过了健全性检查和消融实验，验证了其对模型参数的敏感性和多阶梯度优化策略的有效性，为提高深度学习模型的可解释性提供了一种研究思路。

关键词： 插秧机   自动驾驶   路径跟踪   预测函数控制   模糊控制   反馈线性化   基函数  

摘要： 为了提高插秧机路径跟踪系统的控制精度和鲁棒性，该研究提出一种基于反馈线性化的模糊预测函数控制方法。在Frenet坐标系下建立插秧机运动学模型，并采用状态反馈方法对模型进行精确线性化处理，通过选取Morlet小波函数作为基函数，以及依据横向误差、横向误差变化率和参考路径曲率设计模糊规则在线调整性能指标函数中的加权系数，进而运用预测函数控制算法求解路径跟踪控制律。Matlab/Simulink仿真试验结果表明，当插秧机作业速度为0.5、1.0、1.5 m/s时，对于直线路径跟踪情况，模糊预测函数控制的横向误差均渐近趋于0，行驶轨迹皆无超调，上线距离分别为1.2、2.3和3.3 m；对于曲线路径跟踪情况，模糊预测函数控制的横向最大绝对误差分别为0.7、2.4和5.1 cm，横向标准差分别为0.4、1.5和2.8 cm。与常规模型预测控制相比，模糊预测函数控制在确保路径跟踪系统实时性的前提下，提高了系统的控制精度，改善了系统的动态性能，并且对作业速度与参考路径曲率变化具有更强的鲁棒性。水田实车试验结果表明，模糊预测函数控制能够使插秧机在不同作业速度下平稳有效地跟踪参考路径，并具有较高的控制精度和鲁棒性；当插秧机作业速度为0.5、1.0与1.5 m/s时，模糊预测函数控制的横向最大绝对误差分别为5.9、7.5和9.8 cm，直线路径横向标准差分别为1.4、1.7和2.7 cm，曲线路径横向标准差分别为2.5、3.6和5.5 cm，跟踪效果满足插秧机实际作业要求。该研究可为插秧机路径跟踪预测控制方法研究提供参考。

关键词： 运动想象脑电   脑机接口系统   空-频特征图   特征选择   信号解码  

摘要： 运动想象脑电（EEG）的脑机接口因其无创采集和易用性等优势，在神经康复领域展现了巨大潜力。然而，运动想象EEG具有较低的信噪比和时空分辨率，且传统神经网络仅关注其时空特征，导致运动想象任务的解码识别率较低。为解决这一问题，本文从EEG信号的频域和空间域角度出发，提出了一种基于空-频特征图学习的三维卷积神经网络解码方法。首先，利用Welch方法计算EEG的频带功率谱，结合电极空间拓扑分布的二维矩阵将时序EEG转换为包含空-频信息的脑地形图。然后，设计一维和二维卷积串行结构的三维网络，以有效学习EEG空-频特征。最后，该方法与多种经典方法进行对比实验，结果显示平均解码识别率达86.89%，较对照方法更优，验证了该方法在运动想象EEG解码领域的有效性。