基于Archard理论的挤压次数对模具磨损量的影响分析

针对前次挤压对后次挤压的模具磨损有着显著影响,模具的总磨损量并不与单次磨损量呈简单的线性关系,将考虑温度影响的Archard磨损计算修正模型与有限元数值模拟分析方法相结合,预测铝合金挤压过程中模具表面磨损最严重的部位,建立该部位磨损量与挤压次数之间的确切关系,并由此提出一种考虑挤压次数影响的总磨损量计算公式.     

基于ANSYS渐开线花键冷搓成形的数值模拟

依据大变形弹塑性有限元理论和接触理论,借助软件ANSYS,对渐开线花键冷搓成形过程进行了数值模拟,并对成形结果进行了分析研究,得出其变形及应力分布的规律,定量地计算出成形后工件的具体形状,得出齿形轮廓上不同节点具体回弹量.模拟结果可以代替反复的实物试验,为生产实际提供可贵的参考.有助于花键冷搓成形理论、花键搓齿板的设计与相关工艺进一步完善与发展.     

大跨度斜拉桥动力特性分析

应用全桥组合有限元分析的技术思想,以实际建成的大跨度斜拉桥为工程背蒂,建立计算的基准桥有限元模型。应用通用有限元程序对整桥建立空间有限元模型,计算其动力特性,并结合其他同类型桥梁的理论计算,分析了该类型桥梁的动力特性,为该桥的抗震、抗风设计提供参考。     

基于小波分析的水稻蛋白OsPCBP的Hurst指数的提取

用DNA walk方式将水稻蛋白OsPCBP的DNA序列映射为相应的数字信号,并利用小波变换提取其Hurst指数.结果分析表明,在OsPCBP的DNA序列中存在长程相关性.     

城市环境中箭头型交通信号灯的实时识别算法

提出一种检测和识别城市环境中箭头型交通信号灯的新方法.首先,用图像颜色分割和形态滤波来定位交通信号灯的灯板位置;其次,将交通信号灯的灯板区域彩色图像转换到YCbCr空间,对Cb和Cr通道进行阈值分割,判断形态及交通信号灯与灯板的相对位置来确定红色、黄色和绿色交通信号灯候选区域.然后,用二维Gabor小波变换和二维独立分量分析来提取交通信号灯候选区域的特征;最后,用最近邻分类器识别交通信号灯的箭头方向.实验结果表明:该算法的总体识别率超过91％,每帧图像的处理时间为152 ms,能够为行驶的车辆提供实时、稳定和准确箭头型交通信号灯信息.     

小波变换和嵌入式隐马尔可夫模型在人脸识别中的研究

文章提出一种基于小波变换和嵌入式隐马尔可夫模型的人脸识别算法.该算法能降低主成份分析算法在提取人脸特征时容易受光照、人签倾斜角度以及人签表情等外界因素的影响.分析了小波变换算法中影响人脸识别率的关键问题.实验结果表明,提出的算法取得比较好的识别效果.     

自动保管箱存取机械手立柱结构的优化设计

针对某型号自动保管箱存取机械手立柱的结构特点和受力状况,运用有限元软件ANSYS Workbench对其立柱进行建模及静力学分析,并对立柱壁厚进行优化设计,使优化后的立柱在满足刚度和强度的前提下质量减轻了46.8%,研究结果对立柱的制造和提高存取机械手的工作性能具有指导意义.     

多层框架结构基础隔震有限元分析

以一幢8层框架结构的隔震建筑和传统抗震设计建筑的抗震效果进行分析对比,应用ABUQUS软件建立框架计算模型,分别采用普通叠层橡胶支座(RB)和铅芯橡胶支座(LRB)作为隔震装置的基础隔震2种隔震抗震方案,对其框架结构模型的底部输入E-l centro形地震波.分析结果表明,RB方案与LRB方案的抗震效果均优于传统方案,且RB方案抗震效果略好于LRB方案.     

基于多小波的局部背景隐马尔可夫模型图像去噪

小波域局部背景隐马尔可夫模型（LCHMM）可获得尺度内的相关性和局部的统计特征,并且复杂度小,多小波分析在图像去噪方面有很好的性能。利用多小波分析和局部背景隐马尔可夫模型各自在图像去噪方面的优势,将两者结合起来,提出了一种基于多小波的局部背景隐马尔可夫模型（M—LCHMM）图像去噪算法。算法主要有两步：局部背景隐马尔可夫模型去噪处理和均值处理。该算法简单有效,仿真试验表明M—LCHMM的去噪效果优于目前许多已有的去噪算法。     

强度不均匀焊接接头的应力分布及变形

为解释强度不均匀焊接接头最软区的强度及宽度与其承载能力的关系,用有限元对这类接头的单轴拉伸试样上应力分布及变形进行分析,当外加应力超过最软区的屈服应力时,在最软区及其邻近区域出现三轴应力状态;在有屈服应力差别的区域交界处Mises等效应力发生阶跃变化,其变化幅度与交界面两侧材料的屈服应力差值有关,随外加载荷的增加而增大.最软区Mises等效应力的降低量和与之相邻区域的增加量在试样长度上的积分相等.当Mises等效应力达到接头上最软区的抗拉强度时,在该处发生颈缩;随最软区的宽度减小或屈服应力增加,发生颈缩所需的外加应力增加;当最软区相对厚度小于0.2或相对屈服应力大于0.9时,在最软区已无明显颈缩.