锂离子电池健康状态(state of health,SOH)估计对确保能量存储系统的可靠性和安全性至关重要。然而,现有SOH估计方法在单一特征提取和固定充放电条件依赖方面存在局限性,难以适应多变的实际工作环境。为解决这一问题,本工作提出了一种...锂离子电池健康状态(state of health,SOH)估计对确保能量存储系统的可靠性和安全性至关重要。然而,现有SOH估计方法在单一特征提取和固定充放电条件依赖方面存在局限性,难以适应多变的实际工作环境。为解决这一问题,本工作提出了一种基于弛豫电压的并行多尺度特征融合卷积模型(multi-scale feature fusion convolution model,MSFFCM)结合极端梯度提升树(XGBoost)的SOH估计方法。MSFFCM通过多层堆叠卷积模块提取弛豫电压数据的深层特征,同时利用并行多尺度注意力机制增强了多尺度特征的捕捉能力,并将这些特征与统计特征进行融合,以提升模型的特征提取和融合能力。针对XGBoost模型,本工作应用贝叶斯优化算法进行参数调优,从而在多源融合特征基础上实现高精度SOH估计。实验验证基于两种商用18650型号电池的多温度和多充放电策略数据集,结果表明该方法的均方根误差(RMSE)和平均绝对误差(MAE)均小于0.5%,明显优于传统方法。本工作为锂电池健康管理提供了一种不依赖特定充放电条件的有效估计工具,有望在复杂的实际应用中发挥重要作用。展开更多
目前,基于深度学习的点云上采样方法缺失对局部区域特征关联性的关注和对全局特征的多尺度提取,导致输出的密集点云存在异常值过多、细粒度不高等问题。为解决上述问题,提出了嵌入注意力机制的并行多尺度点云上采样网络(Parallel Multi-...目前,基于深度学习的点云上采样方法缺失对局部区域特征关联性的关注和对全局特征的多尺度提取,导致输出的密集点云存在异常值过多、细粒度不高等问题。为解决上述问题,提出了嵌入注意力机制的并行多尺度点云上采样网络(Parallel Multi-scale with Attention mechanism for Point cloud Upsampling),网络由特征提取器、特征拓展器、坐标细化器和坐标重建器4个模块级联组成。首先给定一个N×3的稀疏点云作为输入,为了获得点云的全局和局部特征信息,设计了一个嵌入注意力机制的并行多尺度特征提取模块(PMA)用于将三维空间的点云映射到高维特征空间。其次使用边缘卷积特征拓展器拓展点云特征维度,得到高维点云特征,以更好地保留点云特征的边缘信息,将高维点云特征通过坐标重建器转换回三维空间中。最后使用坐标细化器精细调整输出点云细节。在合成数据集PU1K上的对比实验结果表明,PMA-PU生成的密集点云在倒角距离(CD)、豪斯多夫距离(HD)和点面距离(P2F)上都有显著提升,分别比性能次优的网络模型优化了7.863%,21.631%,14.686%。可视化结果证明了PMA-PU具有性能更好的特征提取器,能够生成细粒度更高、形状更接近真实值的密集点云。展开更多
采用拓扑优化方法对含多种多孔材料的结构进行结构与材料微结构构型一体化设计,可以获得具有优良力学性能的结构设计。该文面向多晶胞双尺度结构的时域动刚度最优设计问题,考虑不同晶胞间的可连接性,并行设计微结构的构型及其宏观布局...采用拓扑优化方法对含多种多孔材料的结构进行结构与材料微结构构型一体化设计,可以获得具有优良力学性能的结构设计。该文面向多晶胞双尺度结构的时域动刚度最优设计问题,考虑不同晶胞间的可连接性,并行设计微结构的构型及其宏观布局。首先,引入双Helmholtz平滑-分块投影方案,识别不同多孔材料的宏观结构域。其次,通过均匀化方法计算多孔材料的宏观等效力学性能,利用有序SIMP(soid isotropic material with penalization)方法优化不同微观结构的宏观布局。同时,为了保证不同晶胞间的可连接性,在不同多孔材料微结构的边界区域设置为相同拓扑描述的可设计连接域。然后,基于先离散-后微分的伴随敏度分析方法,实现了时空离散动力系统的一致性敏度计算。最后,以双尺度结构动柔度最小化为目标,以材料用量为约束条件,提出了时域动载荷作用下多微结构多尺度并行动力学拓扑优化方法。数值算例结果表明,提出的优化方法能够实现多晶胞结构的构型与宏观布局设计,充分提高了多孔结构的承载性能,同时保证不同晶胞之间的几何连续性,研究结果可为高承载多孔材料结构设计提供理论参考。展开更多
提出一种金属表面缺陷检测方法的改进模型.首先,基于YOLOv3(you only look once v3)目标检测模型,使用多尺度卷积并行结构,提取、融合多尺度特征;其次,使用高效下采样,在保留特征信息的同时减少特征升维的计算量;最后,使用空间可分离卷...提出一种金属表面缺陷检测方法的改进模型.首先,基于YOLOv3(you only look once v3)目标检测模型,使用多尺度卷积并行结构,提取、融合多尺度特征;其次,使用高效下采样,在保留特征信息的同时减少特征升维的计算量;最后,使用空间可分离卷积,在保持感受野不变的前提下增加模型的宽度与深度,从而得到模型参数量减少、同时提升了模型性能的改进模型YOLOv3I(you only look once v3 inception).改进模型提高了对复杂缺陷的特征提取能力,并进一步降低了对硬件配置的要求.实验结果表明,改进模型在精度与计算效率上均有明显提升.平均准确率在公开数据集上约提高5%,在企业提供的轴承数据集上约提高3%,模型参数量下降超过20%,两个数据集上模型浮点计算量分别减少1.6×10^(9)和1.2×10^(10)次.展开更多
文摘目前,基于深度学习的点云上采样方法缺失对局部区域特征关联性的关注和对全局特征的多尺度提取,导致输出的密集点云存在异常值过多、细粒度不高等问题。为解决上述问题,提出了嵌入注意力机制的并行多尺度点云上采样网络(Parallel Multi-scale with Attention mechanism for Point cloud Upsampling),网络由特征提取器、特征拓展器、坐标细化器和坐标重建器4个模块级联组成。首先给定一个N×3的稀疏点云作为输入,为了获得点云的全局和局部特征信息,设计了一个嵌入注意力机制的并行多尺度特征提取模块(PMA)用于将三维空间的点云映射到高维特征空间。其次使用边缘卷积特征拓展器拓展点云特征维度,得到高维点云特征,以更好地保留点云特征的边缘信息,将高维点云特征通过坐标重建器转换回三维空间中。最后使用坐标细化器精细调整输出点云细节。在合成数据集PU1K上的对比实验结果表明,PMA-PU生成的密集点云在倒角距离(CD)、豪斯多夫距离(HD)和点面距离(P2F)上都有显著提升,分别比性能次优的网络模型优化了7.863%,21.631%,14.686%。可视化结果证明了PMA-PU具有性能更好的特征提取器,能够生成细粒度更高、形状更接近真实值的密集点云。
文摘采用拓扑优化方法对含多种多孔材料的结构进行结构与材料微结构构型一体化设计,可以获得具有优良力学性能的结构设计。该文面向多晶胞双尺度结构的时域动刚度最优设计问题,考虑不同晶胞间的可连接性,并行设计微结构的构型及其宏观布局。首先,引入双Helmholtz平滑-分块投影方案,识别不同多孔材料的宏观结构域。其次,通过均匀化方法计算多孔材料的宏观等效力学性能,利用有序SIMP(soid isotropic material with penalization)方法优化不同微观结构的宏观布局。同时,为了保证不同晶胞间的可连接性,在不同多孔材料微结构的边界区域设置为相同拓扑描述的可设计连接域。然后,基于先离散-后微分的伴随敏度分析方法,实现了时空离散动力系统的一致性敏度计算。最后,以双尺度结构动柔度最小化为目标,以材料用量为约束条件,提出了时域动载荷作用下多微结构多尺度并行动力学拓扑优化方法。数值算例结果表明,提出的优化方法能够实现多晶胞结构的构型与宏观布局设计,充分提高了多孔结构的承载性能,同时保证不同晶胞之间的几何连续性,研究结果可为高承载多孔材料结构设计提供理论参考。
文摘提出一种金属表面缺陷检测方法的改进模型.首先,基于YOLOv3(you only look once v3)目标检测模型,使用多尺度卷积并行结构,提取、融合多尺度特征;其次,使用高效下采样,在保留特征信息的同时减少特征升维的计算量;最后,使用空间可分离卷积,在保持感受野不变的前提下增加模型的宽度与深度,从而得到模型参数量减少、同时提升了模型性能的改进模型YOLOv3I(you only look once v3 inception).改进模型提高了对复杂缺陷的特征提取能力,并进一步降低了对硬件配置的要求.实验结果表明,改进模型在精度与计算效率上均有明显提升.平均准确率在公开数据集上约提高5%,在企业提供的轴承数据集上约提高3%,模型参数量下降超过20%,两个数据集上模型浮点计算量分别减少1.6×10^(9)和1.2×10^(10)次.
