基于深度神经网络的高环境 适应性水声通信系统研究

深度神经网络中的自动编码器(Autoencoder,AE)通过收发端两个神经网络模块进行全局优化,利用端到端的训练方式以提高通信系统的可靠性.然而,现有对AE的研究未针对信道进行特殊设计,尤其对于时变的水声信道的多径效应,难以进行灵活调整,降低了该方法的实用性.本文提出一种提高水声通信系统信道环境适应性的Attention-Autoencoder网络模型,基于Attention网络可以高效地从大量信息中筛选出关键信息的特点,设计了一种针对水声信道的Attention机制,该机制能够增加网络提取水声信道特征的能力,使系统的适应性大大提高.仿真验证和湖试实验结果表明,基于Attention-Autoencoder网络模型的通信系统与基于文献中AE模型和没有引入神经网络的水声通信系统相比,具有更高的信道环境适应性.     

独蒜兰优质种苗快速培育研究

建立独蒜兰优质种苗快繁体系,为实现独蒜兰植物工业化育苗、保护野生植物资源和发展人工育种技术提供新的途径.本研究从不同基本培养基对独蒜兰种子萌发影响、丛生芽诱导增殖培养和无根苗生根壮苗等方面开展研究.筛选出影响独蒜兰种子萌发的最佳基本培养基为B5,培养30 d统计种子萌发率为92％;丛生芽诱导增殖的最佳培养基为B5+TDZ 2.0 mg/L+KT 0.5 mg/L+200.0 mg/L肌醇+2.0 g/L活性炭+20.0 g/L蔗糖,培养60 d丛生芽率诱导率为98.00％,平均产生丛生芽数为6.80个;最佳生根壮苗培养基为1/2MS+IBA 0.2 mg/L+6-BA 0.1 mg/L+2.0 g/L活性炭+30.0 g/L土豆泥+20.0 g/L蔗糖,培养60 d后统计生根率为100％,平均生根数为3.20条,平均鲜重为21.11 g.     

联合卫星定位和测量机器人的超高层建造过程水平位移监测

在超高层建筑建造过程中,常用测量机器人监测中间楼层的监测点的变形。削弱建筑晃动影响对于监测结果的稳定性至关重要。为此,首先提出一种利用楼顶卫星接收机测量建筑晃动情况,通过内插得到中间楼层瞬时晃动影响的方法,并通过实验验证该方法的有效性。在此基础上,利用该方法对多期监测数据进行处理,结果表明该方法可获得更加稳定的监测结果。将处理结果与有限元分析的结果进行比较,结果表明使用该方法后监测结果与有限元分析的结果吻合度较高。     

用于热源温度非稳定的热水器智能恒温阀设计

现阶段,淋浴一般采用手动机械调温阀进行调温,该类调温阀在热水源不稳定的环境中使用时存在调温时间长、恒温难、水资源浪费严重和用户沐浴体验较差等问题。该类问题在太阳能热水器中表现尤为严重。为此,本文设计了一款基于比例微调算法的可自动调温的家用智能淋浴控温阀,可实现一键恒温。样机的调试结果显示,该淋浴智能自动控温阀具有人机交互性强、调控响应速度快、水温水量恒定的特点,具有一定的应用推广价值。     

融合码盘和激光雷达的里程计与建图

提出了一种用于自动驾驶汽车的低漂移、低延迟的里程计与高精度建图的算法。该方法融合了多种传感器的测量结果，包括车轮编码器、转向盘转角编码器、激光雷达及可选GPS等的测量结果。里程计算法由车轮里程计和激光里程计组成：前者基于车辆运动学模型，高频、实时估计位姿增量，用于点云去畸变和为后者优化位姿提供可用的初值；后者以较低的频率估计车辆的精确位姿变化，以补偿前者累计的误差，其核心是一种基于角度度量的两阶段特征提取方法。建图算法基于因子图，包含激光里程计因子、回环因子和可选GPS因子，通过增量平滑和建图算法优化全局轨迹，在线生成全局地图，其中GPS因子能够自动对齐GPS坐标系和里程计坐标系，逐步融合GPS测量值，解除了算法初始化过程对于GPS的依赖。所提出的方法在自动驾驶汽车平台数据集上进行了评估，并和已开源的部分相关工作进行对比，结果表明它具有更低的漂移率，在本文进行的最大规模的测试中达到了0.53%。相关代码以开源形式供交流参考（https：//github.com/Saki-Chen/W-LOAM）。     

定向气流TG-CVI法快速致密化盘状 C/C复合材料工艺

C/C复合材料因其特异性能在航空航天、武器装备等领域得到了广泛应用.但其制备过程中致密化周期很长导致成本居高不下,限制了C/C复合材料在众多领域的应用.采用定向气流温度梯度气相渗透(TG-CVI)快速致密化方法制备盘状C/C复合材料,并对其致密化行为和致密化工艺进行研究.结果表明:定向气流TG-CVI法能有效抑制气相沉积过程中C/C复合材料表面"结壳"现象,实现盘状C/C复合材料的逐层快速致密化,是制备盘状C/C复合材料较为理想的工艺.在1 080℃下,只需沉积67 h,C/C复合材料的密度就可达到1.8 g/cm~3,热解碳结构全部为粗糙层结构(RL).