三维编织复合材料编织工艺过程仿真研究

总结了四步编织工艺的运动规律。对纱线的空间坐标进行三次B样条曲线拟合得到拟合坐标;设计实现了纱线实体的静态模型算法,根据拟合坐标得到纱线空间网格坐标并建立了纱线实体的静态模型;实现了纱线轨迹的动态展示以及实体生成过程的动态展示;构建了GUI界面并编译成了可脱离Matlab环境的独立运行程序。     

供配电系统无功补偿方案的选择

介绍无功补偿的作用、方法及原则,分析炼钢供配电系统负荷性质及无功补偿的必要性,并提出各供配电系统的无功补偿方案。     

高效脱漆剂的研制

根据环氧改性的有机硅树脂涂层在有机脱漆剂中的溶胀时间和脱落时间,确定了最佳的脱漆剂配方组成,研究了脱漆剂中各成分对脱漆剂性能的影响。     

基于傅里叶分析方法的钢琴音色识别与电子合成系统研究

基于傅里叶分析法设计钢琴音色识别与电子合成系统,详细分析系统功能模块,就音色而言,音色识别是系统关键环节,以数字化识别法提取音色特征矩阵,获取音色倍频点,同时通过包络函数提取,健全音色识别的电子合成,函数可表征音强与时间变化关联性,以此识别钢琴音色。通过系统测试分析,结果表明,基于傅里叶分析法的钢琴音色识别与电子合成系统在600-2100Hz频率时,保持在稳定状态,性能良好;音色识别正确率高,说明系统设计完美度较高。     

双层微梁结构谐振器中波动温度场的研究

针对两端固定双层微梁结构谐振器,利用格林函数,求解了一维热传导时梁中的波动温度场分布函数.通过解析模型计算结果与有限元数值模型计算结果的比较,验证了所得解析模型的有效性,并讨论两种模型的优缺点.研究结果表明:波动温度的幅值仅为平衡温度的0.06％左右,由于波动温度场产生的热应变也非常小;激振频率对波动温度场的影响非常大;微梁的总长度与材料比对温度场也有影响.     

基于多核学习卷积神经网络的稀疏数据推荐

针对当前稀疏数据推荐准确率低的问题,提出一种基于多核学习卷积神经网络的稀疏数据推荐算法.将项目的辅助信息送入卷积神经网络学习特征,将向量在可再生核希尔伯特空间组合,利用多核学习技术增强卷积神经网络的特征学习能力;基于学习的卷积特征集初始化非负矩阵模型,通过非负矩阵模型实现对缺失评分的预测.实验结果表明,该算法有效提高了稀疏数据集的推荐性能,验证了多核学习卷积神经网络的有效性.     

基于注意力机制的图像超分辨率重建

目前,单幅图像超分辨率重建取得了很好的效果,然而大多数模型都是通过增加网络层数来达到好的效果,并没有去发掘各通道之间的相关性。针对上述问题,提出了一种基于通道注意力机制（CA）和深度可分离卷积（DSC）的图像超分辨率重建方法。整个模型采用多路径模式的全局和局部残差学习,首先利用浅层特征提取块来提取输入图像的特征;然后,在深层特征提取块中引入通道注意力机制,通过调整各通道的特征图权重来增加通道相关性,从而提取高频特征信息;最后,重建出高分辨率图像。为了减少注意力机制带来的巨大参数影响,在局部残差块中使用了深度可分离卷积技术以大大减少训练参数,同时采用自适应矩估计（Adam）优化器来加速模型的收敛,从而提高了算法性能。该方法在Set5、Set14数据集上进行图像重建,实验结果表明不仅该方法重建的图像具有更高的峰值信噪比（PSNR）和结构相似度（SSIM）,而且所提模型的参数量减少为深度残差通道注意力网络（RCAN）模型的参数量的1/26。     

自适应融合特征的人群计数网络

针对人群计数方法中存在的尺度变化和多层级特征融合不佳的问题,基于U-Net的编码器-解码器网络结构,提出一种自适应特征融合网络,来进行精准的人群计数。提出自适应特征融合模块,根据解码器分支的需要,高效地聚合编码器分支提取的高层语义信息和底层的边缘信息;提出自适应上下文信息提取器,从不同感受野下提取多尺度的上下文信息并自适应加权融合,提高网络对于人头尺度变化的鲁棒性。在ShanghaiTech、UCF-CC-50和UCG-QNRF上的实验表明,与目前主流的人群计数算法相比,该算法具有更强的准确性和鲁棒性。     

基于粒子滤波的欠驱动移动机器人多目标点跟踪控制

针对欠驱动移动机器人的多目标点跟踪问题,提出了一种基于粒子滤波的高精度跟踪控制方法;具体地,在考虑移动机器人采样噪声的情况下,首先利用粒子滤波对移动机器人的位置信息进行处理,得到精准可靠的移动机器人状态信息;在此基础上,根据欠驱动移动机器人的运动学模型以及目标点的分布状况,设计基于反馈控制的多目标点跟踪控制方法;相对于传统的欠驱动移动机器人目标点跟踪控制算法,改进了该控制方法中增益参数的约束条件,有效避免了移动机器人在接近目标点时产生的奇异现象,有效提高了移动机器人对目标点的跟踪精度;此外,分析了该目标点跟踪控制系统的稳定性,并通过数值仿真验证了所提方法的可行性与有效性.