塔式太阳能热发电镜场中余弦效率仿真研究 被引量：7

1

作者 潘磊 李丽娟 丁婷婷 《可再生能源》 CAS 北大核心 2013年第2期1-5,共5页

参考eSolar塔式发电站中的矩形定日镜场,通过参数设计得到密集的轴对称交错排列布置方案;建立了余弦效率的数学模型,对一天中不同时刻的太阳入射角变化趋势进行了仿真,得出位于接收塔南北区域余弦效率状况;对矩形定日镜场的余弦效率分... 参考eSolar塔式发电站中的矩形定日镜场,通过参数设计得到密集的轴对称交错排列布置方案;建立了余弦效率的数学模型,对一天中不同时刻的太阳入射角变化趋势进行了仿真,得出位于接收塔南北区域余弦效率状况;对矩形定日镜场的余弦效率分布做了进一步研究。仿真结果验证了太阳入射角的变化趋势,并得出塔的高度对余弦效率的影响。 展开更多

关键词 太阳能热发电 定日镜场 余弦损失 入射角

下载PDF 职称材料

三运动复合线性菲涅耳反射式太阳聚光系统的性能研究 被引量：3

2

作者 戴静 郑宏飞 冯朝卿 《北京理工大学学报》 EI CAS CSCD 北大核心 2016年第5期464-469,479,共7页

为改善线性菲涅耳反射式聚光系统的余弦损失对系统聚光效率的影响,提出了一种运动式线性菲涅耳反射聚光系统,该聚光系统依靠镜场与太阳保持反向运动来减小余弦损失.通过在广西柳州(北纬24°03')搭建的实验台架对系统的可行性和... 为改善线性菲涅耳反射式聚光系统的余弦损失对系统聚光效率的影响,提出了一种运动式线性菲涅耳反射聚光系统,该聚光系统依靠镜场与太阳保持反向运动来减小余弦损失.通过在广西柳州(北纬24°03')搭建的实验台架对系统的可行性和效率增加进行了验证.实验结果表明该新型系统对太阳光的聚光效率比固定式菲涅耳系统提高9%左右,与理论计算值相当.文中亦利用光学仿真分析对系统布置的优化进行了探讨.分析结果表明在现有系统参数的基础上,适当降低接收器高度可进一步减小余弦损失;在二次聚光器接收允许的范围内适当增大镜元间距还可减小镜场遮挡损失,继续提高系统聚光集热效率. 展开更多

关键词 线性菲涅耳聚光系统 余弦损失 二次聚光器 光学仿真分析

下载PDF 职称材料

煤炭与太阳能互补发电系统四季典型日变辐照聚光集热性能研究 被引量：3

3

作者 彭烁 周贤 +2 位作者 洪慧 王保民 史绍平 《中国电机工程学报》 EI CSCD 北大核心 2016年第24期6866-6873,共8页

光煤互补发电系统能将300℃以下的中低温太阳热能与传统燃煤电站相结合,用以替代回热抽汽加热给水,从而增加汽轮机出功。对传统的单轴跟踪槽式太阳能集热器用于光煤互补电站的热力性能进行了分析,并对其损失分布进行了研究。针对损失分... 光煤互补发电系统能将300℃以下的中低温太阳热能与传统燃煤电站相结合,用以替代回热抽汽加热给水,从而增加汽轮机出功。对传统的单轴跟踪槽式太阳能集热器用于光煤互补电站的热力性能进行了分析,并对其损失分布进行了研究。针对损失分布特性,提出了一种倾斜跟踪轴的槽式太阳能聚光集热器,并对该聚光集热器用于光煤互补电站后四季典型日的余弦损失、集热效率、太阳能瞬时功率、年均性能等进行了分析。结果表明,当跟踪轴倾斜角为15°时,年均余弦损失将从17.0%下降到9.8%,从而使年均集热效率从52.3%提升到59.5%,年均太阳能净发电效率从19.1%提升到21.7%,太阳能年发电量从17.2GW?h增加到19.6GW?h。 展开更多

关键词 光煤互补 四季典型日 变辐照 余弦损失 倾斜跟踪轴槽式太阳能聚光集热器

下载PDF 职称材料

太阳入射角对高原槽式太阳能集热器的影响 被引量：1

4

作者 冯婧恒 赵斌 +2 位作者 董晓冬 温琪琪 洪亮 《西藏科技》 2018年第8期73-77,共5页

不同时刻下太阳光线照射到单轴跟踪运行的槽式集热器采光口平面,会形成不同的入射角,由此入射光通过反射镜面聚光到集热管时会产生余弦损失和端部损失,使得接收到的太阳辐照强度相对减弱。基于拉萨市地理位置的特点,通过余弦损失和端部... 不同时刻下太阳光线照射到单轴跟踪运行的槽式集热器采光口平面,会形成不同的入射角,由此入射光通过反射镜面聚光到集热管时会产生余弦损失和端部损失,使得接收到的太阳辐照强度相对减弱。基于拉萨市地理位置的特点,通过余弦损失和端部损失分析影响集热器热性能的光学因素,开展全天太阳法向直接辐照度变化特性实验,实验分析系统能量输入与输出的关系,为槽式集热器热性能动态数学模型的建立奠定基础。 展开更多

关键词 高原槽式集热器 太阳法向直接辐照度 入射角 余弦损失 端部损失

下载PDF 职称材料

菲涅耳反射式太阳能聚光系统的三运动复合跟踪 被引量：1

5

作者 叶鸿烈 戴静 +1 位作者 冯朝卿 郑宏飞 《可再生能源》 CAS 北大核心 2014年第6期749-753,共5页

提出了线性菲涅耳式太阳能反射聚光系统新的跟踪方式:置于接收器上方的二次聚光器配合镜场平移的同时进行旋转,与平面镜的转动组成三运动复合形式。通过镜场的整体平移减小余弦损失,提高系统整体的聚光集热效率。从理论分析和计算机模... 提出了线性菲涅耳式太阳能反射聚光系统新的跟踪方式:置于接收器上方的二次聚光器配合镜场平移的同时进行旋转,与平面镜的转动组成三运动复合形式。通过镜场的整体平移减小余弦损失,提高系统整体的聚光集热效率。从理论分析和计算机模拟两个方面对这种三运动复合形式进行的研究发现,三运动系统的总余弦损失在一天中基本不变。对一个24 m2镜场的测试分析表明,在夏季晴天条件下,三运动复合系统的有效能量增加率约为5.8%,每天的能量增益达到38 MJ左右。 展开更多

关键词 菲涅耳太阳能聚光 三运动复合 余弦损失

下载PDF 职称材料

融合注意力机制的改进DBN变工况齿轮箱故障诊断方法 被引量：11

6

作者 张智禹 尹爱军 谭建 《振动与冲击》 EI CSCD 北大核心 2021年第14期47-52,共6页

针对齿轮箱在交变工况下运行时导致的故障模式难以识别、分类精度降低的问题,提出融合注意力机制的改进深度置信网络(DBN)变工况齿轮箱故障诊断方法。为解决齿轮箱单一时、频域特征反应故障信息不全面、异常不敏感问题,提取时域、频域... 针对齿轮箱在交变工况下运行时导致的故障模式难以识别、分类精度降低的问题,提出融合注意力机制的改进深度置信网络(DBN)变工况齿轮箱故障诊断方法。为解决齿轮箱单一时、频域特征反应故障信息不全面、异常不敏感问题,提取时域、频域、小波包时频域特征形成高维特征集。利用深度置信网络具有的贪心学习优势分别对其进行挖掘,同时结合注意力机制自适应对描述齿轮箱状态有效的特征给予更多“注意”,从而提高齿轮箱故障诊断精度。引进余弦损失函数降低深度置信网络对不同工况振动强度的敏感性,从而减轻网络拟合负担、提高泛化能力。齿轮箱变工况故障诊断试验结果表明,所提方法有效提高了变工况下齿轮箱故障诊断精度,同时具有很好的泛化能力。 展开更多

关键词 注意力机制 余弦损失函数 深度置信网络(DBN) 齿轮箱 变工况故障诊断

下载PDF 职称材料

面向元余弦损失的少样本图像分类 被引量：1

7

作者 陶鹏 冯林 +2 位作者 杜彦东 龚勋 王俊 《中国图象图形学报》 CSCD 北大核心 2024年第2期506-519,共14页

目的 度量学习是少样本学习中一种简单且有效的方法,学习一个丰富、具有判别性和泛化性强的嵌入空间是度量学习方法实现优秀分类效果的关键。本文从样本自身的特征以及特征在嵌入空间中的分布出发,结合全局与局部数据增强实现了一种元... 目的 度量学习是少样本学习中一种简单且有效的方法,学习一个丰富、具有判别性和泛化性强的嵌入空间是度量学习方法实现优秀分类效果的关键。本文从样本自身的特征以及特征在嵌入空间中的分布出发,结合全局与局部数据增强实现了一种元余弦损失的少样本图像分类方法(a meta-cosine loss for few-shot image classification,AMCL-FSIC)。方法 首先,从数据自身特征出发,将全局与局部的数据增广方法结合起来,利于局部信息提供更具区别性和迁移性的信息,使训练模型更多关注图像的前景信息。同时,利用注意力机制结合全局与局部特征,以得到更丰富更具判别性的特征。其次,从样本特征在嵌入空间中的分布出发,提出一种元余弦损失(meta-cosine loss,MCL)函数,优化少样本图像分类模型。使用样本与类原型间相似性的差调整不同类的原型,扩大类间距,使模型测试新任务时类间距更加明显,提升模型的泛化能力。结果 分别在5个少样本经典数据集上进行了实验对比,在FC100(Few-shot Cifar100)和CUB(Caltech-UCSD Birds-200-2011)数据集上,本文方法均达到了目前最优分类效果;在MiniImageNet、TieredImageNet和Cifar100数据集上与对比模型的结果相当。同时,在MiniImageNet,CUB和Cifar100数据集上进行对比实验以验证MCL的有效性,结果证明提出的MCL提升了余弦分类器的分类效果。结论 本文方法能充分提取少样本图像分类任务中的图像特征,有效提升度量学习在少样本图像分类中的准确率。 展开更多

关键词 元学习 少样本学习(FSL) 度量学习 元余弦损失(MCL) 图像分类

原文传递

深度卷积神经网络的判别性人脸识别算法 被引量：11

8

作者 任克强 胡慧 《华中科技大学学报（自然科学版）》 EI CAS CSCD 北大核心 2019年第10期127-132,共6页

针对Softmax(柔性最大值)损失对特征只有可分性的不足,提出一种基于深度卷积神经网络的判别性人脸识别算法.该算法首先根据Softmax损失特征分布,在特征和权重向量间施加一个类内余弦相似性损失,使类内更加紧凑,类间尽可能分离;然后在Sof... 针对Softmax(柔性最大值)损失对特征只有可分性的不足,提出一种基于深度卷积神经网络的判别性人脸识别算法.该算法首先根据Softmax损失特征分布,在特征和权重向量间施加一个类内余弦相似性损失,使类内更加紧凑,类间尽可能分离;然后在Softmax损失基础上通过归一化特征来更好地模拟低质量人脸图像,并通过归一化权重来减轻类别不平衡,使与测试时的余弦相似性度量一致;最后联合归一化的Softmax损失和类内余弦相似性损失在预训练模型上进行微调.该算法在人脸识别基准测试集LFW(户外人脸标记)和YTF(You Tube人脸数据库)上分别取得了98.72%和93.38%的识别率,实验结果表明:在大规模人脸身份识别中,该算法提高了特征的判别性,增强了模型的泛化能力,能有效提高人脸识别率. 展开更多

关键词 人脸识别 深度卷积神经网络 Softmax损失 类内余弦相似性损失 归一化

原文传递

基于邻域采样的多任务图推荐算法

9

作者 张俊三 肖森 +3 位作者 高慧 邵明文 张培颖 朱杰 《计算机工程与应用》 CSCD 北大核心 2024年第9期172-180,共9页

近年来,图神经网络(GNN)成为解决协同过滤的主流方法之一。它通过构建用户-物品图,模拟用户与物品的交互关系,并用GNN学习它们的特征表示。尽管现有在模型结构上的研究已取得了较大进展,但如何在图结构上更有效地进行负采样仍未有效解... 近年来,图神经网络(GNN)成为解决协同过滤的主流方法之一。它通过构建用户-物品图,模拟用户与物品的交互关系,并用GNN学习它们的特征表示。尽管现有在模型结构上的研究已取得了较大进展,但如何在图结构上更有效地进行负采样仍未有效解决。为此,提出一种基于邻域采样的多任务图推荐算法。该算法提出了一种基于GNN的邻域采样策略,该策略以每个用户为中心构建子图,将次高阶物品作为用户邻域采样的负样本,可以更有效地挖掘强负样本并提高采样质量。通过GNN对图结点进行信息聚合与特征提取,得到结点的最终嵌入表示。设计一种余弦边际损失来过滤部分冗余负样本,以有效减少采样过程中的噪声数据。同时,该算法引入了多任务策略对模型进行联合优化,以增强模型的泛化能力。在3个公开数据集上进行的大量实验表明,该算法在大多数情况下明显优于其他主流算法。 展开更多

关键词 图神经网络 协同过滤 负采样 邻域采样 余弦边际损失 多任务策略

下载PDF 职称材料

用于SAR图像舰船目标检测的MAF-Net和CS损失

10

作者 张丽丽 蔡健楠 +1 位作者 刘雨轩 屈乐乐 《雷达科学与技术》 北大核心 2024年第1期14-20,共7页

深度学习算法以其端到端训练和高准确率等优势被广泛应用于合成孔径雷达图像舰船检测领域。然而,SAR图像中舰船目标尺寸跨度较大,且易受到复杂背景和噪声的干扰,从而影响识别精度。为了进一步提高网络的检测精度,本文提出了一个多尺度... 深度学习算法以其端到端训练和高准确率等优势被广泛应用于合成孔径雷达图像舰船检测领域。然而,SAR图像中舰船目标尺寸跨度较大,且易受到复杂背景和噪声的干扰,从而影响识别精度。为了进一步提高网络的检测精度,本文提出了一个多尺度注意力融合网络。该网络主要包含一个多尺度特征注意力融合模块,该模块使用骨干网络输出的特征图,融合多尺度的信息,在空间和通道维度对FPN输出的特征图进行增强,用于抑制噪声和背景对舰船目标的影响,提升网络的特征提取能力。此外,本文还提出了余弦相似损失,通过计算目标与非目标区域的余弦相似度,使网络更准确地区分船舶目标与背景,以进一步提高准确率。大量的实验表明,在SSDD和SAR-Ship-Dataset数据集上,本文所提的方法与现有的几种算法相比具有更高的检测精度。 展开更多

关键词 目标检测 深度学习 SAR图像 多尺度注意力融合网络 余弦相似损失

下载PDF 职称材料

HRDA-Net:面向真实场景的图像多篡改检测与定位算法 被引量：4

11

作者 朱叶 余宜林 郭迎春 《通信学报》 EI CSCD 北大核心 2022年第1期217-226,共10页

针对主流篡改数据集单幅图像仅包含一类篡改操作,且对真实图像定位存在“伪影”问题,构建面向真实场景的多篡改数据集(MM Dataset),每幅篡改图像包含拼接和移除2种篡改操作。针对多篡改检测与定位任务,提出端到端的高分辨率扩张卷积注... 针对主流篡改数据集单幅图像仅包含一类篡改操作,且对真实图像定位存在“伪影”问题,构建面向真实场景的多篡改数据集(MM Dataset),每幅篡改图像包含拼接和移除2种篡改操作。针对多篡改检测与定位任务,提出端到端的高分辨率扩张卷积注意力网络(HRDA-Net),利用自顶向下扩张卷积注意力(TDDCA)模块融合图像RGB域和SRM域特征。最后,采用混合扩张卷积模块(MDC)分别提取拼接、移除和篡改检测任务特征,实现篡改区域定位和篡改置信度预测。为提高网络训练效率,提出余弦相似度损失函数作为辅助损失。实验结果表明,在MM Dataset下,与主流语义分割方法相比,HRDA-Net具有较优的性能和较强的稳健性;在单篡改数据集CASIA和NIST下,与主流单篡改定位方法相比,HRDA-Net的F1和AUC分数均较优。 展开更多

关键词 深度学习 多篡改检测与定位 多篡改数据集 余弦相似度损失函数

下载PDF 职称材料

基于注意力机制的商家招牌分类研究 被引量：3

12

作者 李兰 郑雨薇 +1 位作者 魏少玮 胡克勇 《计算机工程》 CAS CSCD 北大核心 2021年第1期305-311,共7页

为解决采用卷积神经网络对商家招牌进行分类时存在特征判别性较差的问题,通过在注意力机制中引入神经网络,提出一种端到端的深度学习卷积神经网络方法。使用卷积注意力模块分别学习通道注意力与空间注意力信息以增强特征的判别性,利用... 为解决采用卷积神经网络对商家招牌进行分类时存在特征判别性较差的问题,通过在注意力机制中引入神经网络,提出一种端到端的深度学习卷积神经网络方法。使用卷积注意力模块分别学习通道注意力与空间注意力信息以增强特征的判别性,利用余弦间隔损失函数增强所提取特征的泛化能力,且可在特征空间中减小类内方差与增大类间间隔。实验结果表明,与基于传统交叉损失函数方法相比,该方法通过将注意力机制模块与余弦间隔损失函数相结合,使得准确率与F1值分别提高2.2和2.0个百分点,达到99.3%和98.6%。 展开更多

关键词 端到端的深度学习 卷积神经网络 注意力机制 余弦间隔损失函数 商家招牌分类

下载PDF 职称材料