组合轮径差对地铁车辆动力学性能的影响

为了研究各种轮径差组合形式对地铁车辆动力学性能的影响,基于车辆系统动力学和赫兹非线性接触理论,建立地铁动车非线性动力学模型,分析各种轮径差组合工况下地铁车辆的临界速度、平稳性、安全性和磨耗功率及其变化规律。结果表明:在多种轮径差组合工况下,轮径差增大会使地铁车辆的临界速度有较大幅度降低,会使地铁车辆的横向平稳性和磨耗功率明显增大;轮径差对地铁车辆的垂向平稳性、轮轴横向力、轮轨垂向力、脱轨系数和轮重减载率影响较小;通过左、右曲线时,轮径差对磨耗功率增幅的影响存在差异,但变化规律一致。     

基于多尺度滤波的视网膜血管分割算法

眼底视网膜血管图像的纹理与结构信息可作为医学对相关疾病诊断的重要依据。针对视网膜血管存在伪影与尺度结构复杂等难题以及微血管分割较低等问题,提出一种基于多尺度滤波的有监督学习视网膜血管分割算法。采用二维K-L变换综合分析彩色图像三通道的频带信息得到视网膜灰度图像,并利用受限对比度直方图均衡化增强血管与背景的对比度,利用Retinex降低伪影与视盘的干扰;由多尺度高斯匹配滤波、多尺度形态学滤波、Frangi滤波以及2D-Gabor滤波提取相关血管特征,并将提取好的特征集由AdaBoost初步提取血管;利用血管连通域信息去除初分割结果的非血管像素,获得最终的血管图像。该算法在DRIVE与STARE数据集上实验,准确率分别达到96.34%与95.83%。     

多尺度卷积特征融合的SSD目标检测算法

提出了一种改进的多尺度卷积特征目标检测方法,用以提高SSD(single shot multibox detector)模型对中目标和小目标的检测精确度。该方法先对SSD模型低层特征层采用区域放大提取的方法以提高对小目标的检测能力,再对高层特征层进行特征提取以改善中目标的检测效果。最后,利用SSD模型中原有的多尺度卷积检测方法,将改进的多层特征检测结果进行融合,并通过参数再训练以获得最终改进的SSD模型。实验结果表明,该方法在MS COCO数据集上对中目标和小目标的测试精确度分别为75.1%和40.5%,相比于原有SSD模型分别提升16.3%和23.1%。     

兰州化物所与美国加州大学洛杉矶分校合作制备出强收缩高能量密度水凝胶材料

环境响应型水凝胶,也称为“刺激响应”或者“智能”水凝胶,因为其高的含水量、弹性、渗透性、外界刺激响应性和大的变形等优点,被广泛应用于生物医学、软体机器人等领域。目前,大多数智能水凝胶的响应变形均凭借凝胶体内和体外渗透压的变化。然而,在这种渗透驱动机制下,凝胶材料的驱动力和响应速度间相互矛盾。要打破这个矛盾,需要从分子尺度设计并且提出一种异于传统“渗透型”水凝胶的非常规驱动机制。     

面向在轨服务的舱段间机电连接接口研究

针对在轨服务任务中的在轨舱段对接与更换任务,介绍了采用模块化设计理念的一种合作卫星舱段间新型机电连接接口方案设计,用Adams软件对接口容差进行动力学仿真分析.结果表明:该新型机电连接接口具有一定捕获及容差能力,能够达到位置容差±50 mm、角度容差±7°的容差范围,满足了容差指标要求.     

基于多尺度双线性卷积神经网络的多角度下车型精细识别

针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题，提出基于多尺度双线性卷积神经网络（MS-B-CNN）的车型精细识别模型。首先，对双线性卷积神经网络（B-CNN）算法进行改进，提出MS-B-CNN算法对不同卷积层的特征进行了多尺度融合，以提高特征表达能力；此外，还采用基于中心损失函数与Softmax损失函数联合学习的策略，在Softmax损失函数基础上分别对训练集每个类别在特征空间维护一个类中心，在训练过程中新增加样本时，网络会约束样本的分类中心距离，以提高多角度情况下的车型识别的能力。实验结果显示，该车型识别模型在CompCars数据集上的正确率达到了93.63%，验证了模型在多角度情况下的准确性和鲁棒性。