复合材料负泊松比格栅结构设计及力学性能评价

对复合材料负泊松比格栅新结构的设计、制备与评价进行了研究,采用有限元方法模拟了负泊松比结构单元在轴压载荷作用下的力学行为,通过热压罐成型制备复合材料负泊松比格栅结构,并评估其成型质量、蒙皮及筋条的力学性能、结构抗轴压性能。数值模拟结果表明,负泊松比格栅结构与正交格栅结构相比,变形形式从马鞍形变为波纹形,横向膨胀量降低,应力分布均匀性提升,筋条-轴线夹角θ=30°时,负泊松比格栅结构达到最优。采用热压罐成型的MT300/603碳纤维/环氧树脂负泊松比格栅试件成型质量良好,蒙皮及筋条的力学性能优异。力学测试结果表明,筋条-轴线夹角θ=30°时,MT300/603负泊松比格栅结构轴压模量为65.92 GPa,轴压失效载荷为64.65 kN。轴压失效模式为筋条节点处的蒙皮-筋条开裂。筋条-轴线夹角θ=30°的MT300/603负泊松比格栅结构抗压强度高于正交格栅结构,且力学行为呈现明显的负泊松比特征,是一种具备优异综合力学性能的新格栅结构,在航天飞行器蒙皮结构等领域具有潜在的应用价值。      

基于FPGA＋USB2.0多通道数据采集系统设计

针对传统数据采集系统中主控制器升级慢和传输芯片速率低等弊端,利用FPGA内嵌FIR滤波器抗干扰、现场可编程性、容易升级与更新以及USB接口通用性好、传输速率快的优点,设计了基于FPGA＋USB2.0多通道数据采集系统,能够完成4路最大采样频率150 kHz、精度为12位的数据采集和传输,实现了高精度数据采集。     

浅谈语文阅读教学的方法

阅读是一种极有价值的基本技能,因此阅读在小学语文中占据了极为重要的位置,但教无定法,特别是阅读教学的方法可以说是百家争鸣,下面结合自己的教学实践,对小学语文阅读教学谈点个人看法。     

基于二维熵和轮廓特征的非结构化道路检测

针对非结构化道路场景复杂干扰因素较多、检测困难的问题,提出了一种基于轮廓特征和二维最大熵的道路检测算法。采用融合色彩特征不变量的二次二维最大熵分割算法对道路图像进行分割;利用边界跟踪算法提取分割图像的轮廓特征,根据道路区域的位置和几何特性选取最大轮廓;通过改进Mid-to-side算法进行边缘点搜索,用三阶道路模型重建道路边界,并对道路方向进行判断。实验结果表明,所提算法与传统算法相比,对三类不同场景下非结构化道路的检测准确率可提高25%左右,具有较强抗阴影干扰的能力,并能有效识别道路方向。     

三维间隔织物编织工艺及应用

三维间隔织物是一种具有特殊结构的新型纺织材料。文章介绍了经编和纬编间隔织物的编织工艺和织造方式,归纳了间隔织物作为新型材料在垫用、服用、车用、建筑、农用、过滤、包装等方面的常规应用,重点讲述了三维间隔织物在可穿戴领域的研究现状和研究成果,包括传感器、电容器、发电机、纺织天线等智能器件,为间隔织物在可穿戴领域的应用和发展提供了参考。     

基于后验概率SVM的交通标志识别研究

在无人车交通标志识别系统中,以传统的神经网络算法或标准的支持向量机算法（SVM）设计的分类器,只能反映样本是否属于某类而不能确定样本属于某类的可信度,提出一种后验概率SVM交通标志识别方法。首先对检测与跟踪得到的交通标志大概区域图像进行彩色分割以精确定位交通标志区域,然后采用最大类间方差法分割交通标志的内部图案,最后将分割的结果进行大小归一化作为交通标志的特征图像以训练分类器和进行识别。实验结果表明,基于后验概率SVM的交通标志识别系统在复杂的室外环境下具有很强的鲁棒性和可行性。     

基于多目标遗传算法的认知无线电频谱分配

频谱共享技术是认知无线电的关键技术。基于多目标遗传算法,将认知无线电网络的最大系统效益和次用户间的最大比例公平作为目标函数,运用图论着色频谱分配模型,实现认知无线电中空闲频谱在次用户间的动态分配,并与颜色敏感图论着色算法（CSGC）进行了比较。通过仿真验证了该算法在认知无线电网络中进行频谱分配的可行性,且性能优于CSGC算法。     

一种速率自调节可用带宽测量算法

可用带宽是网络路由、网络服务质量、流量工程等方面的一个关键参数。目前很多研究方法都基于PGM模型和PRM模型,但这两种方法大都假设背景流量速率为固定比特流,不适用于低带宽的测试。提出一种端值自调节可用带宽测量算法,该算法充分考虑了低链路带宽的情况。通过对排队延时的处理、探测分组列速率端值自适应调节,实现了端到端可用带宽快速准确的测量。实验结果表明,该算法具有良好的测量效果,尤其在低带宽条件下较其它同类算法提高了测量准确性,加快了测量速度并减小了对网络的影响。     

联合低秩稀疏的多核子空间聚类算法

针对多核子空间谱聚类算法没有考虑噪声和关系图结构的问题，提出了一种新的联合低秩稀疏的多核子空间聚类算法(JLSMKC)。首先，通过联合低秩与稀疏表示进行子空间学习，使关系图具有低秩和稀疏结构属性；其次，建立鲁棒的多核低秩稀疏约束模型，用于减少噪声对关系图的影响和处理数据的非线性结构；最后，通过多核方法充分利用共识核矩阵来增强关系图质量。7个数据集上的实验结果表明，所提算法JLSMKC在聚类精度(ACC)、标准互信息(NMI)和纯度(Purity)上优于5种流行的多核聚类算法，同时减少了聚类时间，提高了关系图块对角质量。该算法在聚类性能上有较大优势。     

基于球形矩匹配与特征判别的图像超分辨率重建

由于网络训练不稳定,基于生成对抗网络（GAN）的图像超分辨率重建存在模式崩溃的现象。针对此问题,提出了一种基于球形几何矩匹配与特征判别的球面双判别器超分辨率重建网络SDSRGAN,通过引入几何矩匹配与高频特征判别来改善网络训练的稳定性。首先,生成器对图像提取特征并通过上采样生成重建图像;接着,球面判别器将图像特征映射至高维球面空间,充分利用特征数据的高阶统计信息;然后,在传统判别器的基础上增加特征判别器,提取图像高频特征,重建特征高频分量和结构分量两方面;最后,对生成器与双判别器进行博弈训练,提高生成器重建图像质量。实验结果表明,所提算法能有效收敛,其网络能够稳定训练,峰值信噪比（PSNR）为31.28 dB,结构相似性（SSIM）为0.872,而与双三次差值、超分辨率残差网络（SRResNet）、加速的卷积神经网络超分辨率（FSRCNN）、基于GAN的单图像超分辨率（SRGAN）和增强型超分辨率生成对抗网络（ESRGAN）算法相比,所提算法的重建图像具有更加逼真的结构纹理细节。所提算法为基于GAN的图像超分辨率研究提供了球形矩匹配与特征判别的双判别方法,在实际应用中可行且有效。