半球谐振陀螺力反馈模式下信号处理方法分析

半球谐振陀螺是一种全固态振动陀螺,力反馈工作模式是其普遍采用的工作模式,而力反馈模式下其信号解调方法对白噪声的敏感度将决定其随机漂移指标。该文就力反馈模式下半球谐振陀螺的信号处理方法对白噪声的敏感度进行了研究,推导了4种信号处理方法(峰值采样解调、开关积分解调、全相位快速傅里叶变换(FFT)解调和相干解调)的计算公式,并采用monte-carlo方法仿真了在白噪声背景下的4种解调方法的性能。结果表明,全相位FFT解调法在不同信号强度下对白噪声均最不敏感,为半球谐振陀螺的信号处理与闭环控制设计提供了理论依据。     

从滞销到脱销 电商助农仍有较大的发展空间

虽然受到疫情影响,部分地区的蔬菜、水果、畜禽及水产品的生产流通和消费受阻,价格出现了一定的波动,但从滞销到"脱销",在农产品保供的跑道上,田间的农户实实在在地感受到了电商的力量。隔着手机屏幕,电商连接了消费者与农户,让一直以来小步慢走的电商扶贫、助农工作在疫情期间实现了大步快跑。     

综合物探方法在武汉市毛坦港塌陷勘查中的应用

以武汉市毛坦港岩溶塌陷区物探勘查为实例,介绍并总结高密度电法、地质雷达、EH4法、井—地超高密度电法等综合物探方法的应用效果。在对多种物探方法进行综合分析研究的基础上,归纳提出不同勘查阶段物探方法组合意见。与钻探资料对比结果表明,本次地陷物探勘查成果取得较好的地质效果。     

试论承压含水层防污性能评价

针对武汉市东西湖区承压含水层实际情况,在继承DRASTIC基本思想和模型的基础上,对其指标体系进行优化,建立了适用于第四系孔隙承压水的评价指标体系。评价结果对武汉市东西湖区地下水资源开发利用、保护及城市规划有一定的指导意义。     

民间美术在包装设计中的“活态”传承

民间美术最有效的保护途径并不是原汁原味的“封存”,而在于一种“活态”的传承、现代包装设计,以民间美术的文化内蕴为根基,通过整体借用民间美术作品或者利用新技术将民间美术元素转化为现代设计元素的方式,在凸显包装的文化性、审美性和亲和力的同时,实现民间美术的有机传承,让处于危机中的民间美术重新焕发新的艺术活力。民间美术应该以一种积极“应世”和“入世”的姿态,努力探寻自己与周围世界的契合点,通过多种途径实现“活态”传承。     

大气污染控制工程课堂教学内容改革

文章以大气污染控制工程课程教学内容为例,介绍目前科学进步和大气污染问题突出在教学内容的调整上的改革方式,提出了该课程内容改革的设想,并进行了初步的实践,取得了教学效果。     

Web2.0时代高校数字化教学平台建设的实证研究

Web2.0技术的推陈出新,对高校数字化教学平台的建设提出了新的要求。从浙江理工大学数字化教学平台的建设实践出发,介绍了数字化教学平台建设的经验,分析了基于数字化教学平台的资源建设和教学应用的不足,提出了Web2.0时代高校数字化教学平台从资源型向学习型转化的趋势,并提出基于Web2.0应用的改进策略。     

新型高强钢筋混凝土梁短期抗弯性能研究

为研究一种高强、高应变、高抗腐蚀性的新型钢筋替代普通钢筋应用于混凝土梁后构件的抗弯性能,对等强度设计的两种新型高强钢筋混凝土梁与普通钢筋混凝土梁进行短期受弯性能试验,对比分析两种梁的承载力、变形、裂缝及破坏形态,并基于试验结果,将新型高强钢筋混凝土梁受弯承载力、最大裂缝宽度、挠度的试验值与规范计算值进行对比。结果表明：等强度设计的两种梁承载力相近,但破坏形态有较大的不同,相同外力下,新型钢筋混凝土梁的挠度、最大裂缝宽度、裂缝高度都大于普通钢筋混凝土梁的。新型钢筋混凝土梁的开裂弯矩和极限弯矩按现行规范公式进行计算具有足够的安全储备,正常使用阶段,短期荷载作用下新型钢筋混凝土梁挠度试验值与规范计算值吻合较好,最大裂缝宽度的试验值与规范计算值相比偏大。     

PET瓶瓶身结构对瓶子质量与标签完好性的影响

为保证包装产品的质量,通过对普通瓶型和加强筋瓶型PET瓶进行壁厚测定、抗压试验和跌落试验来比较瓶身结构对瓶子的抗压性能及标签完好性的影响。结果表明,加强筋瓶型的瓶子更厚,垂直抗压能力更好,对标签的保护程度优于普通瓶型的,且瓶子质量的改变不影响其性能。综上,选择加强筋瓶型的PET瓶更有利于保证包装产品的质量。     

LLFlowGAN：以生成对抗方式约束可逆流的低照度图像增强

目的 现有低照度图像增强方法大多依赖于像素级重建,旨在学习低照度输入和正常曝光图像之间的确定性映射,没有对复杂的光照分布进行建模,从而导致了不适当的亮度及噪声。大多图像生成方法仅使用一种（显式或隐式）生成模型,在灵活性和效率方面有所限制。为此,改进了一种混合显式—隐式的生成模型,该模型允许同时进行对抗训练和最大似然训练。方法 首先设计了一个残差注意力条件编码器对低照度输入进行处理,提取丰富的特征以减少生成图像的色差;然后,将编码器提取到的特征作为可逆流生成模型的条件先验,学习将正常曝光图像的分布映射为高斯分布的双向映射,以此来模拟正常曝光图像的条件分布,使模型能够对多个正常曝光结果进行采样,生成多样化的样本;最后,利用隐式生成对抗网络（generative adversarial network,GAN）为模型提供约束,改善图像的细节信息。特别地,两个映射方向都受到损失函数的约束,因此本文设计的模型具有较强的抗模式崩溃能力。结果 实验在2个数据集上进行训练与测试,在低照度（low-light dataset,LOL）数据集与其他算法对比,本文算法在峰值信噪比（peak signal-to-noise ratio,PSNR）上均有最优表现、图像感知相似度（learned perceptual image patchsimilarity,LPIPS）、在结构相似性（structural similarity index measure,SSIM）上取得次优表现0.01,在无参考自然图像质量指标（natural image quality evaluator,NIQE）上取得较优结果。具体地,相较于18种现有显著性模型中的最优值,本文算法PSNR提高0.84 dB,LPIPS降低0.02,SSIM降低0.01,NIQE值降低1.05。在MIT-Adobe FiveK（Massa-chu-setts Institute of Technology Adobe FiveK）数据集中,与5种显著性模型进行对比,相较于其中的最优值,本文算法PSNR提高0.58 dB,SSIM值取得并列第一。结论 本文提出的流生成对抗模型,综合了显式和隐式生成模型的优点,更好地调整了低照度图像的光照,抑制了噪声和伪影,提高了生成图像的视觉感知质量。