静态开关在化工生产中的应用

化工行业中,生产装置的操作大量采用DCS(Distributed Control System)集散控制系统,其供电均采用UPS(Uninterruptible Power System)不间断电源供电,以提高供电的可靠性,但UPS故障时,若不能成功切换到自动旁路运行,则会造成供电电源的中断,对生产系统带来较大影响.通...     

碳纤维/环氧树脂预浸料固化过程中的热导率测定

采用调制式差示扫描量热技术(MDSC)实现了碳纤维/环氧预浸料固化过程中的热导率(垂直纤维方向和平行纤维方向)测定。在实验基础上建立了预浸料固化过程中的热导率二元二次函数模型, 确定了热导率随温度及固化度变化的函数关系。结果表明: T800/环氧预浸料沿纤维方向的热导率为1.15~1.40 W/(m·K), 垂直纤维方向热导率为0.85~1.25 W/(m·K)。在相同温度下, 预浸料的热导率值随固化度的增大而减小; 在相同固化度条件下, 预浸料的热导率值随温度的升高而增大。验证结果表明, 拟合所得热导率二元二次函数关系用于预浸料固化过程的数值模拟时, 将提高参数的准确性。     

基于肌肉的人体运动仿真研究*

针对当前国内缺少满足牛顿运动定律的人体运动仿真问题,提出了基于肌肉的人体运动仿真方法.该方法首先建立了基于解剖学的人体骨骼肌肉模型,然后进行运动捕获数据与人体模型的匹配,其次构建了主要关节点的局部坐标系,接着运用多刚体运动学与动力学进行运动学及动力学参数的计算,之后施加空间力学平衡约束得到了有效的关节运动约束机制.实验结果表明,利用该算法实现的人体运动仿真真实、自然、逼真,证明了算法的有效性.     

钕铁硼电镀技术生产现状与展望

随着稀土钕铁硼永磁材料的快速发展,钕铁硼电镀中表现出的问题日益显现,从而成为制约其发展的一个重要因素。首先总结了钕铁硼电镀的多个难点,然后以目前钕铁硼电镀生产中普遍采用的工艺为生产线,对钕铁硼电镀技术的生产现状、存在的问题及生产设备等逐一进行了详细分析和介绍,随后仍以这些工艺为生产线,提出改进问题的方案、工艺及设备等的发展方向。     

带眼球细节的情感虚拟人面部表情合成*

针对当前三维头部重建中使用的网格模型不能完整表达头部拓扑结构或者模型过于复杂的问题,提出了一种完整头部网格模型合成方法。该方法首先以Candide-3模型为基础加入后脑勺模型,对面部Candide-3模型的眼睑部分进行重新建模,并加入比例合适的眼球模型,得到一个完整头部网格模型。然后结合人脸特征点信息和局部最小二乘法匹配原理对模型进行调整,并对模型进行纹理贴图合成真实感的虚拟人头部模型。最后,在该模型上用分段线性插值的方法,合成带眼球细节的情感虚拟人表情。实验结果表明,基于该模型合成的虚拟人表情不仅逼真而且情感丰富。     

改进SSD算法的道路小目标检测研究

在道路场景中,因小目标分辨率低且特征不明显,传统的目标检测算法难以确认其所属类别和位置信息,导致检测精度低、检测速度慢、漏检率高。提出一种改进SSD的道路小目标检测算法RFG_SSD。在SSD网络结构的主干部分和检测部分之间,通过引入改进的特征金字塔网络结构,融合浅层和深层感受野的特征信息,以获得小目标语义信息丰富的特征图。将深层特征提取网络ResNet 50作为改进网络的主干特征提取网络,提高整体网络的检测精度。为加快网络运算速度,基于检测层结构,利用全局平均池化层代替全连接层,减少网络参数量。实验结果表明,与SSD、VGG16+SFPN等算法相比,该算法能够有效提高小目标检测性能,且加快检测速度,其在BDD100K数据集上的平均精度和检测速度分别为98.05%和85.56 frame/s,小目标检测个数相较于SSD算法提高3倍多。     

基于合成的通用头部网格模型的表情合成

针对当前通用脸部网格模型的可操控性和逼真性难以同时兼顾的问题,提出了一种新的通用网格模型合成方法,该方法基于Candide-3模型和从建模软件中导出来的模型进行简化得到的模型进行结合来合成通用头部模型.在此模型的基础上合成出六大基本表情,对输入人脸正面照片使用ASM(active shape model)算法自动提取出特征点,利用特征点和径向基函数来调整合成的通用模型得到特定的表情.实验结果显示,该通用网格模型具有良好的操控性,且能完整表示整个头部结构,还能表达六大基本表情和特定表情.     

基于通信信号时频特性的卷积神经网络调制识别

在通信环境日益密集、信号调制样式层出不穷的情况下,信号的调制识别变得愈加困难。寻求一种高精度、时效性好的自动调制识别新方法,对无线电通信应用领域有重大意义。对此,文中提出了一种结合通信信号时频特性的卷积神经网络(Convolutional Neural Network Based on Time-Frequency Characteristics,TFC-CNN)调制识别算法。首先,采集大量调制信号,将信号的时频特征通过短时傅里叶变换转换成图像特征,并将其作为网络的输入;然后,设计一种特征提取能力更强、参数更少的卷积神经网络,通过改进网络中不同层的连结方式来增加网络的特征提取能力,同时通过减小卷积核的尺度、使用全局均值池化层来减少模型参数,提高了模型的时效性;最后,在网络中添加批归一化(Batch Normalization,BN)层,在增加模型稳定性的同时防止模型出现过拟合。实验结果表明,所提算法在参数和训练时间上比传统方法明显减少,同时有更高的准确率,体现了所提算法的优越性。     

一种基于星座图恢复的多进制相位调制信号识别算法

在实际调制过程中,无线电波传输多径及衰落引起的符号间干扰和信号接收端的载波频偏会造成星座图难以识别。针对这一问题,提出了一种基于星座图恢复和卷积神经网络的多进制相位调制信号识别算法。首先,设定相邻采样点距离和相位角的阈值以筛除发生符号间干扰时的采样点,保留剩余的有效采样点并形成聚类组;然后,通过旋转相邻聚类组抵消载波频偏带来的影响,实现星座图的恢复;最后,利用卷积神经网络对星座图进行特征自动提取和调制识别。实验结果表明,对于实测信号,所提算法能够较好地恢复星座图并实现BPSK、QPSK和8PSK的准确识别。最终的识别准确率达到了99.9%,较星座图恢复前提高了24.2%。