机床结构轻量化设计研究进展

对机床进行优化的结构构型设计,使得材料在机床结构空间内更加合理地分布和有效地利用,一直都是机床设计工作者追求探索的目标。论述机床构型和结构件轻量化设计的研究历程和技术发展,对机床结构轻量化设计中常用的现代设计方法:参数优化、结构拓扑优化、多方法综合结构设计、仿生优化设计方法进行具体技术介绍和综合评述,并对近年兴起的仿生优化设计方法进行从方法、实现手段和轻量化效果等方面重点分析和评述,对机床构型和结构件轻量化设计研究的未来发展提出展望。     

结构优化在空间可展开天线中的应用及展望

空间可展开天线是航天领域发展的重要方向,具有重大战略意义和重要经济社会价值。首先,对结构优化技术、面向增材制造的拓扑优化与点阵填充等先进轻量化设计技术的应用进行综述;然后,根据典型使用环境和设计要求,着重介绍近年来结构优化技术在空间可展开天线零部件结构优化和馈源阵支撑结构概念设计中的典型应用案例;最后,考虑未来空间超大口径及高精度可展开天线的设计需求,对先进轻量化设计技术的应用前景进行展望。结构优化技术与设计经验相结合,正在推动设计理念的创新,将成为先进航天器设计的核心工具和必备的标准流程。     

Synthesis of Lightweight Renewable Microwave-Absorbing Bio-Polyurethane/Fe3O4 Composite Foam: Structure Analysis and Absorption Mechanism

Sustainable renewable polymer foam used as a lightweight porous skeleton for microwave absorption is a novel strategy that can effectively solve the problems of the large surface density, high additive amount, and narrow absorbing band of absorbing materials. In this article, novel renewable microwave-absorbing foams were prepared using Sapiumse biferum kernel oil-based polyurethane foam (BPUF) as porous matrix and Fe₃O₄-nanoparticles as magnetic absorbents. The microstructure and the microwave absorption performance, the structural effects on the properties, and electromagnetic mechanism of the magnetic BPUF (mBPUF) were systematically characterized and analyzed. The results show that the mBPUF displayed a porous hierarchical structure and was multi-interfacial, which provided a skeleton and matching layer for the Fe₃O₄ nanoparticles. The effective reflection loss (RL ≤ −10 dB) frequency of the mBPUF was from 4.16 GHz to 18 GHz with only 9 wt% content of Fe₃O₄ nanoparticles at a thickness of 1.5~5 mm. The surface density of the mBPUF coatings was less than 0.5 kg/cm² at a thickness of 1.8 mm. The lightweight characteristics and broadband absorption were attributed to the porous hierarchical structures and the dielectric combined with the magnetic loss effect. It indicates that the mBPUF is a prospective broadband-absorbing material in the field of lightweight stealth materials.     

基于BIM+GIS的大坝安全监测信息可视化展示技术研究

为了解决传统大坝监测信息三维可视化程度低,展示不够直观、形象等问题,采用BIM+GIS技术,将监测信息展示从传统二维空间拓展到三维空间.对BIM建模、模型轻量化、三维可视化展示以及系统功能设计进行了研究,通过在桃源水电站的应用实例表明,BIM+GIS技术能够实现大坝安全监测信息三维可视化展示,展示效果更为形象、生动,具...     

基于数据增强的太阳能电池片缺陷检测

针对太阳能电池片缺陷数据量匮乏造成的网络过拟合和模型性能不达标的问题,提出基于深度卷积对抗生成网络和图像随机拼接的真假数据融合算法,将训练数据量提升了800倍;同时对网络模型进行轻量化优化,减少模型训练参数。实验结果表明,经过真假数据融合扩充数据集后训练的模型测试精度相比原始训练集和传统数据增强算法分别提升了近30%和17%;轻量化处理后的模型参数减少为之前的1/2,对每张图片的测试时间由57 ms缩短到22 ms。研究证明,真假数据融合算法能够有效的缓解训练数据不足造成网络过拟合问题;轻量化优化模型在保证精度的同时,压缩模型大小,加快测试速度。     

一种磷石膏轻骨料制备技术

提出了一种磷石膏轻骨料制备技术,介绍了磷石膏轻骨料的两种不同用途:制品用轻骨料、水稳层用轻骨料,并对所制备的磷石膏轻骨料的密度、筒压强度、吸水率和软化系数等进行了检测。结果表明,制备的磷石膏轻骨料均能满足相关国家标准的要求,且具有一定的经济和社会效益。     

基于轻量级密集残差网络的水下图像增强

深度卷积神经网络是水下图像增强的主要方法之一,但其过高的内存消耗和计算需求阻碍了在实际应用中的部署。为此,提出一种轻量级的密集残差卷积神经网络(dense residual convolutional neural networks, DRCNN)用于水下图像增强。为降低计算成本,DRCNN采用深度可分离卷积提取高级特征;通过密集连接和残差学习促进不同通道之间的信息交互,提高模型表征能力;将输入的退化图像与中间特征图融合,保留图像全局相似性,同时防止模型梯度消失。实验结果证明DRCNN能有效提高水下图像质量,较于现有算法,DRCNN参数量减少了85%,PSNR、SSIM值分别提高了3%、2%,测试速度提高了3%。DRCNN使用更少的参数实现了更好的性能,利于在低资源设备的实时场景中应用。     

改进 YOLOv5s 的风力涡轮机表面缺陷检测

针对传统方式检测风力涡轮机表面缺陷时出现的精度不足、泛化性较差问题,提出了一种改进YOLOv5s的风力涡轮机表面缺陷检测模型。在网络结构方面,首先在主干特征提取网络引入改进的MobileNetv3网络,用于协调并平衡模型的轻量化和精度关系;其次采用BiFPN式的融合方式,增强神经网络的多尺度适应能力,提高融合速度和效率;最后为轻量化的自适应调节特征权重,运用ECAnet通道注意力机制,进一步提高神经网络的特征提取能力。在损失函数方面,将边框回归的损失函数修改为αIoU Loss,进一步提升了bbox回归精度。实验结果表明,基于YOLOv5s的改进算法可以在复杂环境下快速准确地识别风机表面的缺陷目标,能够满足实时目标检测的实际应用需求。     

电动汽车串联型电弧故障检测方法

电弧故障是引发电气火灾的主要原因之一。在电动汽车电气系统中,直流串联电弧故障通常发生在接触点松动或线路连接损坏处,会引起火灾、爆炸等严重事故。为快速、准确地检测电动汽车串联型电弧故障,搭建了电动汽车故障电弧实验平台,采集不同工况下干路电流时间序列并建立了样本库。通过轻量化卷积神经网络,建立了基于改进Mobilenet网络的串联故障电弧检测模型。通过对比分析学习率、网络层数、样本长度,对模型进行了优化。该优化模型通过干路电流可实现电动汽车串联型故障电弧的检测和故障选线,检测准确率达到96.39%,论文为电动汽车电气系统电弧故障检测提供了一种可行性方案。     

联合频谱映射与掩蔽估计的协作式语音增强方法

为提高目前基于掩蔽与基于频谱映射的语音增强方法性能上界以及复杂环境下的泛化能力,提出了一种在联合复频谱 与复掩蔽学习框架下的协作式单通道语音增强方法。 该方法采用编码器-双分支解码器结构,在编解码部分设计了一种交互协 作学习单元(ICU)来监督交互语音信息流,并提供有效的潜在特征空间;中间层则是设计出一种多尺度融合 Transformer,以少 量参数在空间-通道维度上多尺度地提取细节信息后融合输出,同时对语音子频带与全频带信息建模。 在大、小数据集与 115 种噪声环境下进行实验,结果表明该方法仅以 0. 57 M 的参数量,取得比大部分先进且相关方法更优的主、客观指标,具有良好 的鲁棒性与有效性。