汽车防抱死制动系统的自寻最优控制

针对汽车防抱死制动系统中路况经常变化的特殊性,提出了将自寻最优控制策略应用到防抱死控制中.构建了防抱死制动系统和制动时车辆动力学模型,设计了依据制动力矩和附着力矩变化量符号改变来调节制动力矩的自寻最优控制器.仿真结果验证,自寻最优控制可以自动搜寻到最佳滑移率,并使系统在最佳滑移率附近工作,达到最佳制动效果.本文为汽车制动性能的研究提供了有效可行的防抱死控制策略.     

安徽省政府网站建设现状与优化思路

政府网站是社会文化和社会发展要与经济高速发展相适应的要求。通过对安徽省部分政府网站建设的调查,分析了安徽省政府网站建设的基本现状与存在的问题,提出了优化网站建设水平的政策建议。     

130：86115d 在各种溶液中磷酸二钙保温后转为磷灰石沉淀——磷酸盐陶瓷：晶种体和垩白对它的影响

本文作者用保温设备研究了由羟基磷灰石(HA)和β-磷酸三钙(β-TCP)在不同溶液中，当与生物材料相接触时磷酸钙盐的溶解——沉淀过程。这不同的溶解有离子与体液(SBF)而不含垩白，或者离子与体液兼含多种垩白，和大部分个体(例如纤维垩白，Vifronecfin，白垩白和聚L-谷氨酸)。透射电子显微镜分析技术揭示，磷灰石沉淀的微晶在陶瓷晶体周围出现是次级核生成的结果，     

一种研究油气藏成藏史的新方法

为了提高油气藏的成藏过程研究的准确性,G eorge,Bhu llar等在前人的基础上改进提出了使用油气藏内包裹体的化学成分来研究油藏的成藏史。通过特定的方法对包裹体内油气进行分析,并和现今的油气源进行对比就可以确定油气的成藏史。这种方法直接针对古油气,所以油气藏的成藏史恢复会更加准确有效。对某多期成藏的油气藏的包裹体成分地化分析,结合其它的分析方法很容易恢复油藏的成藏过程。     

白腐菌Panus conchatus降解稻草木素机理研究──(一)低分子木素降解产物各组分的分离及特征

经白腐菌Panusconchatuss发酵15天的稻草用乙酸乙酯进行抽提可有效分离出生物作用后的低分子量木煮降解产物。利用这些低分子降解产物在酸碱度不同的介质以及不同的有机溶剂中的溶解度不同进一步分离、分级和提纯，获得酚类（LP），芳香酸类（LA1—4）以及中性物质三个组份。我们发现LP与LA是降解产物中的主要组份，它们的得率分别为51．1％和34．4％。如此高的LP得率是白腐菌P．conchatus降解稻草木素的重要特征。本文还利用红外光谱和核磁共振技术对LP和LA中最多的一个组份LA—1的可能化学结构特征进行剖析。     

融合视觉风格和标签约束的少数民族服装图像解析

目的 少数民族服装款式结构复杂,视觉风格各异。由于缺少民族服装语义标签、局部特征繁杂以及语义标签之间存在相互干扰等因素导致少数民族服装图像解析准确率和精度较低。因此,本文提出了一种融合视觉风格和标签约束的少数民族服装图像解析方法。方法 首先基于本文构建的包含55个少数民族的服装图像数据集,按照基本款式结构、着装区域、配饰和不同视觉风格自定义少数民族服装的通用语义标签和民族语义标签,同时设置4组标注对,共8个标注点;然后,结合自定义语义标签和带有标注对的训练图像,在深度完全卷积神经网络SegNet中加入视觉风格以融合局部特征和全局特征,并引入属性预测、风格预测和三元组损失函数对输入的待解析图像进行初步解析;最后,通过构建的标签约束网络进一步优化初步解析结果,避免标签相互干扰,得到优化后的最终解析结果。结果 在构建的少数民族服装图像数据集上进行验证,实验结果表明,标注对有效提升了局部特征的检测准确率,构建的视觉风格网络能够有效融合少数民族服装的全局特征和局部特征,标签约束网络解决了标签之间相互干扰的问题,在结合视觉风格网络和标签约束网络后,能够明显提升少数民族服装解析的平均精度,像素准确度达到了90.54%。结论 本文提出的融合视觉风格和标签约束的少数民族服装图像解析方法,能够提高少数民族服装图像解析的准确率和精度,对传承祖国文化、保护非物质文化遗产具有很好的意义。     

基于注意力机制和卡尔曼滤波的多目标跟踪

为了解决目前多目标跟踪算法在行人遮挡后无法再次准确跟踪的问题,提出了一种融入注意力机制和改进卡尔曼滤波的多目标跟踪算法,选用联合检测和重识别框架提取特征,同时完成目标检测和重识别任务.设计了并行支路注意力机制,包括空间注意力和通道注意力两个部分,每个部分都采用并行支路的方式完成池化和卷积操作.在跟踪阶段,本文提出了速度先验卡尔曼滤波,实现对行人运动状态更精确的预测.采用CUHK-SYSU数据集对算法进行训练,并在MOT16数据集上做算法的验证和测试.本算法的多目标跟踪准确度(MOTA)达到了65.1％,多目标跟踪精确度(MOTP)达到了78.8％,识别F1值(IDF1)达到62.3％.实验表明,提出的跟踪算法可以有效地提高跟踪的整体性能,实现对目标的持续跟踪.     

结合边缘轮廓和姿态特征的人体精确解析模型

针对着装场景中由于人体姿态、边缘轮廓、服装配饰的复杂性以及着装部位关节点被遮挡等因素导致人体解析精度较低的问题,提出一种结合边缘轮廓和姿态特征的人体精确解析模型.首先采用残差网络ResNet-101作为主干网络表征输入人体图像进行初步人体解析,得到粗解析特征;然后构建边缘轮廓模块,结合上采样后的全局和局部特征得到人体边缘轮廓;再基于着装姿态定义着装姿态损失函数,通过姿态估计模块提取人体姿态特征;最后联合粗解析特征、边缘轮廓和姿态特征,并定义结构损失和人体解析损失的组合函数输出精确的解析结果.在多个数据集上的实验结果表明,该模型的mIoU评测指标提高了1.96％,在人体的着装姿态和部位遮挡等方面获得了更准确的语义分割结果,能有效地提高着装人体解析的精度.