轮胎硫化异步胀缩内模具的设计

提出一种基于轮胎直压硫化工艺技术的轮胎硫化异步胀缩内模具设计方案。首先针对斜楔式内模具的局限性,设计了一种适用于尺寸较小、扁平比较大的异步胀缩伸缩方式轮胎硫化内模具,以205/40R17规格轮胎进行新内模设计,并结合不干涉条件和几何特性分析建立约束方程,确定了异步胀缩内模具的尺寸参数;在此基础上,为确保异步胀缩内模具的可靠性,对硫化压力状态下内模具的关键部件进行了强度校核。     

ASIFT与SVD相结合的Contourlet域的抗几何攻击视频双水印算法

为平衡数字水印技术中的鲁棒性与透明性,提出基于仿射尺度不变特征变换(ASIFT)与奇异值分解(SVD)结合的Contourlet域视频双水印算法。首先,利用卡尔曼滤波器将视频帧内的运动物体进行分离获取运动宏块,对运动宏块进行Contourlet变换;其次,利用奇异值分解对图像的信号攻击存在较高的稳定性和低频子带系数直方图在旋转、缩放等几何攻击具有较强的鲁棒性,自适应地将混沌水印序列分别嵌入到高频子带奇异值矩阵和低频子带系数中;最后,以ASIFT的尺度和方向不变性作为触发器,用于判断嵌有水印的视频遭受的攻击类型。本文算法能保证嵌入水印的视频帧的峰值信噪比值(PSNR)在70 dB以上,水印的嵌入量达到240×360 bit。实验结果表明本文的算法能够保证水印的不可见性的同时针对几何攻击和信号攻击都具有较强的鲁棒性。     

基于几何特征的兵马俑断裂面匹配方法

针对兵马俑碎块的三维数据模型中噪声含量大、断裂面存在缺损等问题,提出一种基于断裂面上几何特征的碎块精确匹配方法.首先从兵马俑碎块的外表面中分割并识别出断裂面;然后提取断裂面上凸凹不平的特征区域,并根据其相似性实现碎块的粗匹配;最后计算断裂面的曲率、法线以及点云密度等几何特征,并采用基于该几何特征的改进迭代最近点（iterative closest point,ICP）算法实现碎块的细匹配.实验采用大量兵马俑碎块验证该匹配方法,结果表明该匹配方法可以实现兵马俑碎块的匹配,特别是提出的细匹配算法,与ICP算法和MICP算法相比,其匹配精度分别提高了约40%和10%,耗时分别降低了约50%和25%;该基于几何特征的断裂面匹配方法是一种有效的兵马俑碎块匹配方法.      

基于身份认同的动机理论及其对大学生学业结果的影响

首先介绍基于身份认同的动机理论。该理论是一种关于人类动机和目标追求的依赖于情境的社会心理学理论, 它认为人们会以一种与某种情境下被启动出来的身份相一致的方式来行为。人们采用某种行为或不采用某种行为, 受到经由环境启动而出现的身份感知的影响。然后, 综述在该理论指导下的相关研究进展情况。最后指出, 未来研究可能需要考虑其他文化背景下的身份类型和不想要的未来身份对大学生学业结果的影响以及某些认知能力与人格因素的调节与中介作用。     

2类凸函数的Hermite-Hadamard-Fejér型不等式

介绍了一种已有的建立第1个Hermite-Hadamard-Fejér型不等式的方法,并以建立GA-凸函数的第1个Hermite-Hadamard型不等式为例来说明这种方法.使用该方法建立了2类凸函数的第1个Hermite-Hadamard-Fejér型不等式,作为特例,得到η-凸函数和广义几何凸函数的第1个Hermite-Hadamard-Fejér型不等式.     

基于廊道空间几何特性的室内导航路网模型构建

针对具有廊道式空间的建筑物的室内导航路网模型构建问题,结合建筑物内部元素的几何、语义、拓扑三类信息,利用室内环境的空间几何特性进行室内导航路网模型构建研究。主要包括:匹配走廊边界线中若干对距离较近的平行线对并提取其中轴线以形成骨架通道网络;通过对偶变换将房间、门等元素抽象表达为点对象,并按其实际连通关系连接边对象与点对象,由此形成完整的室内导航路网模型。应用结果表明:该算法对构建室内导航网络具有一定的实用价值。     

深度神经网络内部迁移的信息几何度量分析

使用深度神经网络处理计算机视觉问题时,在新任务数据量较少情况下,往往会采用已在大数据集上训练好的模型权值作为新任务的初始权值进行训练,这种训练方式最终得到的模型泛化能力更好.对此现象,传统解释大多只是基于直觉分析而缺少合理的数学推导.本文将深度神经网络这种网络结构不变下层间的学习转为深度神经网络内部的迁移能力,并将学习过程变化形式化到数学表达式.考虑数据集对训练过程带来的影响,利用信息几何分析方法,确定不同数据集流形之上的度量和联络,实现不同数据集之间的嵌入映射,同时将参数空间的变化也放入流形空间,探究其对学习过程的共同影响,最终实现对这种内部迁移现象的数学解释.经过分析和实验验证可得内部迁移过程其实是一种能使网络可以在更广空间进行最优搜索的变化,有利于模型可以在学习过程中获得相对的更优解.     

基于区域时变聚类采样机制的物联网 大数据传输算法

为解决传统物联网大数据传输算法存在的网络链路抖动频繁、传输能力受限以及传输误码率大的不足,提出了一种基于区域时变聚类采样机制的物联网大数据传输算法。首先,根据物联网信号发射中常用的LTE-5G信号特性,采取分信道传输及抽样过滤技术来实现数据传输过程中的正交化,消除节点间因信号频率相似而导致的干涉现象,提高网络数据传输效率;随后,几何聚类机制与能量-阈值映射裁决方法,构建了稳定聚类采样方法,利用功率最佳及能量最佳的方式来实现传输节点的筛选,强化传输链路的稳定性能,降低因链路抖动而导致误码的风险。仿真实验结果表明:与常见的超高斯频率漂移传输提升机制(Transmission Mechanism of Super Gauss Frequency Drift Transmission, SGFD-T机制)及拉普拉斯信道滤波传输机制Laplasse Channel Filtering Transmission Mechanism,LCF-T机制)相比,所提算法具有更大的上传带宽和更低的数据采集错误率与误码率。     

基于S-R和分解定理的无网格法在功能梯度板中的应用

为了研究功能梯度板的非线性变形问题, 以 S-R 和分解定理为基础, 从虚功率原理出发, 结合更新拖带坐标系法、无网格 Galerkin 法, 推导出用于求解三维几何非线性问题的离散方程. 利用 MATLAB 编写无网格法程序, 对功能梯度板的非线性弯曲问题进行求解, 并研究板的体积分数指数和宽厚比对板弯曲的影响. 将计算结果与已有成果进行了比较, 验证了三维 S-R 无网格法求解功能梯度板大变形问题的合理性.     

6R机器人的几何求逆算法

为了提高机器人逆解运算的精度与速度,提出了一种几何求逆算法。该几何求逆算法首先是将机器人简化为具有刚性特征的连杆机构,并将机器人的工作范围划分为四个象限区且通过几何运算求得机器人位姿与各个关节角度之间的关系,然后利用机构的刚性特征以及机器人的作业要求确定各个象限区中的逆解函数,最后通过已确定的逆解函数求得机器人关节角度的时间函数。文章以ER10L—CIO机器人为例,验证了算法的正确性与实用性,证实了算法在计算精度和运算速度方面所体现的优越性。