排序方式： 共有53条查询结果，搜索用时 1 毫秒
51.
发动机缸体的缸孔与缸盖、活塞组成燃烧室,承受高温、高压燃烧气体的冲击,为了保证活塞能够在缸孔中良好的运行,又不产生烧机油及拉缸现象,以致影响发动机的经济性、动力性及环保性,就需要控制好缸孔表面加工质量.本文阐述了珩磨技术在发动机缸孔加工过程中的发展历程、缸孔表面质量的评价参数、影响平台珩磨质量的因素以及如何控制平台珩磨质量.平台珩磨工艺对于提高发动机的使用寿命,克服发动机早期磨损及降低发动机油耗等方面起到了重要作用. 相似文献
52.
目前多数的视听分离模型,大多是基于视频特征和音频特征简单拼接,没有充分考虑各个模态的相互关系,导致视觉信息未被充分利用,该文针对此问题提出了新的模型。该文充分考虑视觉特征、音频特征之间的相互联系,采用多头注意力机制,结合稠密光流(Farneback)算法和U-Net网络,提出跨模态融合的光流-视听语音分离(Flow-AVSS)模型。该模型通过Farneback算法和轻量级网络ShuffleNet v2分别提取运动特征和唇部特征,然后将运动特征与唇部特征进行仿射变换,经过时间卷积模块(TCN)得到视觉特征。为充分利用到视觉信息,在进行特征融合时采用多头注意力机制,将视觉特征与音频特征进行跨模态融合,得到融合视听特征,最后融合视听特征经过U-Net分离网络得到分离语音。利用客观语音质量评估(PESQ)、短时客观可懂度(STOI)及源失真比(SDR)评价指标,在AVspeech数据集进行实验测试。研究表明,该文所提方法与纯语音分离网络和仅采用特征拼接的视听分离网络相比,性能上分别提高了2.23 dB和1.68 dB。由此表明,采用跨模态注意力进行特征融合,能更加充分利用各个模态相关性,增加的唇部运动特征,能有效提高视频特征的鲁棒性,提高分离效果。 相似文献
53.
针对潜艇机械声源的分离量化问题,采用了将偏相干输出谱分析与层次分析相结合的层次诊断方法。建立了复杂噪声源分离量化的递阶层次结构,并通过两两比较构造判断矩阵,通过各层权重组合处理得到各噪声源的分离量化结果;为了验证该方法在实际工程应用中的有效性,开展了潜艇舱段模型机械声源定量识别水池试验研究,采用层次诊断分析方法实现了机械声源贡献分离,并通过模型偏心电机、激振器单机和组合单机试验工况考核了机械声源分离精度。经舱段模型试验验证,采用层次诊断方法得到的机械声源贡献分离偏差小于3 dB(50 Hz~1 kHz)。舱段模型试验验证了层次诊断方法在机械声源定量识别中的可行性,并为该方法的工程实用性提供支撑。 相似文献