受载复合材料曲板结构的失效特征研究

为研究飞机复合材料曲板的失效过程与失效模式,对一组复合材料弯角试验件进行了准静态拉伸试验.同时基于ABAQUS软件及其USDFLD子程序,考虑复合材料的渐进损伤特征,建立了受载曲板的有限元模型,分析弯角区的应力分布特征.研究发现：数值仿真能够较准确的模拟弯角结构的受载过程,模拟结果与试验结果吻合较好;结构受载过程中,在弯角区域发生分层破坏,随着载荷的增大,分层沿着周向和径向都有扩展;随着外加载荷的增大,弯角区域的最大法向应力的位置逐渐移向加载端.     

一副智能天线可发送的独立波束数研究

目前所能找到的与CDMA系统智能天线(SA)应用有关的资料都错误地认为:一副SA可以在一个载波上同时实现多个CDMA码道的定向发送。文章利用SA即相控阵天线定向发射的基本原理和SA的虚拟实验,证明了以上这种观点的不可实现性。TD-SCDMA标准和系统中的SA设备是建立在上述错误理论基础上的产物,因此它们不可能实现同时隙内多个码道的定向发送。     

一种小型实验磨粉机的分析与设计

介绍了一种小型实验磨粉机的主要结构特点和工作原理 ,给出了该磨粉机的主要设计参数和应用示例。     

电机定子硅钢片冲压模具设计及ANSYS有限元应力分析

尽管模具的设计和制造技术都已成熟,但经验化设计和制造仍占主导作用,特别是模具的配作加工对装配工人的技术要求非常高。对现存模具刃口尺寸和公差计算方法进行优化,结合"入体原则"和孔类、轴类尺寸偏差特点,建立了针对一般性冲压模具刃口尺寸和公差的分开加工计算方法。针对重要工作零件进行ANSYS有限元应力分析,校核其强度。对于整套模具通过理论设计、三维建模和零件加工工艺概述,分析其设计和装配的合理性。利用该计算方法完成了电机定子硅钢片冲压模具刃口的计算,从理论设计上实现了降低装配工人技术要求的目的。     

SF6断路器气体微水超标原因及控制措施

阐述SF6断路器微水超标的危害性,分析SF6断路器微水超标的具体原因,并提出SF6断路器微水超标的拉制措施。     

全自动分切理排机实现"中国制造"

随着社会发展，人力资源目益紧缺，劳动密集型的扑克牌产业，对生产过程的机械化及自动化要求目趋迫切。三A公司自主研发成功，并取得国家发明专利（发明专利号：ZL200310116761．5），填补了国内空白，中国人自己创造的全自动分切理排机，将原压痕、分理工序合为一体，突破了国外分条分块机型。与分条分块相比具有纸张适应性广，车速快、省电、损耗小，无出错率（少牌、多牌）等优势。     

火焰原子吸收光谱法测定钕铁硼磁铁中铅

钕铁硼磁铁已在日用消费品中广泛使用,随着日用消费品环保质量要求的提高,也就产生了测定钕铁硼磁铁中的铅含量需求。采用王水溶样,于谱线Pb 283.3nm处,采用氘灯扣背景,以铁基体匹配法建立校准曲线,实现了空气-乙炔火焰原子吸收光谱法对钕铁硼磁铁中铅含量的测定。实验详细讨论了样品中主要基体元素钕、铁、硼对测定的影响。结果表明,样品中硼和钕对铅测定的影响可忽略;而铁基体对测定的干扰不可忽略。按照钕铁硼磁铁主体硬磁相结构式Nd₂Fe₁₄B估算出铁在磁铁中的大致质量分数为71%,据此,可推算出按照实验方法消解定容后样品溶液中铁的质量浓度约为2840mg/L。试验表明铁的质量浓度在1600~3600mg/L范围内时铅的吸光度保持稳定,但相对于基体空白的吸光度均高出很多。因此,实验最终选择匹配2800mg/L的铁来消除基体干扰。在选定的实验条件下,方法线性范围为0.10~5.00mg/L,相关系数为0.999,检出限为0.02mg/L。按照实验方法对3个钕铁硼磁铁实际样品中铅进行测定,平行测定6次结果的相对标准偏差(RSD)小于6%,回收率在93%~103%之间。根据日用消费品中铅限值要求,配制铅质量分数为1000mg/kg的钕铁硼磁铁模拟样品并按实验方法进行分析,得到的结果与理论值基本一致。     

基于PCA降维的成对约束半监督聚类集成

针对现有的聚类集成算法大都是无监督聚类集成算法且不能很好地处理高维数据的问题,设计一种基于PCA降维技术的成对约束半监督聚类集成算法(SSCEDR).SSCEDR方法使用PCA主成分分析对原始数据进行降维,结合半监督聚类集成技术,在降维后的空间中将成对约束等先验知识代入到聚类集成过程中.本文通过在多组数据集上实验来验证...     

基于边缘颜色分布的车牌定位新方法

根据车牌的综合特征,提出了一种新的基于边缘颜色分布的车牌定位算法.该算法抓住了车牌背景与字符具有固定颜色搭配的重要特点,利用车牌区域内特有的边缘颜色分布信息并结合车牌的纹理特征,有效地滤除了大量的背景和噪声边缘,然后利用车牌的结构特征和边缘信息,并结合形态滤波的方法,以进一步确定车牌区域.实验结果表明,该算法定位准确率高、鲁棒性好,而且适用于对复杂背景下的多车牌图像进行分割.     

基于深度学习水果检测的研究与改进

为实现自然环境下水果自动化采摘存在受环境和障碍物等因素造成的问题,导致目标水果检测准确率不高,泛化性不强等实际问题,以苹果、橘子、香蕉三种水果作为研究对象,提出一种基于深度学习的SSD（Single Shot Detector）改进模型。经典SSD采用多尺度特征融合的方式,从网络不同层抽取不同尺度的特征做预测,但是没有用到足够低层的特征,使得小物体的检测效果较差。通过将经典SSD训练使用的VGG16输入模型替换为ResNet-101,利用特征金字塔网络（FPN）结构将高层特征通过上采样和低层特征做融合。实验表明,改进的SSD300和SSD512水果检测模型的平均检测精度为83.05%和84.24%,经数据增强后精度也有所提升,适合于自然环境下水果的精确检测。