基于Udwadia-Kalaba理论的隔振平台动力学研究

针对微制造平台的隔振问题,基于Udwadia-Kalaba理论建立隔振平台的动力学模型,并研究其在人行激励下的动力学特性。针对固连结构和分散结构建立Udwadia-Kalaba动力学模型,通过MATLAB仿真分别得到固连结构和分散结构的各质点响应曲线。研究结果表明：基于Udwadia-Kalaba理论的动力学模型可以在不引入拉格朗日乘数的情况下求解;通过其固连结构与分散结构响应曲线的对比,可以得知其固连结构相对于分散结构模型更能达到明显的减振效果,而且该理论方法能较好地应用于微制造隔振平台振动问题求解。     

微线段3K-Ⅰ行星齿轮回差分析

针对微线段行星齿轮传动精度中回差计算困难的问题,考虑了齿轮固有误差、装配误差及齿轮时变啮合刚度的影响,提出了基于微线段齿轮侧隙的行星齿轮传动回差模型,通过蒙特卡洛模拟法,针对3K-I型行星轮系,计算所得微线段行星齿轮的理论回差值比渐开线行星齿轮的回差值小约5. 92%。在同等情况下进行试验验证,结果表明,试验所得微线段行星齿轮回差值在理论模型计算范围内,且微线段行星齿轮回差值较渐开线行星齿轮的回差值小6. 25%,验证了该微线段行星齿轮传动回差模型的正确性。     

深度学习背景下的图像语义分割方法综述

语义分割任务是很多计算机视觉任务的前提与基础，在虚拟现实、无人驾驶等领域具有重要的应用价值。随着深度学习技术的快速发展，尤其是卷积神经网络（convolutional neural network，CNN）的出现，使得图像语义分割取得了长足的进步。首先，本文介绍了语义分割概念、相关背景和语义分割基本处理流程。然后，总结开源的2D、2.5D、3D数据集和其相适应的分割方法，详细描述了不同网络的分割特点、优缺点及分割精确度，得出监督学习是有效的训练方式。同时，介绍了权威的算法性能评价指标，根据不同方法的侧重点，对各个分割方法的相关实验进行了对比分析，指出了目前实验方面整体存在的问题，其中，DeepLab-V3+网络在分割精确度和速度方面都具有良好的性能，应用价值较高。在此基础上，本文针对国内外的研究现状，提出了当前面临的几点挑战和未来可能的研究方向。通过总结与分析，能够为相关研究人员进行图像语义分割相关研究提供参考。