课程文献中心 更多>>

关键词： 住宅建筑   自然通风   热舒适   自适应热舒适评价指标  

摘要： 自然通风能够有效改善室内热舒适性，降低室内能耗。采用Fluent软件，利用加入修正系数的自适应热舒适评价指标（aPMV）模型对沈阳某住宅夜间自然通风热舒适性进行模拟。结果显示，夏季夜间自然通风条件下室内热舒适情况较好，室内热舒适情况受窗户开启面积影响。住宅卧室整体吹风感受门窗开度影响。夏季夜间自然通风能够有效改善室内热环境，降低空调的使用。

关键词： 图像隐写   鲁棒图像隐写   深度学习   模拟噪声信道  

摘要： 图像隐写术通过在图像中嵌入秘密信息来实现隐蔽通信。随着深度学习技术的引入,图像隐写在提高图像质量和提升嵌入容量方面取得了显著进展。然而,在实际信道传输过程中,图像面临着压缩、数据丢失和噪声干扰等多种问题,这些问题对图像隐写术的效果产生了负面挑战。为了解决这些问题,研究者初步在模型训练中引入模拟噪声信道,以此增强模型对噪声的鲁棒性。尽管该方法取得了一定成效,但现有的方法隐写方需要获取噪声信道的先验知识。在实际的隐蔽通信中,隐写方并不了解真实的噪声信道,噪声信道的不确定性和多变性使得实际通信环境非常复杂,这严重限制了隐写术在实际场景中的应用。同时,噪声信道会严重影响图像隐写术提取秘密信息的准确度。本文基于深度学习技术,针对上述问题提出了相应的改进方案: (1)提出了一种基于噪声信道模拟的鲁棒图像隐写方法。该方法隐写方无需预先了解真实噪声信道的具体信息。首先,通过真实噪声信道处理载体图像,生成噪声图像,并采集载体图像和噪声图像的图像对来构建数据集。然后,利用该数据集训练模拟噪声信道网络,目的是模拟真实噪声信道特性。随后,在隐写模型的训练过程中引入该网络。发送方使用编码网络将秘密信息嵌入载体图像生成隐写图像,并通过模拟噪声信道网络生成含噪声的隐写图像。最后,接收方利用解码网络从含噪声的隐写图像中提取秘密信息。该方法显著降低了信息提取的错误率,并提高了隐写模型对真实噪声信道的鲁棒性。 (2)提出了一种基于图像修复的鲁棒图像隐写方法。该方法提出了一个基于可逆神经网络的图像修复网络,其正向过程用于模拟真实噪声信道的噪声注入,并利用其逆向特性,对经过真实噪声信道处理后的含噪图像进行去噪操作。然后在隐写模型的训练过程中引入该网络。在该方法中,接收方接收到含噪的隐写图像后,首先利用图像修复网络对含噪的隐写图像进行去噪操作,生成去噪的隐写图像。然后,使用解码网络从去噪的隐写图像中提取秘密信息。该方法显著降低了噪声信道对隐写图像的影响,提升了秘密信息提取的准确率,增强了隐写模型对真实噪声信道的鲁棒性。

关键词： 法布里-珀罗腔   振动敏感性   零膨胀温度   有限元分析  

摘要： 激光的线宽是决定激光相干性的关键性因素,半导体激光器的线宽压缩研究具有很高的研究价值和发展潜力。目前,用于线宽压缩中以长度为参考的稳频,应用最广和性能最高的是高精细度法布里-珀罗（F-P）腔稳频。 法布里-珀罗（F-P）腔的光学长度由腔内折射率和腔镜之间的距离决定,腔内折射率与腔内的温度、压强和湿度等因素有关。但是,谐振腔的长度容易受到温度和振动影响。为了降低外界因素对谐振腔的长度的影响,本文基于有限元分析对法布里-珀罗（F-P）腔的振动和热膨胀特性进行了研究。 （1）设计了激光参考锁定F-P腔模型,腔体长度为300 mm,直径为150 mm,材料为超低热膨胀玻璃（Ultra-low-expansion,ULE）。中间有一个通光孔,两侧有两个反射率为99.999%的高反射镜,材料为熔融硅,腔体、腔镜和通光孔同轴。 （2）法布里-珀罗腔的噪声中振动噪声影响较大,所以对激光频率稳定的法布里-珀罗腔的腔振动敏感性进行了理论研究,以此降低法布里-珀罗腔的振动敏感性。法布里-珀罗腔的弹性形变与支撑位置和腔的形状有关,运用有限元方法模拟对其关系进行了分析,得到了腔长的振动敏感性为9.3×10-12/g的法布里-珀罗腔。 （3）为了降低外界因素对谐振腔的长度的影响,对法布里-珀罗腔零膨胀温度调节进行了研究。由于ULE和熔融硅的热膨胀系数相差两个数量级,导致腔的零膨胀温度低于室温,需要将零膨胀温度调节到室温以上。设计了补偿环,腔镜通过光胶合的方法与补偿环连接,腔镜放置在通光孔内,补偿环通过光胶合粘在腔体两端,补偿环与腔镜和腔体同轴。腔体的热噪声极限为9.1×10-17。通过有限元分析,选择了ULE环,成功地将零膨胀温度可从-10 K调整到27 K,从而实现了腔的零膨胀温度容易调到室温以上。同时,该设计使加工误差对加工精度的影响很小,并且可以方便地制造出长法布里-珀罗腔。

关键词： 夏热冬冷地区   建筑碳排放   超低能耗建筑   天然采光节能量   计算方法  

摘要： 双碳背景下，建筑能耗分析、碳排放量分析过程中对于建筑运行阶段各分项能耗的计算以及优化效果体现的需求日益显现，现有标准计算方法不能满足当下降耗减碳计算需求。本文以夏热冬冷地区居住建筑常用外窗尺寸及室内计算参数为例，使用PKPM-Daylight天然采光分析软件，分析了不同朝向外窗采光效果差异、夏热冬冷地区典型城市采光效果时间分布、常见尺寸外窗满足GB 50034—2013《建筑照明设计标准》中照度所要求的区域面积、有效进深、有效开间，总结、提出了天然采光节能量的计算方法，以期对各气候区各类建筑的计算提供参考。

关键词： 转向架区域   车头   流场   气动噪声   几何简化   边界条件  

摘要： 目的：确定一种合适的简化建模方法以使计算流体动力学（CFD）模拟在高速列车转向架区域气动声学优化中更高效。创新点：1.确定了一种合适的简化建模方法，该方法能够在保证与三车编组模型中头车第一个转向架区域流场和声学结果一致性的同时显著提高CFD模拟在高速列车转向架区域气动声学优化中的效率。2.通过对三种简化模型和三车编组模型流场和声学结果的对比和分析，确定了三种简化模型中涉及的不同几何简化和边界条件指定对车头和转向架区域流场和气动噪声的影响机理。方法：1.在三车编组模型的基础上，建立用于高速列车转向架区域气动噪声计算的三种简化模型；2.结合IDDES模型和FW-H声类比理论建立转向架区域非定常流场和气动噪声预测的数值模型，并通过低马赫数空腔模型和简单转向架模型对数值方法和网格策略进行验证；3.以三车编组模型的计算结果为基准，对三种简化模型和三车编组模型的流场和声学结果进行对比和分析，确定与三车编组模型计算结果一致性最好的建模方式，并揭示三种简化模型中涉及的不同几何简化和边界条件指定对车头和转向架区域流场和气动噪声的影响机理。结论：1.基于三种简化模型计算得到的列车表面时均压力分布和转向架区域时均速度分布与三车模型的计算结果非常一致。2.列车下部的压力波动较列车上部剧烈得多；三种简化模型的转向架区域脉动压力结果与三车模型的计算结果有很好的一致性；在列车上部，计算域缩短模型和子域模型低估了车头流线型曲面上的压力波动，而车体缩短模型的结果与三车编组模型的结果吻合较好；这是计算域缩短模型和子域模型中使用的非时变出口边界条件造成的。3.当仅以转向架区域作为声源时，三种简化模型的远场噪声结果与三车编组模型结果之间的差异都很小，且总声压级差异均在1d B以内；当以整个车头作为噪声源时，由于计算域缩短模型和子域模型低估了车头流线型表面偶极子源的强度，所以它们与三车编组模型的总声压级结果最大差异分别为1.3 d B和1.8 d B，而车体缩短模型与三车编组模型的总声压级结果差异仍在1d B以内。因此，车体缩短模型是转向架区域气动声学优化的一个很好的选择；它可以在保证与三车编组模型计算结果一致性的同时显著提高CFD模拟的效率。

关键词： 地震勘探   降噪   无监督学习   扩散概率模型   噪声水平估计  

摘要： 地震勘探技术是寻找油气资源的主要手段。在地震勘探中,由于易探易采的油气资源几乎消耗殆尽,地震勘探逐渐朝着更深的地层进行。而由于地震勘探深度的增加,以及采集环境的多变性,采集得到的地震数据会受到复杂的随机噪声的影响,导致数据信噪比显著降低,进而提升后续的数据反演与地层解释工作的难度。虽然基于神经网络的方法在地震数据去噪的任务中表现良好,但训练神经网络所需要的干净地震勘探数据在真实工况下很难获得。因此,如何在标签匮乏的情况下利用神经网络模型有效地压制地震数据中的复杂随机噪声并恢复地震有效信号对于地震勘探技术是极其重要的。 本文针对地震勘探标签不足、以及非平稳噪声可能导致的模型与数据不匹配问题提出了基于深度噪声估计的卷积神经网络自监督降噪模型(Noise Estimation-based Convolutional Neural Network,NE-CNN)。为了实现自监督的降噪,该方法基于预训练-微调的训练范式,使用Stein无偏风险估计作为损失函数以噪声水平作为先验来替代训练时所使用的标签,令神经网络降噪模型可以在预训练后只使用含噪数据进行自监督的微调,从而避免了使用干净标签,缓解了数据饥渴问题。同时,该方法通过基于深度学习的方法估计数据中非平稳噪声的噪声水平,并对具有相同噪声水平的数据块进行聚类,再使用多个微调后的模型自适应地对数据块进行分别处理,确保模型能针对不同的噪声水平进行高精度的降噪。从而解决了数据中含有非平稳噪声的情况下,模型与数据的不匹配问题。在模拟地震勘探数据以及实际地震勘探数据上的实验表明NECNN在应对地震勘探数据中的非平稳噪声时具有良好的降噪效果。 同时,本文针对无监督方法中出现的信号泄露问题提出了迭代式扩散降噪模型(Iterative Denoising Diffusion Model,IDDM)用于地震勘探数据去噪。该方法基于扩散概率模型,使用神经网络方法估计从含噪数据到干净数据的状态转移。为了实现无监督的去噪,该方法在缺乏干净标签的情况下,在扩散模型中交替使用退化算子与降噪模型来构建扩散过程的中间状态,并将中间状态作为训练网络的标签,来引导模型获得降噪的能力。同时,降噪模型会在创建中间状态的过程中逐渐减小训练使用的微调数据对与理想数据对之间的偏差,从而渐进式地实现无监督的训练过程。针对信号泄露问题,IDDM使用与最大化变分上界等价的优化方法,避免了通过最小化均方误差进行优化会带来的过平滑问题,有效继承了扩散概率模型的高保真性能,从而令IDDM获得了更精确的信号恢复效果。同时,为了进一步提高IDDM的信号保护能力,该方法在孪生网络框架下构建了信号保留器模块来提取相邻扩散状态间的共有信号特征,确保在逆向过程中将信号结构进行保留,从而实现了有效信号在无监督学习范式下的保护。实验结果表明,所提出的IDDM在多个合成地震数据和实地地震勘探数据上都能取得优秀的降噪效果,并展现出了强大的有效信号恢复能力。

关键词： 陶艺   建筑环境   艺术设计  

摘要： 本文研究了现代陶艺在建筑环境艺术设计中的应用，并通过国内外典型案例进行分析。从设计理念与实施方案、装饰效果与用户反馈、结构原理与材料选择、结构稳定性与功能性分析等角度探讨了陶艺在建筑环境中的创新应用，挑战包括材料和工艺技术的限制、陶艺与建筑环境需求的匹配以及在可持续建筑中的应用前景。