核环境下探测机器人机械臂的结构分析与优化

为了提高核环境下探测机器人机械臂的负载能力,通过动力学分析机械臂关节特性确定优化目标,用有限元软件ANSYS对机械臂臂体危险工况分析并设计优化参数,采用Workbench目标驱动优化分析设计优化实验,对优化结果分析并选取合适的优化参数。优化设计使机械臂两个臂体质量分别减小28.3%和29.5%,分析表明优化设计对机械臂危险工况下静力特性影响很小,符合强度和刚度要求,依据优化方案制作出机械臂样机并测试机械臂负载性能,实验表明机械臂末端负载提高10%,优化后机械臂关节力矩得到改善。     

NSGA-Ⅱ和NSGA-Ⅲ应用于换热网络多目标优化的对比

针对换热网络多目标优化问题，采用目前应用较广泛的两种多目标遗传算法，即NSGA-Ⅱ和NSGA-Ⅲ，对两种算法的性能进行对比研究。案例研究结果表明，NSGA-Ⅱ算法比NSGA-Ⅲ算法运行效率更高，NSGA-Ⅲ的运行时间是NSGA-Ⅱ的2倍以上；NSGA-Ⅱ算法的应用并不严格地受限于3个目标的最大目标数量，NSGA-Ⅱ在求解大于3个目标的多目标优化问题时也可能具有良好的性能，目标数量并非选择NSGA-Ⅱ和NSGA-Ⅲ算法的严格标准。对10×5换热网络案例进行4个相关目标改造优化时，从换热网络的单一性能指标来看，NSGA-Ⅱ算法更容易获得各目标的极值。从最小年度总费用的评价指标来看，两种算法的最优方案效果相近。对7×3换热网络案例进行6个目标的优化时，NSGA-Ⅲ算法得到各目标的极值较优。从最小年度总费用的评价指标来看，NSGA-Ⅲ算法获得的投资费用和年度总费用更小。对于目标函数数量不超过3个，或者3个以上具有一定相关性的多目标优化问题，推荐优先使用NSGA-Ⅱ算法实现快速寻优；而NSGA-Ⅲ算法由于其基于参考点的选择机制，运行效率较慢，更适合用于收敛困难的高维多目标优化问题。     

自动紧急制动系统测试设备开发和应用研究

随着主动安全技术的快速发展,自动紧急制动(AEB)系统在减少追尾碰撞事故中发挥了重要的作用,但是各款车辆配置的AEB系统各有差异。为了测试和评价AEB系统的性能,文中根据中国新车评价规程(C-NCAP)的测试要求和方法,开发了测试AEB系统的设备和控制系统;通过对各子系统的控制参数进行调试,以及借助无线通信技术实现了各子系统的协同工作;经过多次的试验使其测试结果满足了C-NCAP的精度要求。最后,利用此测试设备在前方目标车静止的工况下,对5款车辆的AEB性能进行了场地测试。试验结果表明,所开发的AEB测试设备能够按照预期的目标进行工作,且能对车辆的AEB性能进行有效的测试。     

电磁精细探测法在隐伏型导水地质裂缝勘探中的应用

针对传统隐伏型导水地质裂缝勘探方法存在勘测精度较差的问题,提出电磁精细探测法探析隐伏型导水地质裂缝。依照屏蔽系数、实测场强和理论场强数据绘制综合曲线图,通过该图获取隐伏型导水地质裂缝所处位置几何阴影范围,采用层析成像法得到网格化的工作面,获取隐伏型导水地质图像。通过图像直接观测隐伏型导水地质工作面裂缝所处位置,在此基础上,观测四个电磁场分量,采用正交电磁场分量计算介质视电阻率,依据计算视电阻率数值和视电阻率分布状态研究裂缝发育情况和裂缝富水程度。结果表明:采用该方法能较为精准地获取隐伏型导水地质裂缝位置。通过裂缝位置进一步检测出隐伏型导水地质裂缝最大发育高度为63.5 m。当视电阻数值不断增加时,隐伏型导水地质裂缝和裂缝富水性逐渐减小,与实际情况较为相符,说明该种方法探析效果较好。     

基于PHP的乒乓球在线技战术分析系统的理论构建研究

目前从体校到地方基础乒乓球训练基地俱乐部,教练对学生平时训练和比赛都采用的是经验主义来进行相关技术指导。该文目的是利用现在高新视频捕捉科技运动目标分析(包括目标的检测、识别、跟踪和理解)对比赛中的运动员的各项技术使用进行捕捉转化成参数在后台数据库中通过算法分析,得出每项技术的使用、得分率和从发球到最终得分之间的相关性分析。为此,该文将对基于PHP技术的乒乓球比赛在线技战术分析系统进行理论分析与设计。该系统分为多个模块:前台首页设计,后台首页设计,模拟竞赛模块,现场竞赛分析模块等[1]。构建系统应当以win7操作系统为基础,目的是提高各模块之间的兼容性,使用了PHP和Smarty等技术,同时以面向对象的程序开发方式,结合MySQL数据库与Ja?vaScript来实现该系统的开发,希望该系统的理论构建可以帮助到后续开发人员,并推进未来乒乓球智能化分析时代,有利于省、市地方基础乒乓球训练基地和俱乐部的教练对学员的比赛指导以及今后训练。     

典型相关滤波跟踪算法的比较与分析

为综合评价现有的相关滤波类算法,对典型的相关滤波跟踪器进行全面的比较与分析,从而为进一步完善相关滤波器的设计提供指引。从相关滤波跟踪理论的一般框架切入,重点对当前四种具有代表性的相关滤波跟踪器即KCF,DSST,HCF和ECO展开研究,分别从理论分析以及在大规模公开数据集OTB100上的实验表现详细地比较各算法的优劣。比较与分析结果表明,使用卷积特征的算法在跟踪准确性和鲁棒性上相比单纯使用人工特征的算法具有显著优势,然而跟踪速度也会急剧下降,具有尺度估计模块的跟踪器能够得到更优的跟踪成功图表现。最后对深度学习结合相关滤波方法存在的实时性不足、长时跟踪等问题进行分析,并对未来的发展趋势进行了展望。     

基于SSD-CF的无人艇目标检测跟踪方法

针对目前目标检测和目标跟踪算法对无人艇运算配置要求高、速度慢等问题,该文一种提出基于SSD-CF的无人艇目标检测跟踪方法。利用MobileNets结构结合SSD目标检测算法构建轻量级卷积神经网络,实现无人艇的水面目标检测。目标检测结果作为相关滤波CF目标跟踪算法的初始输入,并在目标跟踪过程的保障其有效性。通过MODD水面船只视频数据实验表明,SSD-CF方法融合目标检测与目标跟踪算法,可有效地降低对运算力的要求,提升目标检测跟踪速度和目标位置的稳定连续性。