CAD及相关技术在摩托车设计中的应用研究

一、引言 摩托车设计涉及多种学科领域,具有很强的实践性和广泛的理论基础. 本文以摩托车总体设计为研究对象,针对摩托车总体方案设计、总体布局设计和动力学匹配优化设计,综合应用CAD及相关的KBE技术、CAE/CAT技术、PDM技术和面向对象等技术,对面向摩托车总体设计的智能CAD系统的工作流程、体系结构、各应用子系统的功能结构和CAD/CAE/CAT的集成技术进行了研究,开发了一个原型系统,并结合一款摩托车产品的开发进行了实际验证.     

非下采样Contourlet变换和脉冲耦合神经网络相结合的遥感图像融合方法

为最优保留多光谱图像光谱信息的同时,最大限度地融入全色图像的高空间信息,该文提出了一种基于非下采样Contourlet(非自适应方向多尺度分析方法)变换和脉冲耦合神经网络相结合的图像融合的方法。根据目标融合区域地物的空间分布特点,将目标融合区域划分为边缘区域和非边缘区域,并对全色图像和多光谱图像I分量在非边缘区域进行空间域融合,融入更多多光谱图像的光谱信息。然后,对多光谱图像I分量和空间域融合后的图像进行非下采样Contourlet变换,在低频子带和高频子带分别采用区域能量和空间频率作为源图像的原始信息,驱动脉冲耦合神经网络以每个像元的点火数作为活跃性测量,对图像进行融合。实验结果表明:该算法在非边缘区很好地保持了多光谱图像的光谱信息,在边缘区融入了更多的全色图像的空间细节信息,提高了融合图像的空间分辨率。     

基于低通滤波的离网型风/氢耦合系统容量配置优化

针对提高风电消纳率和氢能利用率的需求,提出构建以风力发电机组、氢储能系统、蓄电池和负载为核心设备的离网型风/氢耦合系统,使风力发电机组输出功率满足负载需求,将经济成本、失电率和弃风率作为指标,对风电机组、氢储能系统以及蓄电池进行最优容量配置,基于粒子群算法求解得到满足经济性和供电可靠性的配置结果,并通过仿真算例验证了配置方案的正确性。     

台区线损合理性分析模型研究与应用

线损是衡量供电企业经营状况的重要指标。利用海量历史数据构建台区线损合理性分析模型,将台区划分为多个类别,在此基础上构建并应用台区线损异常判定工具,提高线损异常识别准确率,实现台区线损的精益化管理。     

聚合物成型加工微型实验——聚氯乙烯棒材的挤出成型和测试表征

提出了聚合物成型加工实验微型化的设想,阐述了对聚合物成型加工微型实验的内涵和设计背景等的理解。详细介绍了自行设计的"聚氯乙烯棒材的挤出成型和测试表征"微型实验的教学目标、教学内容、实验用微型化装置与设备以及教学效果等。对化学专业本科生开设聚合物成型加工微型实验是一种有益的探索与尝试。     

加载路径对5A06铝合金力学性能和微观组织的影响

目的 通过力学性能测试和微观组织表征等手段研究预加载方向和双向加载对5A06铝合金组织性能的影响。方法 分别沿轧制方向(RD)和垂直于轧制方向(TD)施加预变形,然后沿RD进行拉伸试验,对比研究预加载方向对合金力学性能的影响。通过双向拉伸试验研究合金在双向加载时力学性能的变化情况;采用透射电镜观察预加载和双向加载条件下典型试样内的位错组态,分析加载路径对位错组态的影响。结果 预加载使5A06铝合金的屈服强度提高,伸长率下降。与RD预加载相比,TD预加载对屈服强度和伸长率的影响更小,TD预加载试样的抗拉强度更高。不同预加载方向下试样的位错组态不同:预加载与二次加载方向一致会使位错沿单一方向塞积;预加载与二次加载方向垂直时会出现平行位错列交错缠结现象。双向加载时,不同加载比例下合金的应力–应变关系不同,加载比例越接近等比例双向拉伸情况,加工硬化系数越大,在等比例双轴拉伸时达到最大。在应力状态从单拉状态变化到等双拉状态的过程中,不同阶段屈服点间隔不同,在等比例双轴拉伸时达到最大,在单向拉伸时最小。对于不同加载比例的试样,其位错密度随中心区应变量的增大而增大。结论 预加载方向会显著影响5A06...     

一阶近似瞬时频率时间域声波全波形反演

通过全波形反演（FWI）在理论上可得到较高精度的深层速度模型,而在实际中相关条件却难以完全具备。究其原因主要为：FWI对初始速度模型的依赖性强;深层信号弱,在目标函数中的贡献较小。为此,提出基于一阶近似瞬时频率的时间域声波FWI方法。根据瞬时相位公式推导出一阶近似瞬时频率的目标函数和伴随震源项公式;充分发挥瞬时频率可突出低频信息和深层弱信号的特点,为FWI建立初始速度模型;同时加入梯度衰减因子以进一步提高深层反演效果、防止深浅层间互相干涉。模型和实际资料测试证明了该方法的可行性和有效性。     

一种基于自组织神经网络的语音识别系统

建立了一种基于自组织神经网络的语音识别系统。对语音信号进行了预处理,提取了语音信号的线性预测系数、线性预测倒谱系数和Mel倒谱特征系数,建立了基于自组织神经网络的识别判决模型。深入分析和改进了自组织神经网络的分类聚类能力,通过加强训练和设定阈值函数的方法,有效地确定了边界神经元的归属,划分出了合理的输出模式类。验证了自组织神经网络适合于处理孤立词语音识别,并具有快速性和结构简单等特征。MATLAB仿真实验表明,语音识别率达到96%。     

多径干扰对再入遥测系统性能的影响分析

多径干扰在频域表现为在PCM/FM的频谱中产生凹陷。我们通过用一直射路径和一延时小于一个比特间隔的镜面反射路径来模拟再入遥测多径信道,并结合一延时解调器,得到了系统的性能方程式,它是多径信道参数r、θ和τ的函数。然后就有和无预检波滤波器分别分析了多径干扰对系统性能的影响。通过分析得出,系统的比特错误概率都强烈依赖于凹口的位置,而在无预检波滤波器时,系统的平均比特错误概率与凹口的宽度(时延τ)无关,主要由凹口的深度(反射系数r)确定,此时由于多径干扰引起系统性能损失的上界为1/(1-r)2,它高出实际系统性能的损失值不到1dB。在有预检波滤波器的情况下,系统的平均比特错误概率与凹口的宽度、凹口的深度和滤波器的带宽都有关。当τ/Tb=0.15时系统性能最差,而滤波器的带宽B越窄,码间干扰越严重,在τ/Tb=0.15且BTb=1时,得到了系统性能损失的上界为:1/(1-r)2r,它超过系统性能的实际损失同样小于1dB。     

基于多站支路功率联合学习的分布式光伏支路异常检测方法

近年来,分布式光伏站点数量迅速增长,频发的支路异常带来了巨大的发电效能损失,也产生了如何精准且高效检测多站支路异常的需求。为解决上述问题,提出了基于多站支路功率联合学习的分布式光伏支路异常检测方法。该方法通过多个光伏站支路异常检测任务联合学习的方式,提取了辨识多站支路异常特征的相似性和差异性表示;通过构建的多尺度卷积神经网络有效捕捉了多站支路功率中存在的差异性异常特征;利用辅助任务充分学习多站支路异常辨识特征的相似表示;采用多阶段训练策略减少辅助任务对多站支路异常检测精度的消极影响。最后,通过收集的多站支路功率数据进行实验对比,结果证明了提出方法能有效提升分布式光伏各站支路异常检测的精度。此外,该方法仅需构建一个模型即可检测分布式光伏多站支路异常,具有较好的建模便捷性。