基于受热变形体温度场的建模与仿真研究

文章根据热阻控制及网络拓扑学的相关理论，提出一种较为简便的节点分析方法求解受热变形体的温度场，文中通过求解一系列的节点网络方程得到了各节点温度场的数学表达式，并进行了不同边界条件下各节点温度变化的仿真研究，得到的温度曲线与其它方法所得结果基本吻合，从而验证了节点分析法的有效性。     

基于深度学习的自动扶梯视频人体动作识别

在自动扶梯场景下的视频人体动作识别中,视频数据源不稳定,如遮挡、多视角、光照、低分辨率、动态背景以及背景混乱等均导致动作分类及检测不准确.针对这些问题,提出使用基于改进的SlowFast网络的人体动作识别方法,以更好地捕获视频连续帧中隐藏的时间和空间信息.通过与R(2+1)D卷积网络模型的识别准确率进行对比,改进的Sl...     

限压式变量叶片泵摩擦特性的研究

对限压式变量叶片泵的压力–流量特性方程进行了推导,指出摩擦阻力的存在会使限压式变量叶片泵产生滞回现象.之后设计出一种限压式变量叶片泵特性分析实验装置,并进行限压式变量叶片泵的加载与卸载实验,通过实验证实:摩擦阻力使泵的加载曲线和卸载曲线不相重合,从而产生滞回现象.实验结果与理论推导相吻合,表明该实验装置具有很强的实用性.     

一类多阶指数函数的逐级递推式拟合算法

针对一类时间常数相差较大的多阶指数函数,提出一种逐级递推式拟合算法.根据不同时间常数的指数函数具有不同平衡时间的特点,首先选取最后一段,采用一阶指数函数的拟合算法进行拟合,从而确定最后一项指数函数的幅值和时间常数;然后选取倒数第二段,通过变换同样采用一阶指数函数的拟合算法进行拟合,逐级递推,分别得到多阶指数函数不同项的时间常数和相应的幅值.此方法简单实用,具有较高的拟合精度,适合于具有大进给力的纳米级热驱动部件的精确建模.     

基于深度学习的油库安全监测方法研究

存储石油化工产品时有极高的安全监测要求,传统油库监测系统采用人工观察视频监控的方式检测产品的存储是否存在安全问题,该方法在火灾应急行动中存在时效性低、响应慢及漏检等问题。针对上述问题,文章提出了一种基于深度学习的油库安全监测方法,在原始YOLOv5(单阶段目标检测算法)的主干网络添加坐标注意力机制(CoordinateAttention,CA),该机制可以得到方向感知和位置感知的注意力图,将这些图应用于输入特征图,可以更加丰富地表示感兴趣对象;使用回归损失函数EIOU＿Loss代替原有的GIOU＿Loss进行预测框的定位回归损失计算,该方法能提高BoundingBox(边界框)的回归精度;使用DIOU-NMS替换NMS(非极大抑制),可以提高对遮挡目标的辨识度。该方法在自制的测试数据集中的mAP达到了91.2%,说明该方法在油库安全监测领域具有较高的应用价值。     

基于神经网络的自适应裂谱分析法

在应用RBF神经网络建立具有自适应能力的信噪分离算法的基础上，提出了一种基于神经网络的自适应裂谱分析方法，实验结果证实了新方法具有很高的性能稳定性和增强湮没在晶粒（或其它散射体）散射中的缺陷回波信号能力。     

热驱动部件温度数学模型建立方法研究

通过对热驱动部件的理论分析,确定参数待定的热驱动部件温度数学模型.依据试验采集的大量数据,采用分段逐级拟合的方法,用此数学模型的输出曲线逼近试验数据得到的曲线,从而将模型中待定参数确定下来,获得热驱动部件温升数学模型;并将时间最优控制运用到此数学模型上,准确地获得预先设定的目标温度值.     

神经网络自动校正电网波动引起的加工误差

在分析影响数控机床加工误差的因素后,建立了神经网络模型,然后求出电网输入电压与定时时间之间的最优曲线,从而实现对电网波动引起的加工误差进行自动校正。     

基于函数链神经网络的模型构造及控制

通过对热驱动部件的理论分析,确定参数待定的热驱动部件数学模型。针对现有数学模型中多阶指数函数拟合算法的复杂性,提出一种基于函数链神经网络(FLANN)的多阶指数函数逐级递推式拟合算法。根据不同时间常数的指数函数具有不同平衡时间的特点,采用基于FLANN一阶指数函数拟合算法,逐步确定多阶指数函数对应项的待定参数,建立热驱动部件的数学模型。应用多模控制和模糊切换策略,对具有大进给力的纳米级驱动部件进行控制,试验表明系统具有快速响应和高精度,并实现了平稳过渡,证明了基于FLANN的算法构建的控制模型具有精度高、收敛性好以及简单实用等优点。     

多模态控制策略的平稳过渡及其应用研究

以具有大进给力的纳米级驱动部件为被控对象,在分析不同模态过渡过程的基础上,指出极点差异是导致多模态难以实现平稳切换的关键因素之一。采用状态反馈矩阵和增益补偿环节来改造被控对象,采用零极点相消方法建立广义的一阶模型,解决了多模态的平稳过渡问题。应用提出的多模态平稳过渡策略,对具有大进给力的纳米级驱动部件进行控制,在5kN的大进给力下,进给精度达到了10nm,模态过渡调整时间小于1min,充分证明了该方法的实用性和可行性。