基于水平集理论和Kriging模型的镁合金差温成形伪拉延筋设计及优化

压边圈结构对改善差温成形中压边圈摩擦、传热及材料的流动阻力起着重要的作用。利用水平集理论和Kriging模型,对镁合金差温成形中的压边圈结构进行优化,提出一种伪拉延筋。以NUMISHEET2011十字杯形件为研究对象,建立相应的热力耦合模型,利用相关的试验数据,对有限元模型进行验证。基于一步法理论反求影响镁合金成形件质量的压边圈关键区域,并对该区域进行了重新离散化及处理。以部分节点坐标为设计变量,以随机水平集值为目标,建立压边圈的Kriging水平集模型。利用初始水平集阈值,对伪拉延筋进行设计。利用拉丁超立方对水平集阈值、凸模温度和凹模温度进行抽样,获得伪拉延筋样本。基于镁合金差温成形热力耦合模型,对相应的样本进行有限元仿真分析,获得镁合金成形件的成形质量,建立水平集阈值与质量之间的Kriging模型。利用粒子群算法,对该Kriging模型进行优化,获得最佳水平集阈值,实现伪拉延筋的优化。利用最优伪拉延筋,进行相应的差温成形分析。研究表明,基于水平集理论和Kriging模型,优化伪拉延筋能有效地提高成形件的减薄率均匀性。该方法为压边圈设计提供一种有益的指导。     

结合总体最小二乘的自适应抗差滤波算法

在动态导航定位中,不仅会存在有色噪声的影响,而且还会出现观测系数矩阵存在偏差的情况,数据处理中不容忽视。针对此,本文将总体最小二乘和自适应抗差滤波相结合,提出了能够同时控制有色噪声和系数矩阵偏差影响的新方法。该算法先用总体最小二乘方法求出观测方程系数矩阵偏差,并对观测方程系数矩阵进行修正,再基于修正后的观测系数矩阵使用自适应抗差滤波算法求解出最后的状态参数估值。计算结果表明,该方法不仅能够改正系数矩阵偏差且能控制有色噪声的影响,有效地提高导航定位的精度和可靠性。     

LPS+ORIMA空三加密浅析

本文介绍了利用LPS+ORIMA软件进行空三加密的主要流程,并结合生产实践简介了空三加密的一点经验和体会。     

浅谈自主软件GBC对物探测量施工的作用

通过应用东方地球物理公司自主研发的GBC软件,对其多星座数据的基线处理结果和网平差与TBC软件处理结果进行对比分析,可获得厘米级别的精度,满足物探测量规范的要求;另外,GBC软件网平差引入高精度的大陆速度场,实现动态网平差,为项目引入CGCS2000成果,建立项目基准提供了保证;其次PPK技术应用于测量项目生产,弥补了RTK作业的不足,为项目生产提供了强有力的技术保障。     

加热温度对X80钢级弯管用管线钢板冲击韧性的影响

根据X80钢级管线钢原始奥氏体晶粒尺寸随加热温度的变化规律,通过工业性试验研究了不同加热温度对冲击韧性的影响。结果表明:因加热温度过高获得的粗大原始奥氏体晶粒在变形后依然粗大,相变后获得的组织相对粗大,不同原始奥氏体晶粒间获得组织具有明显的取向差,同时可以清晰看到原始奥氏体晶界,冲击断口为解理断口,严重影响X80钢级管线钢的冲击韧性。而加热温度较低时,原始奥氏体晶粒细小,断口为韧窝状,具有良好的冲击韧性。     

具有光照鲁棒的图像匹配方法

针对现有的基于局部特征的图像匹配算法对光照变化敏感、匹配正确率低等问题，提出一种具有光照鲁棒性的图像匹配算法。首先使用实时对比保留去色（RTCP）算法灰度化图像，然后利用对比拉伸函数模拟不同光照变换对图像的影响从而提取抗光照变换特征点，最后采用局部强度顺序模式建立特征点描述符，根据待匹配图像局部特征点描述符的欧氏距离判断是否为成对匹配点。在公开数据集上，所提算法与尺度不变特征变换（SIFT）算法、加速鲁棒特征（SURF）算法、"风"（KAZE）算法和ORB算法在匹配速度和匹配正确率上进行了对比实验。实验结果表明：随着图像亮度差异的增加，SIFT算法、SURF算法、"风"（KAZE）算法和ORB算法匹配正确率下降迅速，所提算法下降缓慢并且正确率均高于80%；所提算法特征点检测较慢和描述符维数较高，平均耗时为23.47 s，匹配速度不及另外四种算法，但匹配质量却远超过它们。对实时性要求不高的系统中，所提算法可以克服光照变化对图像匹配造成的影响。     

基于密集神经网络的灰度图像着色算法

针对在灰度图像着色领域中，传统算法信息提取率不高、着色效果不理想的问题，提出了基于密集神经网络的灰度图像着色算法，以实现改善着色效果，让人眼更好地观察图片信息的目的。利用密集神经网络的信息提取高效性，构建并训练了一个端到端的深度学习模型，对图像中的各类信息及特征进行提取。训练网络时与原图像进行对比，以逐渐减小网络输出结果的信息、分类等各类型的损失。训练完成后，只需向网络输入一张灰度图片，即可生成一张颜色饱满、鲜明逼真的彩色图片。实验结果表明，引入密集网络后，可有效改善着色过程中的漏色、细节信息损失、对比度低等问题，所提算法着色效果较基于VGG网络及U-Net、双流网络结构、残差网络（ResNet）等性能优异的先进着色算法而言取得了显著的改进。     

一种灰度化混合法在集装箱箱号识别中的运用

研究一种基于机器视觉的集装箱箱号识别方法。对于集装箱彩色图像预处理过程中的灰度化方法，传统的灰度化算法不能有效弥补图像中污损或其他信息缺失的部分，因此，本文提出使用主成分分析法（PCA）结合贝叶斯阈值估计灰度变化率的混合法对图像的灰度化进行优化，可以在判断图像中某一点灰度值与周围相邻像素点的灰度值的变化率后，弥补缺失信息，有效确定边缘特征，从而使后续的字符识别准确率大大提高。最后使用该算法模型设计实现一套用于港口集装箱的智能检测系统。经过Matlab实验验证，在对50幅港口集装箱箱号图像的识别中，通过使用本文提出的混合灰度化方法，与普通的均值法和加权平均法的灰度化方法相比，准确率更高，其中单一字符准确率可达96%，箱号准确率可达92%。