1 南华大学 核科学技术学院衡阳 421001
2 南华大学 核燃料循环技术与装备湖南省协同创新中心衡阳 421001
3 南华大学 资源环境与安全工程学院衡阳 421001
4 南华大学 计算机/软件学院衡阳 421001
反应堆在各种工况下堆芯瞬态热工水力参数预测的准确性，直接影响到反应堆的安全性。质量流量和温度作为堆芯热工水力的重要参数，二者常被建模为时间序列预测问题。研究旨在解决瞬时条件下堆芯热工水力参数连续预测的精度问题，检验基于注意力机制的门控循环单元在核心参数预测中的可行性。本文采用1/2中国实验快堆（China Experimental Fast Reactor，CEFR）为研究对象，使用快堆子通道程序SUBCHANFLOW生成瞬态堆芯热工水力参数的时间序列，采用基于软注意力的门控循环单元（Gated Recurrent Unit，GRU）模型预测堆芯的质量流量和温度时间序列。结果表明：相较于自适应径向基（Radial Basis Function，RBF）神经网络，本文使用的软注意力的GRU网络模型预测结果更好，温度在步长为3的情况下平均相对误差不超过0.5%，在15 s内预测效果较好；质量流量在步长为10的情况下平均相对误差不超过5%，且在后续12 s内预测效果较好。本文构建的模型不仅在连续预测过程中表现出更高的预测精度，且能捕捉到动态时间序列中的趋势特点，这对维护反应堆安全，有效防止核电厂事故有极大的用处。基于软注意力的GRU模型能在瞬态反应堆工况下提供一段时间的连续预测，在工程应用中和提高反应堆安全性上具有一定的参考价值。
门控循环单元 软注意力 快堆 瞬态热工水力 参数预测 Gated recurrent unit Soft attention Fast reactor Transient thermal hydraulics Parameter prediction method 强激光与粒子束
2023, 35(12): 123002
1 南京信息工程大学江苏省大气环境与装备技术协同创新中心，江苏 南京 210044
2 南京信息工程大学电子与信息工程学院，江苏 南京 210044
3 中国气象局中国遥感卫星辐射测量和定标重点开放实验室/ 国家卫星气象中心（国家空间天气监测预警中心），北京 100081
4 许健民气象卫星创新中心，北京 100081
5 中国科学院空间利用技术与工程中心，北京 100094
各种天气现象的变化都伴随着云的运动，气象卫星获取的连续卫星云图含大量的时空序列信息，即连续卫星云图具有显著的时序特征，可作为云图预测的基本信息。云图预测本质上是一种处理云图时空序列特性的视频预测问题，为了准确预测云的位置变化，针对云的不稳定、非线性运动特性，基于CrevNet视频预测模型提出SmartCrevNet云图预测算法。在该算法中设计了一种时空注意力门控循环预测单元（STA-GRU），同时在CrevNet原有的双向自编码模块中引入轻量型注意力模块（SGE），可在不增加计算量的情况下增强云图语义信息，提高特征提取能力。将该算法分别在公共数据集MovingMNIST数据集及FY-4A卫星云图数据集上进行实验，结果表明，在FY-4A卫星云图数据集和MovingMNIST数据集上，SmartCrevNet的均方误差（MSE）分别比CrevNet降低了7.3%和6.1%，结构相似性（SSIM）分别提升了7.9%和1.2%，预测效果优于CrevNet和传统的视频预测算法。
遥感 云图预测 FY-4A卫星 门控循环单元 轻量型注意力模块 激光与光电子学进展
2023, 60(24): 2401001
1 河海大学水利水电学院，南京 210098
2 中国电建集团华东勘测设计研究院有限公司，杭州 311122
3 江西省鄱阳湖水利枢纽建设办公室，南昌 330046
4 余姚市水利局，宁波 315402
考虑到抗压强度对混凝土设计的重要影响，本文提出了改进麻雀搜索算法(ISSA)和门控循环单元(GRU)结合的ISSA-GRU预测模型，实现对高性能混凝土抗压强度的精准预测。对收集的数据集进行归一化处理后，利用基于光谱-理化值共生距离(SPXY)法对数据集进行训练集和测试集划分，采用GRU对高性能混凝土抗压强度进行回归预测，并通过引入动态惯性权重的ISSA，加强对GRU网络参数的寻优效率。结果表明，在使用相同数据样本的情况下，将ISSA-GRU模型与长短期记忆(LSTM)网络、核极限学习机(KELM)和支持向量回归(SVR)模型进行比较，其均方根误差RMSE分别降低了93%、375%、335%，平均绝对误差MAE分别降低了135%、385%、417%。同时，研究了训练集数据量和输入变量对模型预测性能的影响，研究结果表明，所提出的模型能高效寻找超参数，具有较高的预测精度和较好的适应性，为多样化原材料和混凝土特定性能的发展提供可行参考。
高性能混凝土 门控循环单元 动态惯性权重 麻雀搜索算法 深度学习 强度预测 high-performance concrete gate recurrent unit dynamic inertia weight sparrow search algorithm deep learning strength prediction
红外与激光工程
2022, 51(4): 20210188
长春工业大学 电气与电子工程学院，长春 130012
针对大型结构健康监测对于光纤光栅传感网络的复用容量和维护成本的较高要求，设计了一种蛛网形拓扑结构的传感网络。该结构网络利用波分复用来增加网络的复用容量，并优化了基于门控循环单元的模型来对重叠波长进行解调。设计的新型传感网络具有较高的网络可靠性和网络复用容量，截取蛛网形网络的部分结构进行实验，设计了四种故障情况进行对比，证明了蛛网形网络具有较高的可靠性。通过改进解调模型的网络结构增加模型识别精度，采用训练良好的模型对不同重叠程度光谱解调，在89.9%情况下其均方根小于1 pm，证明改进模型可有效地对重叠光谱进行解调，大大增加了网络的复用容量。设计的新型传感网络可有效地增加网络的可靠性和复用容量。
光纤布拉格光栅 拓扑结构 门控循环单元 波分复用 深度学习 可靠性 Fiber Bragg grating Topological structure Gated circulation unit Wavelength division multiplex Deep learning Reliability
哈尔滨工业大学(深圳) 机电工程与自动化学院,广东 深圳 518000
压电驱动器位移输出的非线性特性，如迟滞的记忆特性及速率相关性，使压电驱动器的建模与控制较难。该文提出了一种基于门控循环单元(GRU)的新型位移输出控制方法。建立相应的位移输出实验平台来验证和分析压电驱动器的滞后现象。使用 GRU 模拟滞后的内存特性及采用两个全连接层来模拟速率依赖性。该模型是一个端到端系统，其中压电陶瓷和位移放大机构被视为一个整体。针对不同电压输入预测的输出位移量表明,该模型对速率相关的滞后具有很强的泛化能力。使用相同的循环神经网络结构构建逆模型，并进行实验测试。实验结果表明，所提出的位移输出控制法有效地削弱了压电驱动器的非线性特性，有利于将线性系统控制法与前馈补偿法相结合。
压电驱动器 迟滞非线性 位移输出控制 门控循环单元 晶圆测试 piezoelectric actuator hysteresis nonlinearity displacement output control gated recurrent unit wafer test
天津大学精密测试技术及仪器国家重点实验室,天津 300072
基于三维卷积神经网络(3DCNN)结构的深度学习立体匹配方法是目前实现高精度视差结果的重要手段,其核心是以高计算成本来换取匹配的精确性。为了实现低计算成本的立体匹配方法,提出一种基于门控循环单元网络的立体匹配方法。所提方法采用门控循环单元结构来代替三维卷积实现代价聚合,基于循环结构特性来减少网络所需的计算资源。同时,为了保证门控循环单元方法在弱纹理与遮挡区域的视差估计精度,通过“编码-解码”结构来增强网络在三维匹配代价空间中的感受野,以残差连接的方式对多尺度下的匹配代价进行有效融合。在实验验证过程中,利用KITTI2015和Scene Flow数据集进行方法性能验证。实验结果证明,所提匹配方法的精度与三维卷积立体匹配方法接近,但是显存消耗降低45%,运行时间减少18%,极大降低了立体视觉匹配的计算成本。
激光与光电子学进展
2021, 58(14): 1415001
