变电站巡检机器人避障方法研究与应用

为提升变电站巡检机器人的导航避障能力,将深度学习技术应用于变电站场景识别中,提出了一种基于深度卷积神经网络的避障方法.该方法联合图像分类和语义分割两个分支来共同辅助机器人导航避障,分类分支通过获取图像全局信息,保证机器人正确行驶方向;而语义分割支路则根据图像局部信息以及机器人前方目标类别,指导机器人准确避障.实验结果表...     

钨合金易碎动能穿甲弹穿甲有限元模拟与分析

研究具有不同力学特性的材料作为钨合金易碎动能穿甲弹的侵彻和破碎性能.在建立钨合金易碎动能穿甲弹有限元分析模型的基础上,运用大型动态非线性有限元分析软件MSC-Dytran模拟具有不同拉-压强度比的钨合金穿甲弹在穿透靶板时的侵彻和破碎过程.仿真结果表明,弹体的破碎及毁伤性能随其材料拉伸强度的降低而提高;弹体材料拉伸强度的提高有助于侵彻的进行.数值模拟和结果分析有助于为易碎钨合金动能穿甲弹的研制提供一定的理论参考依据.     

武汉城市圈可持续发展能力综合评价

构建了城市圈可持续发展能力的评价指标体系,并在此指标体系框架下,运用因子分析法对武汉城市圈9个城市的可持续发展能力进行了综合评价,结果表明：武汉城市圈存在核心城市“一城独大”、圈内城市发展不均衡的现象,需要尽快建立城市圈协调机制并加强圈内城市的有效合作,进而实现整个城市圈可持续发展能力的整体提升．     

上海世博：邂逅未来城市——160年世博路

“每一届世博会,无论规模大小,都使人类迈上了一个新的台阶。”世博的主角是科技和人类的智慧,它满足了人类内心深处隐藏着的展示成就的愿望。2010年上海世博会带来了怎样与众不同的科技创新,未来城市又将是怎样一番景象？     

春性小黑麦材料抗旱性的比较研究

为筛选抗旱性相对较强的小黑麦品（种）系,本文采用灰色关联度、隶属函数值、模糊聚类分析方法,通过室内模拟干旱与大田干旱实验相结合,对20个春性小黑麦品种（系）的主要农艺性状和部分生理性状与产量抗旱指数的关联度进行分析,再采用隶属函数值法对参试材料进行综合评价和分析。结果表明：通过灰色关联度分析,各生育阶段各性状与产量抗旱指数的关联度排序与综合三个生育阶段的各性状的总关联度排序趋势一致（除离体根系失水速率）。再通过综合评价与聚类分析,最终筛选抗旱性相对较强的小黑麦抗旱品种（系）05草鉴10、05草鉴12和H03—5。     

乌鲁木齐河下游地区土地利用/覆盖时空变化研究

在解译和分析1989, 1999 和2007年3个时相的TM 和ETM+遥感影像基础上, 运用GIS和数理统计方法, 通过建立土地利用/ 覆盖变化转移矩阵和构建土地利用/ 覆盖动态变化模型, 对乌鲁木齐河下游地区 18 年土地利用/ 覆盖的时空动态变化进行研究。结果发现: 1989?2007 年该地区建设用地显著增加, 城市扩张明显, 耕地、草地和林地面积在近 18 年也有增加;1989?1999 年, 土地盐碱化严重, 水库的新扩建使水域面积在20 世纪 90 年代显著增加; 通过地类变化速度分析, 发现林地的转入率和转出率均较高, 这和当地人工林成活率较低有关;土地利用/ 覆盖变化空间差异分析表明水磨沟区和新市区在近18年城市扩张最为显著。     

探究石油化工污水处理技术的现状与发展

目前,石油化工在我国的现代化建设中占据着重要的地位,但其在生产过程中消耗资源量过大,特别是水资源,所以如何对石油化工污水进行处理就显得尤为重要,本文对石油化工的处理污水技术进行了总结,并结合近些年来的发展动态,分析了该项技术的发展方向,希望能够增加人们对这一方面知识的认识。     

基因表达谱数据的多分类问题研究

针对基因表达谱微阵列的数据多分类问题,给出一种在多病类情况下的基于信噪比和相关性的特征基因选择方法.该方法一次性考虑基因区分所有病类的能力,尽量避免基因的冗余性;其次利用支持向量机,构建了基因表达谱微阵列数据的多分类器;最后通过实验表明了本方法的有效性.     

不同侧风类型影响下的飞机尾涡数值模拟研究

在航空飞行中,低空风切变极易对处在起飞爬升或进近着陆阶段的飞机带来安全隐患,严重时会导致飞机失速甚至坠毁。低空风切变往往还具有持续时间短、尺度小、突发性强等特点。因此在中国民航和通用航空业高速发展的背景下,加强对飞机遭遇低空风切变的数值模拟仿真和研究具有重要意义和实际价值。采用SST模型并使用FLUENT计算尾涡演化,通过构建H-B尾涡耗散二维模型,应用ANSYS FLUENT UDF(user defined function)编译环境侧风不同的7种情况进行尾涡耗散机理的数值模拟,通过对比成都双流机场实地探测的尾涡发现在非线性垂直切变影响下侧风和涡诱导速度的叠加会导致尾涡对周围的压力分布不对称,引起尾涡对倾斜。     

基于云计算的并行k-means算法研究

针对传统k-means聚类算法面对海量数据存在时间复杂度急剧增加的问题,结合云计算的优势,提出基于MapReduce编程框架来实现k-means聚类算法的并行化处理。Map函数完成每个样本记录到聚类中心的距离计算并标记其所属聚类类别,Reduce函数汇总中间结果并计算出新的聚类中心,供下一轮迭代使用。通过实验表明:基于MapReduce的并行化k-means聚类算法具有较好的加速比和良好的扩展性。