强度传输方程和神经网络融合的三维重构算法

针对原有强度传输方程法所恢复的相位精度不够精确的缺点,提出强度传输方程和神经网络融合的三维重构算法. 利用强度传输方程求解出物体不同角度的初始相位,利用神经网络算法进行优化,根据不同角度的最终恢复相位结合乘法技术重构出三维体信息. 该算法具有精度高的特点,可以为三维成像技术的应用提供参考. 对于实验中的示例图像,该算法将强度传输方程得到的相位误差从21.40%降低为5.26%,重构三维物体与模拟真实物体的相关程度为显著相关.     

纳米石墨包覆球形LiFePO_4正极材料的制备及其性能研究

采用湿球研磨-喷雾干燥法合成了纳米石墨包覆的球形LiFePO_4材料。该材料呈现了大小较为均匀的球形颗粒,颗粒度较小。性能测试表明该材料具有优异的电化学性能,最佳样品C在0.1 C时的放电比容量为160.9 m A·h·g~(-1),在高倍率5 C下的比容量仍为120.5 m A·h·g~(-1),显示了良好的比容量维持率。该法制备细小而致密的球形颗粒,并通过纳米石墨包覆增强导电性,大大提高了LiFePO_4材料的电化学性能,此方法简便、高效,有工业化应用的前景。     

备胎装配数据交互系统的设计

为了实现汽车备胎与车型的正确匹配与组装,设计了一套备胎装配的数据交互系统。利用网络通讯技术实现了数据交互系统与生产信息服务器之间的通讯,以获取生产任务原始数据,并进行数据解析。基于OPC技术,设计了OPC客户端,以实现PC机与PLC的通讯,将解析后的数据通过PLC传送给机器人和轮胎线,驱动机器人和轮胎线正确动作。通过对用户操作编码的方法,实现了用户数据添加、删除等操作与生产任务数据接收、处理及发送等多项任务之间的同步。     

单透镜系统中与色散融合的混合相位恢复方法

相位恢复是利用能观测到的强度信息恢复原始相位信息。强度传输方程（TIE）作为一种传统的非干涉相位恢复技术,只需通过测量至少两个相近平面的强度信息即可计算出相位信息。这种方法通常需要通过移动被测物体或摄像机来获取强度图像,不可避免地会产生机械误差。提出了一种新的相位恢复方法:与色散融合的混合相位恢复算法（CD-HPR）。通过设置不同波长的光通过单透镜系统得到物体在同一位置成的像,这样不需要机械运动就能获得聚焦和散焦图像强度,然后结合散焦量与波长之间的关系计算出散焦量,再用强度传输方程计算初始相位信息。角谱迭代算法的使用较好地改进了初始相位值。在仿真实验中,该方法恢复的相位与原始相位之间的均方差为0.1076;同时,通过实验恢复了透镜阵列的相位,实验结果与实际参数的误差为3.4%,证明了该方法的正确性和有效性。该方法扩展了传统方法要求光源为单色的局限性,提高了计算精度。     

电动汽车及其驱动永磁电机声振特性试验

在电动汽车整车声振特性分析的基础上进行了其驱动电机的声振特性台架试验,运用频谱分析和相干分析相结合的方法对试验数据进行分析。试验结果明确了电机振动和噪声对车内振动和噪声的贡献和电机振动噪声的主要特征频率及其引发原因,研究成果为电动汽车整车振动噪声特性优化改善提供了试验支持。     

5-甲基-4-噁异唑-3-甲基-2-噻吩甲酰腙及其 Co（Ⅱ）配合物的合成与表征

以5-甲基-4-噁异唑甲酰肼为原料,与3-甲基-2-噻吩甲醛反应合成5-甲基-4-噁异唑-3-甲基-2-噻吩甲酰腙,再将其作为配体与钴离子合成相应的钴配合物,对其进行红外、核磁共振氢谱、紫外-可见等表征确认结构,并对配体及其配合物的荧光性能进行测定。荧光测定表明,配体及其配合物都较强的荧光性能,因此可作为潜在的光活性材料。     

延长油井检泵周期的技术及应用研究

随着社会经济的发展，对石油的需求量日益增大，这就要求各地的油田源源不断地供应原油。在油田的作业中，油井检泵周期的长短对日常生产有着重要的影响，同时也是考核采油队管理的重要指标之一。本研究在详细分析了影响油井检泵周期的基础上，对延长油井检泵周期的技术进行了探究，并用实例阐述了延长油井检泵周期技术的实际应用，希望对提高油田的综合效益，促进我国油田实业的发展提供一定的借鉴。     

燃料电池汽车空辅系统噪声有源控制技术

燃料电池汽车（FCV）的动力系统及噪声特性与传统汽车相比有着很大差异，其中空气辅助系统已成为主要的噪声源。虽然有源噪声控制（ANC）是近年来的研究热点；但是，由于噪声源与环境的时变性，对空辅系统的中低频段噪声更有效的对策是使用自适应有源噪声控制技术（AANC）。在归纳总结有源噪声控制技术的发展进程及基本原理的基础上，阐述近年来有源噪声控制的研究现状，并重点分析关注自适应算法的研究进展；由此对自适应有源噪声控制在燃料电池汽车空辅系统减振降噪方面的应用前景进行预测和展望。     

双分辨率注意力网络行人重识别

行人重识别(ReID)任务在提取身份相关特征时可能会丢失一些信息,导致判别依据减少并影响模型性能.为此,提出了基于双分辨率特征及通道注意力机制的行人重识别方法.首先,在ResNet基础上增加了高分辨率特征分支,通过在不同分辨率的特征图上应用池化层,生成了对应着8种不同区域的特征向量.然后根据特征向量的情况设计了一个通道注意模块,增强了其中有效部分的表达能力.最后利用批归一化处理来协调分类损失和度量损失.消融实验中,算法内各步骤的运用都有效提升了模型的性能.在Market-1501、DUKEMTMC-REID、CUHK03等数据集上进行的对比实验中,该算法相比近几年具有代表性的其他算法,平均准确率和Rank-1都有所提升.实验结果表明,该方法能结合更丰富的特征,提高行人重识别准确度.