动车悬挂式电气设备通用振动试验夹具设计

针对设备振动试验夹具无法通用的现状,从设备的实际安装方式与试验条件出发,设计了符合动车悬挂式电气设备通用安装的振动试验夹具．并通过仿真分析与实验测试．验证了通用夹具满足振动试验的要求。从而缩短了夹具设计制作周期,节约了加工成本,大大提高了试验效率。     

石嘴山二矿2268综放采空区自燃危险区域划分研究

通过实验测定煤的自燃特性参数,由现场观测和理论分析确定综放工作面采空区浮煤、漏风和氧浓度的分布情况,根据实际条件下浮煤自燃的极限参数,将采空区划分为窒息带、氧化升温带和散热带;然后根据综放工作面实际推进速度和最短自然发火期判定出采空区自燃危险区域,并确定出保障综放工作面安全的最小推进速度为1．36m/d．由此为石嘴山二矿安全生产、自燃火灾的预测以及防灭火提供依据．     

基于产品结构树的汽车后桥车间布置方式研究

通过对传统的生产车间布置方法进行研究,提出了一种基于产品结构树的多色集合车间布置方法,建立了车间布局模型并给出了优化目标.最后以某企业厂房布置为例进行了验证,证明了该方法能较大幅度地减小车间物流费用,提高厂房面积利用率,具有很强的实用性,为解决多目标优化的车间布置问题提供了一个新途径.     

针对多姿态迁移的虚拟试衣算法研究

针对人体姿态迁移结果会损失服装和人脸等大量细节,以及现有的虚拟试衣算法没有实现多姿势迁移,提出一种新的姿态迁移网络。通过设计解析图生成网络,对目标姿势的解析图进行生成,再对空间变换网络(Spatial Transformer Network, STN)扭曲目标服装进行正则限制,最后利用优化的融合网络对服装和人体进行融合得到最终的姿态迁移图像。实验结果表明了该方法具有较高的鲁棒性和可靠性。     

单轴压缩条件下冲击煤岩声发射特性实验研究

为了更深入地了解具有冲击倾向性煤体声发射特性,利用RMT150B试验机对冲击煤体在单轴压缩条件下全过程声发射特性进行研究,得出煤岩体破坏时应力、声发射特性参数之间随时间的变化曲线,并将整个过程分为5个阶段。研究发现声发射参数在试样屈服阶段出现了"平静期",标志煤样破坏前兆。通过比较不同弹性模量试样的声发射特性,发现随着弹性模量的增加,声发射特性的平均水平越高。煤岩在加、卸载时,当加载至弹性阶段时卸载,煤样在压密阶段的声发射信号比相对应的卸载阶段明显要强,而在弹性阶段声发射基本相同。当加载至屈服阶段时卸载,声发射在整个加载阶段都要比卸载时强,且越接近临界载荷卸载越明显。     

饮食干预肠道微生物调控认知和神经退行性疾病的作用机制

神经退行性病变是认知功能退化和神经系统疾病的病理基础,受诸多机体内、外环境因素的影响。寄居于肠道中的微生物可影响机体健康和多种疾病的发生与发展,包括神经和精神疾病。肠道失调与阿尔茨海默病、帕金森病、亨廷顿病以及多发性硬化症等认知与运动功能障碍性疾病密切相关。研究发现,饮食干预可通过调节肠道微生物,改善肠-脑之间的联系,调控认知和情感等脑高级功能,缓解认知下降,抑制神经退行性病变,然而其内在机制尚不明确,可能与饮食干预调节肠道微生物群的构成及功能,进而改善肠道代谢、肠道内分泌等机制有关。本文通过分析饮食干预调节肠道微生物及相关的生理生化改变与脑认知和神经功能的关系,探讨饮食干预在肠道微生物与肠-脑联络与神经退行性疾病中的作用及机制。     

BWDSP100集成开发环境设计与实现

本文实现了DSP集成开发环境的设计和开发,完成了面向BWDSP100应用系统的开发,包括源代码的编辑、编译、链接、调试等一系列功能。原理是用交叉编译器编译链接源代码,形成目标代码,通过ICE实现下载功能,并通过远程调试器实现源代码级调试。     

基于区块链隐私增强的联邦学习可验证安全存储方案

在传统的联邦学习系统中,中央服务器在接收到参与方上传的本地模型后,没有对本地模型的合法性进行验证,可能导致后续模型不可靠即模型存储可靠性问题。针对该问题提出一种基于区块链隐私增强的联邦学习可验证安全存储方案(blockchain-based federated learning for model verified security storage, BFL4MVSS)。利用区块链技术,提出验证者投票机制,保证存储模型的可靠性;引入一种奖励机制,允许系统在一定数量的恶意节点存在下正常运行。采用PyTorch框架在MNIST数据集上进行仿真验证,结果表明,其能够在15%的恶意节点的参与下确保模型具有良好的表现。     

鱼雷外形多学科设计优化方法研究

基于多学科设计优化(MDO)理论,结合鱼雷外形各学科优化设计方法,将鱼雷外形优化设计问题分解为一个系统级优化问题和阻力学科、自噪声学科和压力分布学科3个学科级优化问题,建立了鱼雷外形多学科设计优化模型,解决了各学科之间、学科与系统之间的耦合问题,实现了并行计算,并结合实际算例,验证了该方法的有效性.     

深度学习在二维虚拟试衣技术的应用与进展

虚拟试衣技术对于促进服装产业的信息化和智能化有着广泛的应用研究价值，是人工智能在服装智能制造领域的研究热点之一。目前虚拟试衣主要是基于图像生成的二维虚拟试衣研究，对二维虚拟试衣技术进行全面概述。介绍和分析了传统的虚拟试衣，对现有二维虚拟试衣技术进行了主要任务、类型、发展过程、模型等方面的分类整理，并详细探讨了各类型代表算法的原理以及相关改进。总结了传统虚拟试衣与二维虚拟试衣技术的应用，并讨论了二维虚拟试衣技术的扩展技术。对传统与当前的虚拟试衣技术的应用与优缺点进行了梳理和小结，对该领域的未来发展进行了总结与展望。