“计划生育”的模范—袋鼠

在辽阔的澳大利亚原野上,跳跃的袋鼠如欢快的音符奏响了大自然的生命乐章。刚出生的袋鼠宝宝十分娇小,需要在育儿袋里生活12~18个月才能独立,而产后的袋鼠妈妈仅需要30~40天就可以再度怀孕。如何让每个新出生的袋鼠宝宝都享受到完整的育儿袋呢?虽然在动物园里见过被称为澳大利亚国家标志的袋鼠,但我依然迫切地期待着在澳洲的荒野上看到这种珍奇动物。当然,能够拍摄到这种惹人喜爱的     

直接碰撞杀伤动能拦截器结构参数分析

针对直接碰撞杀伤动能拦截器结构参数设计问题,建立了一种基于体积重叠法的动能拦截器碰撞子母弹头杀伤模型,利用该模型可有效分析动能拦截器结构参数受碰撞速度、碰撞点偏移量的影响特性. 算例分析表明,动能拦截器结构参数主要取决于碰撞速度和碰撞点偏移量,拦截器最小质量和最小直径随碰撞速度增大而减小,随碰撞点偏移量增大而增大;提高碰撞速度和减小碰撞点偏移量均能有效降低拦截器最小质量.     

红角鸮、斑头鸺鹠和黄腿渔鸮尾羽的观察与比较

选择鸮形目鸱鸮科的红角鸮、斑头鸺鹠和黄腿渔鸮的尾羽中正羽和绒羽进行测量与扫描电镜观察,并记录正羽羽片长度、宽度和羽干长度以及绒羽节状羽小枝的基节长度和节间距,然后进行数据分析.结果表明这3种鸟类尾羽中正羽的羽片宽度和羽干长度有显著差异,尾羽中绒羽的节状羽小枝基节长度和其他节长度均具有极显著差异.通过尾羽的正羽羽片宽度和羽干长度以及绒羽的羽小枝特征差异可以比较鉴别这3种鸟类.     

基于能量和距离的无线传感器网络路由协议

无线传感器网络(Wireless Sensor Networks,WSNs)是一种新兴的传感器网络。Leach(Low energy adaptive clustering hierarchy)协议是WSNs中最流行的簇类协议之一,它通过概率模型选择簇头,并且周期性地改变簇头来实现最大化的网络覆盖率和网络寿命。本文通过网络中节点的能量和所处的地理位置信息,对Leach协议中节点成为簇头的概率公式进行修正,从而改进协议的簇头选择算法,平衡网络的能耗,达到延长无线传感器网络寿命的目的。基于NS2(Network Simulator Version 2)平台的实验结果证明,改进的Leach算法可以延长WSNs的寿命。     

无线传感网络LEACH协议的优化研究

LEACH( Low-Energy Adaptive Clustering Hierarchy低功耗自适应分簇)算法可以有效地解决传感器节点能量限制的问题,显著地延长整个网络的生命周期。但在分簇簇头的选择过程中仅考虑此节点是否在之前的轮中担任过簇头节点,并未考虑节点剩余的能量与其所处的位置,使得簇头的选择并非最优。针对这种情况,本文在原有LEACH路由算法的基础上从节点剩余能量与节点分布位置两方面对其进行优化,提出了一种新的路由优化算法为I-LEACH。仿真结果显示I-LEACH较LEACH协议延长了网络生存周期,降低了网络总体能耗,使无线传感网的整体性能得到一定提升。     

阳江核电工程安全壳环梁关键施工技术

该文对环梁施工重点难点进行了详尽的剖析,采用三维建模技术建立了J、K层预应力锚固头模板的三维模型用于整个环梁J、K层施工的模板加工、模板支设、混凝土浇筑前这三个重要阶段的控制。与以往的施工相比采用三维技术指导后整个施工过程得到了优化,从木工车间开始以精准的三维数据控制模板质量使得后续的一系列施工避免了质量风险,简化了后期的预应力管道的测量定位工作,节约了工期,提升了工程质量。展现了AutoCAD三维建模放样技术对环梁施工的突出贡献。同时对环梁的施工要点进行了归纳和总结。     

含三维间隙的刨煤机刨头-滑架体碰撞特性研究

为了更准确的获得刨头刨削过程的动态性能,考虑三维间隙的影响,采用虚拟样机技术建立了刨头-中部槽滑架体的三维接触模型,采用非线性弹簧阻尼接触力模型,以刨头实验载荷为激励对模型进行仿真研究,研究结果表明：刨削深度、刨削速度影响刨头与滑架体的碰撞力均值及各接触面的碰撞次数,在一定范围内,随着刨削深度、刨削速度的增大,刨头与滑架体的碰撞力均值减小。研究结果为刨头的结构优化设计提供理论依据。     

变刚度悬丝支撑微纳测头的结构参数优化与动态特性分析

构造了一种基于悬丝约束支撑的变刚度微纳测头。利用压电装置驱动柔性机构变形,改变悬丝所受的轴向张紧力及横向刚度,进而改变测头约束支撑机构的整体刚度。通过正交试验法优化测头的各项结构参数,确定最优尺寸。基于有限元方法,仿真验证测头的各向同性、灵敏度、固有频率及瞬态响应等性能。通过仿真得到测头刚度关于悬丝轴向伸长量的变化曲线,结果表明测头具有一定的变刚度性能。提出的变刚度测头丰富了现有测头的结构形式,研究成果对该类型结构形式的测头的实际应用奠定了前期基础。     

基于改进锚候选框的甚高速区域卷积神经网络的端到端地铁行人检测

在地铁监控场景下的行人检测,具有客流量大,遮挡程度高的特点。针对该场景的行人检测,提出基于深度学习甚高速区域卷积神经网络的端到端头肩检测方案。由于甚高速区域卷积神经网络模型对目标检测具有普适性,针对通过地铁监控摄像头采集的真实的客流图像数据,人工标注训练及模型测试数据集进行分析;进而根据头肩特征面积分布较集中,长宽尺度比例可明显分为一类的特性对区域建议网络网络中的锚候选框进行了改进,使其更适应地铁特殊场景中的行人检测。改进后的模型在保证系统检测精度的同时提升了检测实时性,可以精确检测地铁场景下不同姿势的头肩部位;并在不同场景及视角下的检测也取得了较好的效果。