丙烯酸酯聚氨酯/SiO2纳米复合涂层结构与形态对其耐刮伤性影响研究

以四乙氧基硅烷(TEOS)作为主要前驱体,通过改变溶胶-凝胶工艺参数制得了结构和形态各异的丙烯酸酯聚氨酯/SiO2纳米复合涂层,利用TEM、SAXS等手段表征涂层的结构与形态,由洗刷前后涂层的失光率来表征耐刮伤性,详细探讨了纳米复合涂层耐刮伤性与SiO2相特征、有机无机相作用力及SiO2质量分数之间的关系。研究表明:丙烯酸酯聚氨酯涂层中引入纳米SiO2相后,耐刮伤性明显提高。有机相与SiO2相之间的作用力是影响涂层耐刮伤性的最重要因素,作用力越强,耐刮伤性越好。网络状纳米SiO2与颗粒状纳米SiO2相比,更有利于耐刮伤性的提高,且网络状纳米SiO2质量分数越大,耐刮伤性越佳,但SiO2相的致密度和尺寸对耐刮伤性影响较小。对于颗粒状胶体SiO2,在15~160 nm范围内,粒径对耐刮伤性没有明显影响;随着胶体SiO2粒子的质量分数增加,耐刮伤性先增大后减小。     

产品多粒度层次可拆卸性评价模型与方法

为了解决复杂产品可拆卸性分析问题,根据复杂产品层次性的特点,提出产品多粒度层次可拆卸性评价模型,该模型描述了从产品层到设计单元层的评价指标,并给出各指标的量化方法和准则.先用拆卸熵进行产品层的粗粒度评价;然后利用时间因子法构建设计单元层评价矩阵.为降低评价矩阵维数和消除评价指标信息冗余,采用主成分分析法对设计单元进行细粒度综合评价.通过分析评价结果进行反馈以指导设计和拆卸回收.以全自动洗衣机为例,运用提出的方法对其进行分析评价,并将结果用于指导产品的设计修改和拆卸回收,验证了该方法的可行性和有效性.     

碱浸条件下杂质离子对锌电积的影响

针对贫杂铅锌矿碱浸工艺,系统地分析电解过程杂质离子CO3^2-、SO4^2-、SiO3^2-、F^-、CL^-、S2^-对电解金属锌粉的影响．实验结果表明：CO3^2-、SO4^2-、SiO3^2-、F^-离。子对电解金属锌粉没有明显影响,Cl^-离子浓度宜控制在20g／L以下基本上满足GB／T6890—2000国家标准的锌粉三级标准,S^2-离子对电解金属锌粉影响比较显著,即使在S^2-微量的条件下金属锌粉的品质下降了近5％．     

再生混凝土骨料应用于沥青路面的路用性能试验

为了将再生混凝土用于骨料沥青混合料,提出了再生混凝土骨料应用于沥青混合料时最佳沥青含量的估算方法,并运用马歇尔试验予以验证,试验结果与本文建议的理论估算值吻合较好.试验还研究了不同再生混凝土骨料掺量下的沥青混合料的高温稳定性、低温抗裂性和水稳定性,分析了影响各项性能指标的因素和原因.结果表明:再生混凝土骨料沥青混合料的各项路用性能均满足国内规范要求.     

助熔剂对Y_2O_2S∶Ti长余辉磷光体发光性能的影响(英文)

用高温固相还原法合成了无稀土激活离子Y2O2S∶0.09Ti长余辉发光材料,研究了 Li2CO3,Na2CO3,K2CO3,K3PO4和K2HPO4等 5种助熔剂对Y2O2S∶Ti磷光体发光性能的影响。结果表明:除了 K2HPO4外,加入 Li2CO3,Na2CO3, K2CO3与 K3PO4助熔剂均可得到单相Y2O2S∶Ti晶体。发射光谱结果显示:不同助熔剂的加入并没有改变样品发射谱主峰位置(565 nm),但对其峰强度产生明显影响。助熔剂也显著改善了Y2O2S∶Ti的余辉亮度,特别是Li2CO3。10 min衰减时,Y2O2S∶Ti样品的余辉亮度从加 K2CO3助熔剂的0.15 mcd/m2增加到加Li2CO3助熔剂的10.1 mcd/m2。用紫外光激发样品,移去光源后,加Li2CO3助熔剂合成的样品在暗室中的余辉时间可持续达 5 h(0.32 mcd/m2) 。     

基于YOLOv4的输电线路外破隐患识别算法

针对人工巡检及传统视频监测方式不能及时识别输电线路外破隐患的问题, 本文提出基于YOLOv4的输电线路外破隐患识别算法. 该算法采用改进K-means算法对图片样本集目标的大小进行聚类分析, 筛选出符合检测目标特征的锚框, 之后利用CSPDarknet-53残差网络提取图片深层次网络特征数据, 并采用SPP算法对特征图进行处理增加感受野, 提取更高层次的语义特征. 最后结合实际的输电线路现场监控图片, 测试结果表明该算法能够及时准确检测到外破隐患.     

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.     

粗精结合的室内机器人视觉定位方法

为实现室内机器人自身精准定位,提出一种由粗匹配到精定位相融合的视觉定位方法.利用搭载在机器人上方的1台相机观测室内天花板、水平方向的4台相机观测周边环境,得到当前环境特征形成指纹信息库.定位时,将测试图像的周边环境信息与信息库中对应的信息粗匹配,得到机器人粗略位置;使用改进的GMS算法对测试图像及粗匹配结果中对应的天花板图像进行拼接,计算距离差与偏转度,得到精确位置.实验结果表明,该方法位移误差可控制在4 cm之内,偏转角误差在2.4°之内;对光照变化、行人闯入等情况鲁棒性明显,定位精度优于O RB视觉定位及指纹定位方法.     

基于滑窗滤波和多项式拟合的时变信道估计方法

基于长期演进（LTE）的车辆到一切（LTE-V2X）标准沿用LTE标准的帧格式,并采用块状导频辅助的单载波频分多址（SC-FDMA）系统完成信道估计。然而,由于V2X信道的时变特性,接收机信道估计面对巨大的技术挑战。因此,设计了一种基于滑窗滤波和多项式拟合的时变信道估计方法。针对导频符号处的噪声问题,在最小二乘（LS）方法基础上,采用了自适应长度的滑动窗口滤波进行降噪处理,从而保证导频符号处的信道估计精度。另外,根据多普勒频移大小,设计了自适应阶次的多项式拟合方法来跟踪数据符号处的信道变化。仿真结果表明,所提方法在LS方法的基础上有良好的去噪效果,在低速移动情况下的估计精度介于LS方法和线性最小均方误差（LMMSE）方法之间,而该方法在高速移动条件下能更好地拟合信道的时变特性,且性能上超过了LMMSE方法结合线性插值的信道估计方法。以上结果说明,所提方法相对于对比方法具有更好的自适应性,适用于不同的信道噪声和终端移动速度下的LTE-V2X通信场景。     

改进CBAM的轻量级注意力模型

近几年注意力模型在计算机视觉领域取得了广泛的应用,通过在卷积神经网络中加入注意力模型,网络的性能可以显著提升。然而大多数现有的方法都专注于开发更复杂的注意力模型,以使卷积神经网络获得更强的特征表达能力,但这也不可避免地增加了模型的复杂性。为了在性能和复杂度间取得平衡,对CBAM模型进行优化提出了轻量级的EAM（Efficient Attention Module）模型。针对CBAM的通道注意力模块,引入一维卷积替代全连接层来聚合各通道间的信息;对于CBAM的空间注意力模块,将大卷积核替换为空洞卷积来增加感受野以聚合更广的空间上下文信息。将该模型融入YOLOv4后在VOC2012数据集上进行测试,mAP提高3.48个百分点。实验结果表明,该注意力模型只引入较小的参数量,网络性能可获得较大提升。