基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.     

自适应融合层级特征的混合退化图像复原算法

多种退化类型混合的图像比单一类型的退化图像降质更严重,很难建立精确模型对其复原,研究端到端的神经网络算法是复原的关键.现有的基于操作选择注意力网络的算法(operation-wiseattentionnetwork,OWAN)虽然有一定的性能提升,但是其网络过于复杂,运行较慢,复原图像缺乏高频细节,整体效果也有提升的空间.针对这些问题,提出一种基于层级特征融合的自适应复原算法.该算法直接融合不同感受野分支的特征,增强复原图像的结构;用注意力机制对不同层级的特征进行动态融合,增加模型的自适应性,降低了模型冗余;另外,结合L1损失和感知损失,增强了复原图像的视觉感知效果.在DIV2K,BSD500等数据集上的实验结果表明,该算法无论是在峰值信噪比和结构相似性上的定量分析,还是在主观视觉质量方面,均优于OWAN算法,充分证明了该算法的有效性.     

基于氮掺杂碳纳米颗粒荧光猝灭-恢复方法检测还原型谷胱甘肽

分别以海藻酸钠和色氨酸为碳源和氮源,采用固相法一步合成出了量子产率为47.9%的氮掺杂荧光碳纳米颗粒(N-CNPs)。根据铜离子存在的条件下,N-CNPs荧光强度的恢复情况与还原型谷胱甘肽浓度成正比的关系,建立基于N-CNPs检测还原型谷胱甘肽的新方法。优化了溶液pH及反应时间等条件。在pH 6.0、铜离子浓度30μmol/L条件下,谷胱甘肽在0.2~45μmol/L浓度范围内与N-CNPs荧光恢复强度呈良好的线性关系,检出限为50 nmol/L。方法具有灵敏度高、选择性好、操作简单等优点,可用于实际样品中谷胱甘肽的检测。     

基于虚拟样机的片式凸轮箱性能改善研究

片式凸轮插针机主要应用接线端子的插针作业,目前某国产插针机片式凸轮箱工作速度较低,在高速运转时会出现较大振动及夹针夹不到和夹不紧的情况,使其工作效率较国外同类产品有很大差距。为分析限制片式凸轮箱高速运行的主要因素,首先对其进行振动测试,排除了共振是引起其高速运转出现较大振动的因素。然后对片式凸轮箱进行运动学仿真,分析出弹簧为限制其高速运转的主要因素。最后利用虚拟样机技术,对其进行参数优化,获得四组满足要求的弹簧参数。选取最优的组合进行分析校核,满足片式凸轮箱600r/min稳定工作的设计要求,为片式凸轮箱性能改善提供重要依据。     

AD HOC网络管理综述

由于AD HOC网络自身的特点，其网络管理很多方面与固定网络不同，如移动性管理和体系结构管理等。讨论了AD HOC网络管理的各个方面，并列举了各个方面的设计思路和已有的相关算法的简介。     

汽车计算平台工程国外相关标准概述

结合我国汽车计算平台工程,分析了国外相关的标准现状和基本框架,并为今后工作的开展提出了建议.