摘要： 为系统剖析高光谱目标检测 (hyperspectral target detection,HTD) 技术由传统数学建模向深度学习框架演进的发展脉络,定量评估了各类代表性算法的性能表现。在研究方法上,横向对比了约束 能量最小化与自适应匹配滤波等经典模型,深入解析了三大前沿智能机制的核心创新:一是将卷积神经网络 (convolutional neural network,CNN) 作为基于空间-光谱联合表征的非线性关系度量器;二是利用 Transformer 的多头自注意力机制结合生成式自监督范式,准确捕获全局长程光谱依赖;三是依托自编码器潜在空间中的多维物理约束,实现微弱目标与复杂背景的深度解耦。基于 Sandiego 1 、Sandiego 2 与Cuprite 数据集,以特征曲线下面积 (area under curve, AUC) 为核心评价指标,对 10 种不同算法开展了实验验证。结果表明:受制于单像素特征拟合与高维冗余,传统方法的 AUC 值均普遍难以突破 0.81 ;相反,深度学习模型的 AUC 则全面跃升至 0.86 以上。具体而言,CNN 架构的 SCL-HTD 模型凭借卓越的长距离相关性捕获能力,在背景高度混杂的 Sandiego 2 数据集上的 AUC 取到最大值 0.897 4 ;基于 CNN的 S 2 ADet 算法在空间目标分布规则的 Cuprite 数据集中 AUC 值达到 0.894 5 ;而融入无监督重建机制的自编码类模型 NUN-UTD 同样在 Sandiego 1 中取得了 AUC 值高达 0.895 2 的最佳表现。由于单一网络模型已触及特征表征的瓶颈,未来高光谱探测技术的破局点在于构建自适应混合架构及多粒度特征融合机制,并向无监督与弱监督范式全面倾斜,以此来攻克复杂环境泛化与小样本特征迁移的问题。

摘要： 锂离子电池健康状态(state of health,SOH) 准确估计是保障电池系统安全运行与健康管理的关键技术。实际应用中,电池全生命周期实验周期长、标注成本高,且真实运行数据常表现为低标注样本、短时充电稀疏样本和工况覆盖不足,有限样本数据已成为制约机器学习 SOH 估计精度与泛化能力的重要因素。基于此,综述了有限样本数据下机器学习 SOH 估计方法的研究现状,重点分析了回归方法、浅层学习、深度学习与迁移学习 4 类方法的性能差异,并从估计精度、计算复杂度、部署条件和适用性等方面进行对比分析。结果表明,回归方法具有概率推理优势但计算成本较高,浅层学习结构简洁但外推能力有限,深度学习特征提取能力强但高度依赖样本规模,迁移学习在有限样本数据下表现更优,但仍面临负迁移和训练稳定性不足等问题。未来应重点突破无标签数据挖掘、物理约束融合、多智能感知及实际工况部署等难题,以实现稳健、可迁移且可解释的锂离子电池 SOH 估计。

摘要： 在军事科技快速发展背景下,导弹新型发射方式对驱动系统性能提出了更高要求。永磁同步电机 (permanent magnetic synchronous motor, PMSM) 因其高功率密度、高效率及优异动态响应特性 ,在新型发射系统中得到广泛应用,其控制策略直接影响系统整体性能与可靠性。针对不同发射场景对电机控制性能的差异化需求,从转速外环、电流内环、转速-电流一体化单环控制及无传感器控制 4 个层面,对 PMSM 控制方法进行了系统综述。在转速外环控制方面,对自抗扰控制、滑模变结构控制及预测控制等方法进行了分析,这些方法在提升系统抗扰能力和动态响应方面具有显著优势;在电流内环控制方面,对滞环控制、反馈线性化控制、无模型及机器学习控制等方法进行了梳理,不同方法在控制精度与实现复杂度之间呈现出不同权衡关系;在转速-电流一体化控制方面,分析了无源控制、模型预测控制及反步控制等方法在简化控制结构与提升动态性能方面的应用潜力;在无传感器控制方面,对基于基波数学模型和高频信号注入方法进行了对比分析,揭示了其在不同转速区间的适用特性。最后,对不同控制方法的优缺点及适用场景进行了梳理总结,并探讨了 PMSM 控制技术的发展趋势。

摘要： 针对多时相极化合成孔径雷达 (polarimetric synthetic aperture radar,PolSAR) 图像边缘检测存在的时变散射表征不足、协方差估计偏差、时空信息融合低效等问题,提出一种基于散射功率驱动自 适应邻域(span-driven adaptive neighborhood,SDAN)基三维类高斯核的多时相 PolSAR 图像边缘检测方法。首先,采用球不变随机向量 (spherically invariant random vector,SIRV) 模型对 PolSAR 数据进行统计表征,实现极化分量协方差矩阵与纹理分量的联合建模;其次,在二维高斯核的基础上,以SDAN 为空间支撑构建基于 SDAN 的二维高斯核,有效提升异质区域协方差矩阵估计精度;最后,将SDAN 基二维高斯核与时间维度的一维自适应卷积核加权融合,形成 SDAN 基三维类高斯核,并结合自适应滞后阈值完成边缘图优化。实验结果表明:所提方法在两组数据集上的精确率分别达到 0.84 和 0.94 ,召回率分别达到 0.79 和 0.82 ,整体效率优于现有主流边缘检测方法,在时变散射区域边缘检测中具有显著优势。

摘要： 针对高光谱图像分类中传统图卷积网络 (graph convolutional network,GCN)感受野受限、深层堆叠易导致过平滑以及空谱交互存在信息冗余的问题,提出一种自适应多跳图卷积与 Transformer 融合的高光谱图像分类方法。该方法设计了自适应多跳图注意力层,通过可学习的注意力向量对 0 至 K 跳邻域特征进行自适应加权融合,同时构建了增强型 GCN-Transformer 融合接口,引入通道注意力机制和一维邻域卷积模块,从而有效压缩了节点嵌入的通道冗余并增强了光谱判别性。在 Indian Pines、Salinas 和Pavia University 数据集上的实验结果表明,所提方法的分类精度分别达到 96.05 %、 96.92 % 和 96.28 %,相比经典 GTFN 方法分别提升了 2.05 、 0.11 和 1.14 个百分点,表明多跳空间拓扑建模与增强光谱序列融合能 有 效 克 服 高 光 谱 “ 维 度 灾 难”, 显 著 提 升 模 型 对 不 规 则 边 界 的 刻 画 精 度 ; 当 引 入 空 间 图 建 模 时 ,Transformer 模型的总体精度提升了 27.91 个百分点,且当跳数 K = 3 时模型的自适应加权分类性能达到最优,表明自适应多跳图注意力机制能在较低算力开销下拓宽空间视野并利用权重衰减规律有效降低过平滑风险;在通道注意力模块中引入特征接口后,模型的综合性能达到最优,表明增强型接口能有效压缩交互阶段的信息冗余,大幅增强模型对高度相似地物光谱的判别能力。

摘要： 针对传统散热结构难以同时满足高效散热与紧凑空间需求的问题,以 Diamond(D 型) 和 Gy-roid(G 型) 2 种三周期极小曲面 (triply periodic minimal surface,TPMS) 散热器为研究对象,通过构建热流固耦合仿真模型,系统探究了胞元尺寸和壁面厚度对散热器内部流动与传热性能的影响规律。仿真结果表明:在 20 ~ 120 L/min 体积流量范围内,D 型与 G 型 TPMS 散热器进出口温差的仿真结果与实验结果相吻合,积分相对误差分别为 7.68 % 和 3.34 %,从而验证了仿真模型的准确性与可靠性;减小胞元尺寸、增加壁面厚度可显著增强散热介质扰动,提升绝对换热能力,但通过换热性能因子 j 分析发现,小胞元、厚壁面结构会导致流动阻力急剧升高,在同等泵功率条件下无法实现散热器传热性能达到最优 ;相同几何参数下 D 型 TPMS 散热器凭借无通孔结构与更大换热面积,综合传热性能优于 G 型 TPMS 散热器;进一步采用综合性能评价因子 (performance evaluation criteria,PEC) 开展多工况下 TPMS 散热器的流动与传热性能综合评估,发现在大胞元尺寸、薄壁结构与低体积流量工况下,TPMS 散热器的综合性能表现最佳。

摘要： 针对现有数模联动预测框架下设备后期退化特征拟合精度不足、剩余寿命预测误差偏大等问题, 提出一种考虑样本贡献度差异的剩余寿命预测方法。通过引入多种形式的权重函数改进传统目标函数 ,确保后期预测效果对优化目标的影响高于早期预测效果。在离线训练阶段,首先通过多维融合系数将多传感器监测数据融合为复合健康指标;其次,考虑到退化过程的非线性特性,基于指数退化模型构建复合健康指标的演变过程模型,并结合首达时间概念推导剩余寿命的解析表达式;最后,通过构建包含预测偏差与预测方差的目标函数,优化确定最优融合系数与失效阈值。在线预测阶段,采用序贯贝叶斯估计对模型参数进行迭代更新,实现剩余寿命的在线预测。通过航空发动机案例开展对比验证实验,结果表明:相较于传统数模联动剩余寿命预测方法,所提方法的寿命预测均方根误差降低 32.8 %,全周期剩余寿命预测平均相对误差控制在 30 % 以内,且设备运行后期的剩余寿命预测结果更为精确,可为航空发动机等工业设备的故障诊断与寿命预测提供参考。

摘要： 针对伽马外照射防护装具对屏蔽性能与轻量化设计的双重需求,设计了一种基于碳纳米管薄膜与功能纳米颗粒协同增强的梯度复合屏蔽材料体系。依据屏蔽性能参数的高通量计算结果,分别选取铋、三氧化二铋和钽作为功能层材料,制备得到碳纳米管薄膜-功能层复合材料样品,并对其辐射屏蔽性能进行了实验研究;同时,构建了基材-功能层复合材料屏蔽仿真模型,将碳纳米管薄膜与常规基材进行对比,以验证其轻量化设计优势。实验结果表明:厚度为 1.33 mm 的碳纳米管薄膜-铋复合材料样品对 60 Co射线的屏蔽效率达到 4.13 %,表现出良好的伽马射线防护性能;当功能层厚度固定为 150 nm 时, 20 μm碳纳米管薄膜-铋复合材料的屏蔽性能与 100 μm 常规基材(聚乙烯、聚氯乙烯、有机硅橡胶)-铋复合材料相当,表明碳纳米管薄膜能够在降低基材厚度的同时有效提升复合材料的屏蔽效果,反映出其在伽马外照射防护装具轻量化设计中的应用潜力。

摘要： 为精确、全面表征特殊核材料的物理属性,鉴于有机闪烁体探测器可完整保留中子的时间、能量与角度信息的特点,研制了一套基于液闪探测器的快中子多重性与中子-中子角关联联合测量系统。通 过对比 EJ- 301 与 BC- 501 液闪探测器的 n/γ 甄别性能,确定选用 n/γ 甄别性能更优的 BC- 501 探测器 (品质因数 FOM 为 1.213 ) 搭建六探头环绕式测量装置,并利用 252 Cf 标准源完成探测效率与符合门因子的刻度。实验结果表明:Geant 4 模拟测得系统平均中子探测效率为 8.37 %,符合辐射测量常见不确定度范围,验证了装置的可靠性;该系统测得的 252 Cf 裂变中子各向异性平均值为 1.223 2 ,验证了中子发射存在明显各向异性。对标准氧化钚与 MOX 芯块进行快中子多重性测量,一、二、三重计数率与样品质量拟合度R 2 均大于 0.99 ;MOX 芯块修正前偏差达- 71.21 %~- 68.18 %,经混合核素修正后降至 5.56 %~ 15.15 %,表明系统能够有效建立多重性计数率与样品质量间的函数关系,证明了联合测量方法在核材料属性认证中的应用潜力。

摘要： 为解决多光谱光电装备在外场环境中快速、高精度标校的难题,设计并验证了一款基于离轴三反结构的多波段光轴一致性原位测试系统。首先,采用离轴抛物面主镜构成纯反射式平行光管,覆盖 0.4 ~ 12 μm 宽谱段,以避免色差并实现无中心遮拦成像;其次,通过共口径设计与介质膜分光技术,为 可见光、激光及中波/长波红外通道提供统一的角度基准;最后,采用自校准相机和热补偿结构,保障外场适用性。在光学设计层面,借助 Zemax 软件进行全局优化,同时引入自由曲面次镜及三重像差补偿机制,使系统波前误差均方根值(root mean square, RMS)优于 0.032 λ ( λ = 632.8 nm ),且全视场点列图RMS 半径小于艾里斑半径,满足衍射极限要求。仿真实验结果表明:系统光轴平行度检测精度为 4.8′′ ,扩 展 不 确 定 度 为 5.6′′ ( k = 2 ); 在 - 20 ~ + 55 °C 宽 温 范 围 内 , 光 轴 平 行 度 变 化 小 于 6.83′′ ; 依 据 GJB150.16 A— 2009 标准进行振动试验后,光轴变化小于 5′′ ;验证了该系统作为外场高精度标校工具的可行性与可靠性,为光电装备的快速保障与效能评估提供了有效的技术手段。

摘要： 针对含能材料共晶筛选效率低、现有预测模型可解释性不足且难以适配不平衡数据集的问题 , 提出了一种基于轻量级梯度提升机 (light gradient boosting machine, LightGBM) 的共晶形成可解释预测模型,从而实现对含能材料共晶形成的高精度可解释预测。该模型采用 Morgan 分子指纹作为输入特征,以实现对分子局部化学环境的精准表征;同时,采用融合直方图离散化、带深度限制的 Leaf-wise 分裂及单边梯度采样的 LightGBM 算法进行共晶预测,并引入改进的对数损失函数来平衡正负样本训练权重,通过贝叶斯优化算法确定树数量与最大深度的最优超参数组合;最后,基于 SHAP 理论构建可解释性分析模块,得到各指纹位对预测结果的贡献度,筛选出关键 Morgan 指纹位并反向映射可视化分子局部环境。实验结果表明:在完全隔离的独立测试集上,模型平衡准确率为 95.15 %、准确率为 97.16 %、F 1分数为 98.35 %;经 3 折、 5 折、 10 折交叉验证后指标波动极小,泛化能力与鲁棒性能均优于其他机器学习模型;可解释性分析明确了芳香环、氢键供受体、疏水区域等关键结构特征及其作用机制,为共晶组分定向筛选与结构修饰提供理论参考。