我国当前环境监测的重要性及数据分析

环境监测是一项十分系统并且相对复杂的科学技术工作,其作用就是收集具有代表性、完整性、准确性以及可比性的综合环境信息,为科学的环境管理工作提供基本的服务和保障。良好的环境监测水平,对于环境的综合治理来说,其意义是十分巨大的。本文简要论述了环境监测的重要性,并对环境监测的数据进行分析。     

基于PSO-BPNN和NSGA的薄壁件定位布局优化

为提高装夹布局优化计算的效率,同时考虑加工过程中振动对变形的影响,提出了融合改进的反向传播神经网络(back propagation neural network, BPNN)与快速非支配排序遗传算法(nondominated sorting genetic algorithms, NSGA-Ⅱ)的优化模型。首先,基于“N-2-1”定位原理,以定位点坐标为设计变量,薄壁件装夹变形和主振型位移为优化目标,通过有限元仿真建立了神经网络训练样本集;其次,引入粒子群算法(particle swarm optimization, PSO)改进神经网络,通过对有限样本集训练,构建了定位布局与装夹变形和振动位移之间的代理模型。实例结果表明,改进后的神经网络对装夹变形的预测精度提高了93%,对振动变形的预测最大误差仅为1.8%;最后,通过遗传算法求解预测模型得到了定位布局帕累托解集,进一步提高了优化效率。     

快速固化环氧-环硫树脂体系的研究

本文系统地研究了环氧-环硫-N,N-二甲基苄胺固化体系。结果认为,凝胶时间随环硫-环氧比的提高而线性降低。加入环硫树脂可减轻环氧树脂的应力集中,提高环氧树脂的使用温度。环硫树脂在三个方面加速环氧树脂的固化,即起催化作用,加速引发和共聚合。     

汽车三维在线展示与虚拟试驾系统研究

目的针对在线汽车营销方式交互性、沉浸感差等问题,提升汽车网络化营销的交互体验性能。方法基于Unity3D平台,利用C#和My SQL数据库设计了汽车三维在线展示与虚拟试驾系统,采用显示层、应用层、数据层的三层体系结构,主要包含4个功能模块,分别为用户信息管理、汽车三维展示、虚拟试驾和试驾报告。依据SAEJ1100标准建立腿部空间测量模型,提出在虚拟试驾系统中腿部空间舒适性评价方法,并且基于实测数据构建虚拟试驾过程中的油耗预测模型。最终,建立较为真实的汽车试驾模型,同时确保试驾系统的流畅性和联机试驾的可操作性,实现系统的开发。实验验证系统的应用效果较好。结论汽车三维在线展示与虚拟试驾系统有效提高远程人机交互体验性能,为用户充分了解所选车型的特点和性能搭建了新型平台。     

基于在线支持向量回归的锂离子电池SOC估计

对于锂离子电池来说,其化学特性是动态非线性的,并具有较强的耦合性,但是现在常用的电池模型并不能准确表达其上述特性。训练样本数量定量时,在线支持向量回归机可以在线实时更新模型,且具有全局最优、良好的泛化能力。训练模型时,采用输入变量为工作电压和温度,输出变量为荷电状态。仿真结果表明,与BP神经网络相比,在线支持向量回归可以准确预测电池的充电状态,具有较高的SOC预测精度和稳定性。     

非化学计量比巨介电CaCu_3Ti_4O_(12)陶瓷研究

采用固相反应法制备了不同化学计量比的CaCu3Ti4O12(简称CCTO)陶瓷。当Ca、Cu、Ti的原子摩尔比为1.08∶3.00∶4.44时,获得了相对介电常数在1kHz下高达4×105(1kHz)的巨介电CCTO陶瓷,其介电常数比标准化学计量比CCTO陶瓷高约一个数量级。结合XRD、SEM、EDX等分析表征结果,对巨介电常数的物理机理进行了探讨。     

基于Linux内核的实时调度机制研究及应用

在实时系统中,任务调度策略是内核设计的关键部分,如何进行任务调度,保证各个任务能按要求完成是实时操作系统研究的一个重要领域。针对RT-LINUX调度器在系统负载较重或过载时调度性能急剧下降的缺点,提出了一个基于价值调度的可适应算法以较少的最后期限错失来达到一个高的系统价值。根据它的两个执行标准“价值比率”和“成功比率”评估该调度程序的仿真和应用。     

滚动轴承数字孪生几何模型精细建模

针对滚动轴承数字孪生几何模型构建过程中，因被赋予理想的光滑表面而缺乏表面形貌信息，导致模型配合面与物理实体一致性差的问题，提出滚动轴承数字孪生几何模型精细建模方法，基于分形理论、点云变换和点云重建技术构建了带有表面形貌特征的滚动轴承数字孪生精细几何模型。通过对滚动轴承的数字孪生精细几何模型和光滑几何模型进行仿真分析，并与实验采集的滚动轴承振动数据在时频域参数上进行对比验证，表明相比传统的光滑几何模型，滚动轴承的数字孪生精细几何模型更符合实际运行情况。     

基于全卷积神经网络的焊缝识别方法

在机器人自动化焊接中，精准高效的焊缝识别是实现高质量焊接的关键。针对现有视觉检测方法效率低、精度差的问题，提出了一种基于全卷积神经网络的焊缝识别方法。该方法首先采集数据对全卷积神经网络进行训练，得到最佳的网络参数；然后采用训练好的全卷积神经网络和最佳网络参数对焊缝图片进行语义分割，将焊缝所在区域与背景进行分离；然后对分割出的焊缝区域，进行骨架提取，得到接近单像素宽度的焊缝；之后根据自定义的直线度参数对焊缝形状进行判定，确定该焊缝是否为直线，用最小二乘法进行直线或曲线拟合，得到最终的焊缝轨迹。实验结果表明，所提方法能够快速准确地识别出焊缝位置和形状，可以作为自动焊接机器人轨迹自主规划和控制的技术基础。