增强现实系统中自适应光照调节技术研究

增强现实系统中要解决的关键问题之一是光照一致性,它是确保虚拟物体表面光照效果真实感,使其能和真实环境很好的融合的关键.系统中必须配合真实光源的情况,在虚拟物体上制作出明暗、反射、阴影等光照效果.通过对光照一致性问题以及由光照引起的相关问题的研究,引出了光照模型理论,推导了基于镜面反射的光照检测方法,研发了一个自适应的光照调节系统,较好解决了虚实场景的光照一致性,并且成功地将自适应的光照调节系统应用在基于投影的AR系统中,得到了良好的视觉效果.     

有效开发教学资源,合理配置是关键——浅谈我校多媒体教室设备合理配置问题

随着教育改革的不断深入,利用多媒体手段进行教学、科研已是大势所趋。然而,如何充分挖掘和开发多媒体教室设备的各项功能,最大限度的发挥多媒体教室使用效率,以满足教学的最大需要,是一个普遍问题。因此,结合我校的实际情况,探讨我校多媒体教室设备配置问题,使多媒体设备更趋于完善,从而提高使用效率和教学效果。     

聚合物加脂剂RF-1的应用工艺及特性

研究了不同工艺条件对聚合物加脂剂RF-1应用性能的影响.结果表明,RF-1具有优良的加脂复鞣性能,是制作防水耐洗服装革的理想材料。     

机械臂系统混沌运动的数值分析

以双柔性机械臂系统为例，分析了这系统的非线性动力学特征——混沌运动，探索这些定性特征，对于研究多体系统动力学行为，有着非常重要的意义。     

Banach空间积-微分方程整体解的存在性

利用上下解的单调迭代方法,采用适当的迭代程序,在较弱的条件下,获得了Banach空间积-微分方程初值问题整体解的存在性结果.     

泵闸混凝土施工期智能温控关键信息识别

为实现施工期大体积混凝土温控要素的智能快速识别,提高智能温控系统的反馈及预测模型精度,提出了一套智能算法对物联网技术采集到的各类温控要素原始测值进行识别及转化。针对浇筑温度、浇筑时间、最高温度、内外温差、冷却通水起止时间与表面保温覆盖等施工期关键温控参数,结合工程经验分别给出相应识别任务的判定逻辑并编写对应程序,然后应用多个实际工程数据进行验证,并分析各识别功能的准确率。验证结果表明,本文算法识别效果良好,能够实现温控要素采集的自动化、智能化、快速化、精准化,具有较强的工程实用价值。     

NTA强化Fe(Ⅱ)/PMS体系降解橙黄G的效能与机制

针对二价铁/过一硫酸盐(Fe(Ⅱ)/PMS)体系存在近中性pH条件下氧化效能低的问题,采用氨基三乙酸(NTA)强化Fe(Ⅱ)/PMS体系降解橙黄G(OG),研究NTA/Fe(Ⅱ)/PMS体系中OG降解的效能和机制,考察NTA,Fe(Ⅱ),PMS等反应物浓度和溶液pH值对OG降解效能的影响.实验结果表明：当pH=6.5时,NTA可显著强化Fe(Ⅱ)/PMS体系的氧化效能,OG的去除率从11.7%提高到92.5%,NTA的加入提高了溶液中有效活化剂的浓度,促进PMS分解生成活性物质;NTA/Fe(Ⅱ)/PMS体系中主导的活性物质为Fe(Ⅳ)和SO^-₄·,二者对体系氧化效能的贡献分别为72.0%和28.0%;增加NTA,Fe(Ⅱ)和PMS的浓度有助于OG的降解,但当三者浓度分别超过1.5,1.5,2.0 mmol·L^-1时,出现抑制现象;引入NTA既提高了Fe(Ⅱ)/PMS体系在近中性pH条件下的氧化能力,又拓宽了该体系的pH应用范围.     

不同分级循环加卸载模式下六边形蜂窝能量演化规律

为了阐明循环加卸载路径对六边形蜂窝能量演化的影响规律,设计了3种不同分级循环加卸载试验,揭示了不同分级循环加卸载模式下外界输入总能量、弹性变形能、耗散能、塑性变形能等参数的演化特征及相互关系,研究结果表明：不同分级循环加卸载作用下,蜂窝的初始峰值强度和平台应力与卸载过程蜂窝弹性能的释放程度有关;3种不同分级循环加卸载模式下外界输入总能量、蜂窝的弹性变形能和塑性变形能随着加卸载梯级增大呈现非线性增加的趋势,耗散能在前三级循环作用下随着加载次数增加而减小,在最后一级循环中循环载荷上限较大,扰动效应强于强化效应,耗散能呈现相反趋势;提升循环载荷上限,蜂窝内部损伤增加,且越接近蜂窝初始峰值强度,蜂窝的损伤越严重;同时提升循环载荷下限,蜂窝弹性能释放较少,损伤加剧。     

基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。     

适用于中小跨径桥梁频率识别的移动检测车辆参数研究

为了实现对大规模中小跨径桥梁群体的快速检测,提出了一种参数可调的移动检测车辆,并通过理论推导、试验验证和参数分析对车辆参数的合理取值进行研究. 首先,通过车-桥耦合振动理论推导出“拖车-双挂车”过桥振动响应的解析解;其次,利用有限元模型和车桥耦合计算程序的数值计算结果,以及一座简支梁桥的现场试验结果对理论解析解进行验证;最后,基于推导的理论解析解进行参数研究,分析了检测车辆的动力参数、车速以及桥梁参数对间接法识别精度的影响. 结果表明：当车桥频率比在0.8~0.9（或1.1~1.2）之间变化时,桥梁频率识别效果较好;在利用间接法进行桥梁频率识别时,建议移动检测车辆的车速不宜取太大;根据桥梁的截面面积、截面形状和跨度对检测车辆参数进行合理的选取,可提高桥梁频率识别的准确性. 研究结果可为基于车辆响应的桥梁频率间接识别提供参考.