码头岸壁的凹凸贴图绘制

介绍凹凸贴图的几种方法,详细分析了点乘凹凸贴图,特别是从物体空间到切线空间的变换过程.基于GPU顶点着色及像素着色,应用点乘凹凸贴图绘制码头岸壁,岸壁表面看上去凹凸不平,取得了逼真效果.为基于GPU进行船舶操纵模拟器的开发做了有益尝试.     

压电石英晶体扭转效应的ANSYS分析

在通过各向异性弹性理论和麦克斯韦理论研究Y 0°切型石英晶片的扭转效应,得出其扭转应力场和非线性极化电场分布的基础上,利用AN SY S的耦合场分析验证了压电扭转效应的存在.通过建模、划分网格、求解和后处理几个典型的步骤得到Y 0°切型石英晶片的应力值和极化电压,显示其与所加载的扭矩值成明显的线性关系.而采用分割电极的方法进行实验,其数据也证明了理论分析及有限元分析的正确性.     

汉语自动分词中中文地名识别

以词语级的中文地名为识别对象,根据地名内部用字的统计信息和地名构成特点产生潜在地名．在汉语自动分词中将可信度较高的潜在地名等同于句子的候选切分词,利用候选切分词本身的可信度和上下文接续关系评价句子的各种切分方案．在确定句子最佳切分时识别句子中的中文地名．对真实语料进行封闭和开放测试,封闭测试结果为召回率93．55％,精确率94．14％,F-1值93．85％;开放测试结果为召回率91．27％,精确率73．48％,F-1值81．42％．取得了比较令人满意的结果．     

基于新型空间注意力机制和迁移学习的垃圾图像分类算法

随着我国各级政府大力推动垃圾强制分类,分类回收各环节中实现标准化、自动化的垃圾分类识别需要适合云端部署的高准确率、低延时要求的细粒度图像分类模型.本文发挥深度迁移学习的优势建立了一套端到端的迁移学习网络架构GANet (garbage neural network);针对垃圾分类中类别易混淆、背景干扰等挑战,提出一种新型的像素级空间注意力机制PSATT (pixel-level spatial attention).为克服类别多和样本不平衡挑战,提出使用标签平滑正则化损失函数;为改善收敛速度以及模型稳定性与泛化性,提出了阶梯形OneCycle学习率控制方法,并给出了结合Rectified Adam (RAdam)优化方法和权重平滑处理技术的组合使用策略.实验使用了"华为云人工智能大赛.垃圾分类挑战杯"提供的按照深圳市垃圾分类标准标注的训练数据,验证了GANet在垃圾分类问题中的显著效果,获得了全国二等奖(第2名);同时,提出的PSATT机制优于对比方法,且在不同主干网络架构上均得到了提升,具有良好的通用性.本文提出的GANet架构、PSATT机制和训练策略不仅具有重要的工程参考价值,也具有较好的学术价值.     

基于指标函数的舰载机机队回收调度优化研究

由于复飞逃逸、飞行故障等因素随机发生, 传统静态调度方法难以有效解决动态随机调度问题。对此,提出一种基于飞机优先序指标函数的蒙特卡罗模拟-差分进化搜索的实时调度算法。在离线模拟回收环境下,由算法完成基于随机模型的指标函数系数优化,后由该指标函数实现对机队优先序的实时评估排序,进而完成回收在线动态调度。仿真结果表明所提算法能有效解决回收调度问题。在相同机队初始输入下, 目标值呈现较好统计特性, 其期望值能够快速收敛到一定范围, 且无复飞情况下着舰时间窗目标呈显著正态性; 不同回收机队输入对指标系数最优值的散布较小, 表明指标函数评估优先序具有较好的通用性和有效性; 模拟回收调度发现, 着舰成功率的提高将显著降低机队复飞次数, 提高回收效率。     

社会安全网的编织——福建农村最低生活保障制度的覆盖面与服务递送

1997年,福建省在推进城市最低生活保障制度的同时,开始了农村最低生活保障的实验.2004年,福建省推行了社会救助"新政",在全省范围内建立了农村低保制度,农村低保的覆盖面有了实质性的拓展.在服务递送方面,福建省采用各种适合于当地民情的办法,尽最大可能保证了应保尽保和目标定位的准确性,从而确保有限的社会救助资源分配到最需要的民众.福建省农村低保工作在受益资格确定、服务组织体系建设、综合性社会救助项目间的协调等还有待巩固和加强.     

谢桥煤矿1242(1)首采工作面矿压显现规律研究

以谢桥煤矿1242(1)首采工作面为例,分析了综采工作面矿山压力显现特征、顶板活动规律、液压支架的性能和对该煤层顶底板的适应性及控制效果、工作面顺槽超前支承压力分布,对初次来压期间和周期来压期间支架载荷特征进行了较为系统的分析,为后期开采11-2煤层积累了经验.     

基于卷积神经网络感知功能的极端场景生成方法

近年来,基于卷积神经网络深度学习的感知算法在自动驾驶车辆环境感知系统中发挥着越来越重要的作用。由于在神经网络训练过程中,训练数据无法覆盖所有极端场景,因此如何保证基于深度学习的感知算法在极端场景下的安全性和可靠性,仍是一个亟待解决的问题。传统的基于真实行驶里程的验证方法,在获取极端场景数据上危险性高,经济性差,因此很难检验驾驶功能在极端场景下的性能。基于虚拟场景的仿真验证方法,虽然可以通过设置场景参数来生成大量测试场景,但是通过简单的参数组合并不能有效的生成极端场景。本文展示了一种在虚拟环境中生成极端场景的方法,用于训练和测试基于深度卷积神经网络的车道线识别算法。首先将场景特征用参数进行表示,然后使用deep Q-learning强化学习的方法,来生成极端场景的参数组合。通过与随机组合以及成对组合场景参数的方法进行对比,可以看出该基于强化学习的场景生成方法可以更有效地生成极端场景,因此可提高自动驾驶感知功能的测试效率,同时可为卷积神经网络提供更多的极端场景训练数据。     

电动车I-AMT挡位切换电机-离合器协同控制

纯电动汽车匹配两挡变速箱能够改善整车动力性和经济性,由于其具有结构精简和无动力中断的优越性,因此高挡位摩擦离合器与低挡位单向离合器组合的传动构型成为电动汽车两档变速器的主流方案。然而,车辆在倒挡行驶时,需要挂入牙嵌离合器才能克服单向离合器只能传递单方向扭矩的问题。本文以一款基于牙嵌式离合器的新型无动力中断两挡自动变速器（I-AMT）为研究对象,协同控制驱动电机和倒挡执行机构电机使牙嵌式离合器平稳快速结合。针对驱动电机系统响应延时问题,使用史密斯预估器算法对控制系统进行预估补偿,并通过实验对控制策略进行验证。结果表明,该控制策略可有效避免牙嵌式离合器挂入时的冲击,保证了变速器可在短时间内在各个挡位之间平顺切换。     

岩体水力压裂应力-渗流耦合近场动力学模拟

裂隙岩体应力-渗流耦合机制是油气开采、地应力测量与地质灾害防控等岩土工程活动的理论基础。基于近场动力学非局部作用思想提出了物质点双重覆盖理论模型,通过将近场动力学在模拟固体材料变形损伤与地下水渗流两方面的优势相结合,采用“混合”时间积分方案,构建了流体压力驱动条件下裂隙岩体应力-渗流耦合的常规态型近场动力学模拟方法,并将其应用于空心圆柱体注水试验模拟,揭示了水力裂隙起裂、扩展和贯通的作用机制,通过与室内试验及传统数值方法计算结果对比验证了模拟方法的有效性。模拟结果显示,空心圆柱体注水试验过程中岩体的变形和破坏完全是由水力驱动的,水力裂隙的产生是随机的,不需要指定裂隙扩展路径,并且水力压裂过程中致使试件破裂的能量存在积蓄-释放过程,应用近场动力学方法可以较好地捕捉该现象。