基于深度学习的障碍物检测与深度估计

提出了一种针对交通场景的基于深度学习的障碍物检测与深度估计方法。该方法对现有的YOLOv3模型进行改进,使用DenseNet网络代替原网络尺度较小的传输层,得到一种新的障碍物检测模型Dense-YOLO。然后采用立体匹配模型PSMNet得到双目图像的视差图,根据双目测距原理对被测目标深度进行估计。在KITTI数据集和实际交通场景中的实验结果表明,与YOLOv3模型相比,Dense-YOLO模型有效地提高了交通场景中障碍物检测的可靠性和正确率,对轿车、行人、骑行者和卡车这4类障碍物检测的平均精确率（average precision, AP）提高了3%～5%,平均精确率均值（mean average precision, mAP）提高了约4%。障碍物深度估计结果与真实值的平均相对误差约为3%。     

新型三瓣式径向气体箔片动压轴承热特性分析

为研究新型三瓣式径向气体箔片动压轴承的温度特性，提出了考虑热特性的润滑理论计算模型. 通过耦合求解非等温Reynolds方程和气膜能量方程，并计入转子的离心效应和热膨胀量对轴承间隙的影响，运用数值模拟的方法求解出轴承内气膜温度分布，研究轴承载荷、转速和冷却气流量等因素对轴承温度的影响. 计算结果表明：气膜温度峰值位于压力峰值的下游位置；气膜温度随轴承载荷和转子转速的增加而递增，相较于转速对气膜温度的影响，轴承载荷的影响并不明显；往轴承箔片结构内通入冷却气流可以起到明显的降温效果，且轴承温度随冷却气流的上升先迅速下降后逐渐平缓.     

嵌入弹簧式气体箔片轴承动态特性实验研究

对嵌入弹簧式气体箔片轴承（NSFBs）的动态特性进行实验研究. 首先,设计搭建了NSFBs动态特性测试平台,分别对NSFBs进行转子静止和旋转（24.00 kr/min）状态下的冲击实验,从冲击实验结果中识别出轴承的动态刚度和等效黏性阻尼系数,并研究了轴承动态系数随弹簧个数的变化规律. 在测试过程中,为保证冲击载荷下不同弹簧数实验轴承的名义间隙相同,将轴承组装后进行静态推拉实验以测量实验轴承的名义间隙,然后根据测试的实际轴承间隙计算敲击实验中转子的直径. 实验结果表明：无论转子旋转还是静止,轴承的直接刚度系数、等效黏性阻尼系数和损耗因子都随着弹簧数量的增加而增加,并且,转子旋转状态下的直接刚度和等效黏性阻尼系数小于转子静止状态下的结果.