深冷处理工艺参数对GCr15钢相对耐磨性的影响

自行设计制造了能实现工艺参数自动控制的深冷处理系统。研究了深冷处理工艺过程中降温速率,深冷处理温度以及升温速率等在数对GCr15钢相对耐磨性的影响规律,研究表明,GCr15钢经过深冷处理后,相对耐磨性得到不同程度的提高,在所选参数范围内,相对耐磨性变化幅度达13％－92％。深冷处理温度越低,变温速率越小,相对耐磨性提高越显著。     

工件位置加工误差的分析与建模

主动寻位与状态记忆安装技术(InitiativeLocatingandStateMemory,简称IL&SM)是一种新型的工件安装方法。通过运用齐次坐标变换原理分析了多工序转换过程中,IL&SM箱体对工件上特征间位置精度的影响,并给出了描述工件位置误差的通用数学模型,最后通过实例说明了位置误差建模方法的应用。研究结果将为消除箱体原始误差对工件加工精度影响,从而为进一步实现误差补偿提供理论参考依据。     

用于齿轮淬火的圆柱坐标机器人单元

文章结合机车用齿轮淬火设备的研发,介绍了一种广义圆柱坐标式数控机器人式设备.文中对本机器人操作机的结构、参数、控制系统的构成及功能等作了介绍.最后对所开发的机器人式设备的实际应用情况进行了说明.     

密实度对砂卵砾石料强度及变形特性的影响

为研究试样相对密度对砂卵砾石料强度及变形特性的影响,对4组不同相对密度的砂卵砾石料进行不同围压下的中型三轴固结排水剪切试验。试验结果表明:在试验的相对密度范围内,随着围压增大,相对密度小的试样应力应变曲线硬化特征逐渐明显,而相对密度大的试样无论围压大小,应力应变曲线都呈应变软化型;试样在剪切过程中均表现出不同程度的剪胀性;试样抗剪强度指标φ和φ0随着试样相对密度Dr增大而增大,c和Δφ随Dr增大而减小,并建立了试样抗剪强度与相对密度的函数关系式;割线模量、切线体积模量都随Dr增大而增大,可近似用线性关系表示。     

基于特征保持的三维模型四面体化及优化

三维模型四面体化是一种重要的有限元网格生成技术.介绍了一种特征保持的四面体网格生成及优化算法.首先使用三维模型主成分分析进行预处理,然后用体心立方构建初始四面体,接着通过拉普拉斯坐标改变模型边界切点的移动方式保持模型的局部特征,最后构造改进的密度能量误差函数优化四面体网格质量.实验结果表明,该方法可行、有效,且能很好地保持模型特征.     

基于三维场景出图的拼接制作2.5维地图算法

针对目前2.5维电子地图的制作与其三维虚拟场景相对独立,且不易更新维护的问题,提出了对三维场景进行图片输出并拼接实现2.5维地图制作的算法。首先设定摄像机长宽值作为最小出图单位,在指定范围内,使用最小出图单位以任意水平角度和俯仰角度输出三维虚拟场景效果图,并记录相关空间信息。然后根据图片左上角点坐标值对所输出图片进行无缝拼接。实验结果表明,该方法在保证地图空间实体表现能力的同时,能够快速替换图中更新区域,提高2.5维地图制作效率。     

多功能工业定时器设计

主要设计了以STC89C51单片机为核心的多功能工业定时器设计,并且使用了万年历芯片DS1302、液晶显示器TS1620、蜂鸣器等器件.该没计采用C语言编程,包括液晶显示程序、万年历程序、按键扫描程序.该工业定时器应能够实现绝对时间和相对时间的定时,定时范围广,并且有信号输出.     

车联网中基于伪距双差的车辆定位技术

为满足车联网中定位精度的要求, 本文提出了一种伪距双差车辆相对定位算法,该算法通过车辆间伪距信息的车到车(Vehicle-to-vehicle,V2V)交互,抵消了公共误差及不同接收机的时钟偏移量,提高了伪距双差的车辆定位精度。通过对比分析伪距双差算法与全球定位系统（Global position system,GPS)单点定位算法的距离误差均方根,证明了伪距双差算法的定位精度。仿真结果表明采用伪距双差算法(Double differencing relative,DDR) 的相对定位技术在公共可见卫星 数大于4时,其相对定位性能优于GPS单点定位方法。     

一种基于极坐标变换的点模式匹配算法

点模式匹配是目标识别、图像配准与匹配、姿态估计等计算机视觉与模式识别应用方向的基础问题之一。提出了一种新的利用点特征进行匹配的算法,该算法根据点集的分布与点位置信息,构建了点的特征属性图,通过极坐标变换得到对数极坐标的特征图,并利用几何不变矩方法对特征图进行描述。由特征描述向量的比较,获得粗匹配结果,然后通过几何约束迭代的方法获取最终的点集匹配结果。本文贡献如下:一,构建了一种点的极坐标变换特征,并运用不变矩进行描述,使所提特征具有旋转与平移的不变性;二,提出了利用点特征与整体点集几何约束结合的匹配算法,能有效克服出格点与噪声带来的不利影响。最终实验说明了算法的有效性和鲁棒性。     

Coordinate descent with arbitrary sampling I: algorithms and complexity†

We study the problem of minimizing the sum of a smooth convex function and a convex block-separable regularizer and propose a new randomized coordinate descent method, which we call ALPHA. Our method at every iteration updates a random subset of coordinates, following an arbitrary distribution. No coordinate descent methods capable to handle an arbitrary sampling have been studied in the literature before for this problem. ALPHA is a very flexible algorithm: in special cases, it reduces to deterministic and randomized methods such as gradient descent, coordinate descent, parallel coordinate descent and distributed coordinate descent—both in nonaccelerated and accelerated variants. The variants with arbitrary (or importance) sampling are new. We provide a complexity analysis of ALPHA, from which we deduce as a direct corollary complexity bounds for its many variants, all matching or improving best known bounds.