惯性通道式半主动悬架作动器的设计与研究

为了提高作动器减振性能,设计了惯性通道式半主动悬架作动器.建立了力学控制模型,推导出数学模型,求出动刚度、动阻尼和力传递率的表达式.通过改变惯性通道截面积对作动器系统进行动态特性仿真,得到各指标的变化规律.仿真结果表明:所设计的作动器系统减振特性明显,可以为半主动悬架系统提供低频大阻尼力和高频小阻尼力.     

基于样本噪声响应法的轮廓波消噪算法

分析了轮廓波消噪的有关性质,提出了适用于轮廓波消噪确定子带阈值收敛因子的样本噪声响应法。该方法根据样本噪声(标准高斯白噪声或者特定冲激信号)作用在每个子带上的统计特性,得到每个子带的收敛因子,使用该收敛因子对3σ(或4σ)准则进行修正来确定不同尺度不同方向子带的硬阈值门限。图像消噪实验结果表明:无论在峰值信噪比方面还是在视觉效果方面,本方法均可以取得比较满意的消噪效果;对于尺度较大的图像,可以极大地加快消噪速度并减小内存需求;硬阈值消噪之后使用自适应维纳滤波,峰值信噪比会有一定程度的提高。     

基于两通道不可分a trous-Curvelet变换的遥感图像融合

以同一场景多光谱和全色图像为研究对象,提出了一种基于两通道不可分矗trous-Curvelet变换的遥感图像融合算法.算法首先结合à trous小波变换和Curvelet变换的优点,构造出两通道不可分à trous-Curvelet变换方法,并将其与IHS变换相结合对图像进行多分辨率分解,然后依据高、低频层系数的特点采用不同的加权融合规则进行融合,最后用IHS逆变换得到融合图像.实验结果表明,相比于常用的基于小波变换等融合算法,新算法在光谱信息的保持和空间信息的增强上取得了更好的效果.     

考虑通道阻塞的双拣货员订单拣选优化研究

以双拣货员并行作业配送中心拣选系统为研究对象,针对拣货作业中通道阻塞引起的冲突问题,以最小化订单总延迟时间为目标,构建了考虑通道阻塞的双拣货员订单拣选优化模型,从冲突规避和冲突消解两个层面,分别设计了“先分配,再分批”的冲突规避策略和基于冲突调整时间最小的冲突消解策略,进而提出了基于拣货通道相似度的改进禁忌搜索算法CFTS.数值算例结果表明,本文提出的模型和算法有利于规避和化解通道阻塞,从而减少订单拣选时间和订单总延迟时间,对提高配送中心作业效率、提升客户服务水平具有重要指导意义.     

非均匀子带划分的宽带数字阵通道均衡算法

针对通道严重失配情况下,(加权)最小二乘法的频域均衡性能恶化和均匀子带分解的频域均衡占用过多硬件资源的问题,提出一种根据均衡滤波器的幅频特性非均匀划分频带实现均衡的方法。首先,根据幅度改善因子的大小来调整幅度划分的区间;然后,合并频点数小于滤波器阶数的相邻幅度区间,并求出对应的频带;最后,在非均匀划分的频带上实现信号的滤波补偿、合成。仿真结果表明,在通道严重失配情况下,相比均匀子带划分频域均衡方法,所提方法在幅度和相位改善因子上分别提高了8.68 dB和8.58 dB,在滤波器组数和阶数上分别降低了6组和8阶,可以提高子带频域均衡算法的硬件可实现性,改善宽带数字阵列雷达中脉冲压缩和数字波束形成的性能,增强雷达探测能力。     

二维材料气体分离膜及其应用研究进展

二维材料气体分离膜由于其独特的分子输运特性,在渗透率、选择性方面表现出优于传统薄膜的优势,具有巨大的发展潜力.石墨烯类、二维金属有机骨架、二维过渡金属碳化物/碳氮化物等二维材料中存在的亚纳米尺度空间为分子输运提供了特殊的通道,包括纳米孔和纳米通道,它们是高渗透性和高选择性分子筛选的根本原因.然而,二维材料薄膜在复杂工业环境中的不稳定性、难以进行大面积制备等使其实际应用受到了很大的局限,目前二维材料膜尚未大规模应用于工业生产中.本文选择性地对当前研究的热点二维材料气体分离膜研究现状进行总结,同时对其在CO₂捕获和分离、H₂分离和提纯、天然气提氦等领域的具体应用进行阐述,并且探讨了二维材料气体分离膜当前所面临的挑战与未来发展前景.     

脉动流与波纹壁通道耦合强化换热及优化研究

为获得节能效果良好的散热通道,并进一步提升壁面结构优化设计效率,提出将遗传算法应用于数值计算过程,建立壁面型线的数学模型。对比分析了正弦脉动流作用下弧型、正弦型和贝塞尔曲线型3类波纹壁通道内流动换热现象,实现应用遗传算法调控优化计算流程,完成了通道结构的精确、快速优化。结果表明,弧型通道的流阻最低,正弦型通道的传热增强效果最好,而贝塞尔型通道兼具适度的传热增强和流动阻力提升。当雷诺数为5 000和10 000时,贝塞尔型通道综合性能显著优于其余两类通道,相对提升均超过20%,而雷诺数增加到20 000时,通道综合性能也仅略小于弧型通道。壁面结构的添加在近壁面处激发出高湍动能区域,增强了近壁面流体与主流的传热、传质过程,近壁面高温工质被周期性地输运向主流方向。以贝塞尔型通道为优化对象,以综合性能评价指标为目标函数,建立了结合遗传算法的壁面型线快速精确优化方法。优化后的贝塞尔型结构整体趋向右后方布置,抑制了背流侧次级涡的分裂,涡结构强度得到保证。这一现象改善了背流侧的温度分布,缓解了局部过热问题,并最终实现了综合性能评价指标高达38.7%的提升。     

基于级联CNN的疏散场景中人群数量估计模型

对疏散场景中的人员数量进行准确估计,能为疏散路径的实时优化和应急资源的调度提供决策支持。为了获取疏散通道上不同区域的人员数量,该文在对已有方法分析和总结的基础上,通过设置分类情况和人员密度层级相联,建立了基于级联卷积神经网络(CNN)的人员数量估计模型,可有效避免卷积过程中部分图像信息丢失及过拟合的产生。通过学习图像中人员数量、位置随着图像特征变化的关系,可估计疏散通道上实时监控画面中人员数量。基于PyTorch深度学习平台开发,模型最终在验证集(612张图像)和测试集(182张图像)上的识别准确度分别为84.2%和83.6%,说明该模型可以比较准确地估计监控画面中的疏散人员数量。     

基于注意力机制的循环一致性生成对抗网络

针对循环一致性生成对抗网络（Cycle-GAN）在图像风格转换任务上出现的纹理细节处理得不好、背景颜色保留较差等问题,并且缩小在配对图像数据集和非配对图像数据集上训练结果的差异,提出一种基于注意力机制的循环一致性生成对抗网络,在生成器网络中融入通道注意力机制（SE-Net）,利用网络自主学习的方法得到每一个特征通道的重要程度,再分别赋予每个特征通道不一样的权重系数,以此来强调有重要特征的部分、抑制非重要特征的部分,使得不同特征和不同区域能够被生成器网络非均匀的处理。同时引入对比学习（CL）,使网络能够学习到图像的更高层次的通用特征。实验结果表明,所提方法在horse2zebra数据集上取得了较好的结果。     

基于双注意力深度学习的在线资源推荐

为了提高在线资源推荐的性能,采用深度学习卷积神经网络(Convolutional neural network, CNN)进行资源推荐,同时对资源-用户特征进行双注意力机制特征提取,以进一步提高推荐精准度。对资源-用户特征进行编码并初始化,分别进行通道注意力机制运算和空间注意力机制运算。将两个注意力机制的运算结果加权求和得到新的用户-资源特征。建立基于CNN的在线资源推荐模型,并以资源和用户的最小特征差作为损失函数进行迭代优化,从而求解出CNN网络参数。通过双注意力机制的用户-资源特征输入到CNN模型,并执行训练以获得符合用户需求的推荐结果。试验结果表明,通过合理设置双注意力机制通道数及卷积核尺寸等参数,可以有效提高双注意力CNN的推荐性能。与常用资源推荐算法相比,所提算法在推荐准确度及稳定性方面均具有一定的提升。