基于旋转三角形模型的负泊松比蜂窝材料面内动态压溃行为数值模拟

为提升蜂窝材料的动态力学性能,在旋转三角形变形构型基础上,针对不同旋转角建立了对应的蜂窝结构模型。利用这些蜂窝模型通过有限元分析软件ANSYS/LS-DYNA数值模拟了不同旋转角的蜂窝在冲击载荷作用下的面内动态压溃行为;同时考虑冲击速度的影响,研究了旋转角和冲击速度对其变形模式以及平台应力的影响规律,并对比分析了旋转三角形蜂窝的吸能特性。结果表明：旋转三角形蜂窝的变形过程一般可分为旋转变形和坍塌变形两个阶段,其应力-应变曲线具有“两段式应力平台”特征,且表现出明显的动态拉胀效应;当旋转角增大或冲击速度提高到某个临界值后,其应力-应变曲线只具有一个平台段,动态拉胀效应逐渐减弱;在不同冲击速度下,通过与相对密度相同的正六边形蜂窝相比较,旋转三角形蜂窝具有更好的能量吸收能力。     

基于攻击图的信息物理系统信息安全风险评估方法

震网病毒等事件实证了信息攻击能对信息物理系统(CPS)带来严重的物理影响。针对这类跨域攻击问题,提出了基于攻击图的风险评估方法。首先,对信息物理系统中的信息攻击行为进行了分析,指出可编程逻辑控制器(PLC)等物理设备中存在的漏洞是信息攻击实现跨域攻击的关键,并给出了信息物理系统中漏洞的利用模式及影响后果;其次,建立风险评估模型,提出攻击成功概率和攻击后果度量指标。综合考虑漏洞固有特性和攻击者能力计算攻击成功概率,根据主机重要程度和漏洞利用模式计算攻击后果。该方法能够将信息域与物理域作为一个整体进行建模,综合考虑多个跨域攻击对系统风险的影响。数值案例表明,多个跨域攻击组合下的风险值是单一攻击下的5倍,计算得到的风险值更为准确。     

V2500发动机燃烧室紧固件银镀层失效机理研究

为避免V2500航空发动机燃烧室紧固件装配过程中造成的损伤及其连接部位发生高温粘连失效,常采用在紧固件表面镀银来改善其自润滑性能.本文对航空标准紧固件与高温失效紧固件进行对比分析,利用扫描电子显微镜(SEM)和能谱仪(EDS)分析标准镀银紧固件和高温失效紧固件的微观形貌和元素组成,研究银镀层的高温失效机理;研究在腐蚀环...     

基于改进DenseNet的驾驶行为识别

为提高道路交通安全，解决司机分心驾驶问题，对基于卷积神经网络的驾驶员行为识别模型进行了改进。首先对基于DenseNet的驾驶行为识别模型进行研究，在其基础上引入注意力机制对其进行改进；将注意力机制模块化后设计了三种改进模型；最后将实验结果进行对比分析，确定性能较优的改进模型为SE-PRE模型。实验结果显示，提出的改进模型在相关数据集上达到了94.21%的准确率，上述模型能够准确且高效的识别驾驶行为，为后续的车辆智能化研究奠定了基础。     

基于深度卷积与全局特征的图像密集字幕描述

为了解决图像密集字幕描述中感兴趣区域(Regions of interest,ROI)定位不准确与区域粗粒度描述问题,本文提出了一种基于深度卷积与全局特征的图像密集字幕描述算法,该算法采用残差网络与并行LSTM(Long Short Term Memory)网络的联合模型对存在的区域重叠定位和粗粒度描述细节信息不完整问题进一步改进。首先利用深度残差网络与Faster R-CNN(Faster R-Convolutional Neural Network)的RPN(Regional Proposal Network)层获取更精准区域边界框,以便避免区域标记重叠;然后将全局特征、局部特征和上下文特征信息分别输入并行LSTM网络且采用融合算子将三种不同输出整合以获得最终描述语句。通过在公开数据集上与两种主流算法对比表明本文模型具有一定优越性。      

深度学习容器云平台下的GPU共享调度系统

近年来，容器由于具有轻量级以及高可扩展性，逐渐替代了虚拟机，被广泛应用于深度学习云平台中。但目前深度学习云平台在GPU资源管理上依然存在着不足，主要表现为由于容器编排技术的限制，多个容器无法共享使用GPU资源，而对于一些小规模模型的训练任务和推理任务，单个任务并不能充分利用整张GPU卡的计算资源。当前的独占模式会导致昂贵的GPU资源的浪费，降低资源效率和服务可用性。针对这一问题，提出了一种GPU共享调度系统。一方面，基于Kubernetes的Operator机制对现有集群功能进行扩展，实现了多个Pod共享使用GPU资源，同时设计了一种代理机制保证了与原生Kubernetes的兼容性。另一方面，基于GPU时间片与抢占机制，实现了GPU资源的动态管理与调度，在多个任务之间进行细粒度的协调，并减少了任务干扰。实验结果表明，与原生Kubernetes调度系统相比，该系统能够将一组深度学习训练任务的完成时间平均减少约20%,使得集群GPU资源利用率平均提升约10%。在共享使用GPU时高优先级任务性能相较于独占GPU损耗不到5%,同时能够使得低优先级任务以20%的性能运行在同一张GPU上。