动态场景下基于视觉的SLAM技术研究

针对视觉同时定位与地图构建(SLAM)技术在动态环境中存在定位精度低、地图虚影等问题,提出了一种基于深度学习的动态SLAM算法。该算法利用网络参数少且目标识别率高的YOLOv8n改善系统的视觉前端,为视觉前端增加语义信息,提取动态区域特征点。然后采用LK光流法识别动态区域的动态特征点,剔除动态特征点并保留动态区域内的静态特征点,提高特征点利用率。此外,该算法通过增加地图构建线程,剔除YOLOv8n提取的动态物体点云,接收前端提取的语义信息,实现静态语义地图构建,消除由动态物体产生的虚影。实验结果显示,在动态环境下该算法与ORB-SLAM3相比,定位精度提升92.71%,与其他动态视觉SLAM算法相比,也有小幅度改善。     

无线频谱测量方法与分析

文章基于无线频谱测量的方法和要素,从各个角度分析了现有的频谱占用情况,测量结果表明,现有的频率分配政策使得部分频谱并未被有效地利用,频谱占用度在时间上空间上具有较大的差异性.测量结果将为未来的认知无线电技术等下一代无线通信技术的实现提供依据.     

高速光OFDM符号定时同步在FPGA上的设计与实现

提出了一种在非全局时钟光正交频分复用通信系统中的符号定时同步的高速并行算法,并阐述了该算法在现场可编程门阵列(FPGA)上的实现过程,分析频偏对系统性能的影响,并提出了补偿方法。在25km标准单模光纤通信系统中,运用该同步算法实现了2.667Gb/s数据实时传输。     

基于DF-OFDM多中继系统功率分配的梯度算法

DF-OFDM技术必将成为现代移动通信的核心技术,但是合理地进行功率分配是必须要解决的问题之一。传统的二分法,大多在精确度和计算量之间很难取舍。在移动通信系统抗信道衰落和提高信道容量方面,协作通信是一种很好的解决方案。针对改进型的多中继DF-OFDM系统,对一种降低计算量的梯度算法进行了简单的介绍与分析,并与二分法进行了比较。仿真结果表明,在功率约束的条件下,梯度法要优于二分法。     

一种扫描图像几何畸变的数字校正方法

由于胶订书籍不能完全平铺于扫描仪的玻璃板上，从而使得扫描图像产生非线性几何畸变，为此，提出一种对此类畸变图像进行横向畸变数字校正的方法，并详细介绍了实现该数字校正的算法。实验结果表明，此算法能够大大减小横边误差，使畸变图像得到很好的复原。     

低温催化合成纳米CeO_2及其表征

采用低温催化制备了纳米CeO2,该工艺避开了高温煅烧,降低了生产成本,简化了生产工艺,是一项反应物浓度高、条件温和、经济效益好的清洁型工艺。XRD分析表明产物为萤石结构的立方相CeO2;TEM表明产物为球形,粒经分布范围窄;粒度分布仪测定产物粒径为20nm。     

110 kV单芯电缆中间接头温度轴向感知模型的材料参数敏感性

高压电缆中间接头热点温度的实时感知对电缆安全运行及动态载流能力评估具有重要意义。以110 kV单芯电缆中间接头为研究对象,构建规则化中间接头温度场仿真模型及其有限元离散边界,建立基于热流等效的结构简化方法,采用单因子变化与正交组合方式分析材料参数分散性对中间接头温度轴向感知模型的拟合度及灵敏度的影响。研究表明,提出的规则化简化建模方法适用于不同型号与结构的中间接头温度轴向感知模型,对于结构、材料及现场工艺分散性具有较好的鲁棒性。     

酯化法制备苯乙烯基功能化多壁碳纳米管的研究

采用羧酸盐与卤化物酯化法,制备了苯乙烯基功能化的多壁碳纳米管(MWCNTs),并用红外光谱(FTIR)、拉曼光谱(Raman)、透射电镜(TEM)以及热重分析(TGA)对样品进行了表征.结果表明苯乙烯基以共价键接枝到MWCNTs的表面,且MWCNTs整体结构没有出现明显破坏;TGA结果显示苯乙烯基接枝率高达36%;分散性试验结果表明,样品能较好地溶于甲苯和THF等有机溶剂中.     

成果导向模式的传热学教学改革及实践研究

传热学是建筑环境与能源应用工程专业重要的专业基础类课程。根据工程教育认证要求和成果导向理念,以传热学课程为研究对象,结合近几年课程教学效果及现状,研究了传热学课程的教学目标和目标达成度计算方法;从工程知识、问题分析和研究能力分别开展相应的教学方法改革,注重理论教学联系工程实际,以及学生团队协作和解决复杂工程问题能力的培养;对课程产出效果进行了分析,发现工程知识、问题分析和研究能力课程目标的达成度分别为0.77、0.68和0.8;建立持续改进机制,确保教学改革始终与毕业要求密切结合。研究成果为工程教育认证背景下传热学课程教学改革和课程质量标准修订提供参考。     

面向锂电池少量循环的二维支持域直推式健康状态预测

锂离子电池的健康状态(SOH)是反映电池老化程度的关键指标,但由于电池老化的非线性和不确定性使得SOH难以精确估计,并且受到电池数据收集的高时间成本和容量再生现象的影响,传统的数据驱动方法在历史充放电循环数较少时效果较差.针对上述问题,本文创新性地提出了一种二维支持域直推式学习(2D-RoSTL)建模思路,建立了数据由粗到细的精准划分方法,用于少量充放电循环下的SOH预测.一方面,考虑同型号多块电池的批次特性,利用历史数据和批次数据构造二维支持域扩充模型信息来源,提供了粗范围的大量可供选择的样本;另一方面,首次尝试以直推式学习的方式解决SOH预测的任务,利用离线和在线样本特征空间的信息,对每个样本进行细致划分,提升少量充放电循环情况下模型的预测可靠性.基于NASA的公开数据集,所提出的二维支持域直推式建模方法在4个电池上的预测误差均小于1.56%,实现了对锂电池充放电历史初期及再生点的精确预测.