加强筋截面类型对轨道车辆板件结构隔声影响研究

针对轨道车辆轻量化设计后可能带来的隔声性能降低问题,研究不同截面加强筋铺设对板件隔声性能的改善效果。基于混合有限元-统计能量分析(Hybrid FE-SEA)方法建立轨道车辆加筋板结构隔声特性预测分析模型,系统分析T型、L型、I型和矩形加强筋截面类型对板件隔声性能的影响。研究结果表明,加筋板的刚度和1阶固有频率皆比均质板大,且随加强筋厚度的增大而增大;当加强筋厚度恒定时,T型加筋板的刚度和1阶固有频率最大,L型加筋板次之;敷设厚度15 mm的加强筋,板件的隔声性能最佳;当加强筋的质量、厚度、腹板面积及尺寸、翼板面积相等时,各类型加筋板的计权隔声量Rw差异不大;板件加筋后,刚度控制区的隔声量增幅3 dB~17 dB,1 250 Hz~4 000 Hz中高频段的隔声量增幅1 d B~6 d B。综合分析可知,以计权隔声量为评价标准时,在加强筋质量、腹板面积、翼板面积及尺寸相等时,敷设厚度15 mm加强筋,板件的隔声性能最佳,Rw较均质板可提高1.4 dB~1.5 dB,而加强筋厚度恒定时,T型和L型加筋板的刚度又最佳。相关研究成果可为轨道车辆板件结构加筋优化提供设计参考。     

利用图像平滑结构信息指导图像修复

利用图像结构特征进行图像修复,是近年来在深度学习技术广泛应用背景下出现的新方法。应用该方法可以在缺失区域内生成合理的内容,但图像修复结果过于依赖图像结构的提取内容,且在实际训练中会出现错误的持续传播和累积,一旦图像结构存在噪声或失真会直接影响到图像的生成质量。该方法处在探索应用阶段,尚存在网络训练难度大、鲁棒性较差、生成图像上下文语义不一致等问题。为此,本文提出了一种图像平滑结构指导修复的并行网络结构。图像平滑结构的生成内容不直接作为下一级网络的输入,只为网络的解码层提供指导信息。同时,为了更好地匹配和均衡结构与图像之间的特征关系,本文结合transformer提出了一种多尺度特征指导模块。该模块利用transformer联系全局特征的强大建模能力,对结构和图像纹理之间的特征进行匹配和均衡。实验结果表明,本文方法在三个常用的数据集上能够有效地恢复图像缺损内容,并且可以作为图像编辑工具实现目标移除。     

基于NSCT域滚动引导滤波与自适应PCNN的医学图像融合

针对传统CT和MRI医学图像融合后存在边缘轮廓模糊、纹理细节丢失等问题,提出基于NSCT域结合相位一致性滚动引导滤波与改进参数自适应双通道PCNN的图像融合方法。首先,采用相位一致性滚动引导滤波对CT源图像进行增强,提高骨骼轮廓结构清晰度。然后,通过NSCT变换分解增强后的CT和MRI源图像得到低频子带和高频子带。低频子带系数采用改进参数自适应双通道脉冲耦合神经网络融合策略,明显改善了软组织的纹理细节模糊效果;高频子带系数采用加权求和修正拉普拉算法融合,提升了融合后图像的细节、纹理等信息。最后,通过逆NSCT变换重构出融合图像。通过五组对比实验表明,所提方法的AG、CC、SF、MSE以及CEN客观评价指标分别平均提高了13.30%、6.71%、4.40%、40.23%、19.16%,说明该融合方法在处理纹理细节、边缘轮廓、结构相似性以及图像像素方面性能更好。     

基于三分支对抗学习和补偿注意力的红外和可见光图像融合

针对现有深度学习图像融合方法依赖卷积提取特征,并未考虑源图像全局特征,融合结果容易产生纹理模糊、对比度低等问题,本文提出一种基于三分支对抗学习和补偿注意力的红外和可见光图像融合方法。首先,生成器网络采用密集块和补偿注意力机制构建局部-全局三分支提取特征信息。然后,利用通道特征和空间特征变化构建补偿注意力机制提取全局信息,更进一步提取红外目标和可见光细节表征。其次,设计聚焦双对抗鉴别器,以确定融合结果和源图像之间的相似分布。最后,选用公开数据集TNO和RoadScene进行实验并与其他9种具有代表性的图像融合方法进行对比,本文提出的方法不仅获得纹理细节更清晰、对比度更好的融合结果,而且客观度量指标优于其他先进方法。     

一种基于电磁—空气弹簧的非线性隔振器理论与实验研究

本文提出一种主要由空气弹簧和永磁体所组成的具有准零刚度特性的非线性隔振器.首先,通过分析空气弹簧和磁体的受力特性,建立隔振器力-位移关系和刚度-位移关系,揭示隔振器静态力学特性,并分析隔振器参数对系统刚度的影响规律.然后,采用谐波平衡法计算隔振器力传递率特性.结果表明,通过在适当范围内调节系统阻尼比或激励幅值,所提出的非线性隔振器在隔振频率范围内优于普通空气弹簧隔振器.最后,通过实验验证隔振器的隔振性能.该研究可为小振幅甚至微振动系统的振动隔离提供新的参考.     

基于时间感知Transformer的交通流预测方法

作为智能交通系统的关键一环,交通流预测面临着长时预测不准的难题,其主要挑战在于交通流数据本身具有复杂的时空关联。近年来,Transformer的提出使得时序数据预测的研究取得了巨大进展,但将Transformer应用于交通流预测仍然存在以下两个问题：1)静态的注意力机制难以捕获交通流随时间动态变化的时空依赖关系;2)采用自回归的预测方式会引发严重的误差累积现象。针对以上问题,提出了一种基于时间感知Transformer的交通流预测模型。首先,设计了一种新的时间感知注意力机制,可以根据时间特征定制注意力计算方案,从而更精准地反映时空依赖关系;其次,在Transformer的训练阶段舍弃了Teacher Forcing机制,并采用非自回归的预测方式来避免误差累积问题;最后,在两个真实交通数据集上进行实验,实验结果表明,所提方法可以有效捕获交通流的时空依赖,相比最优的基线方法,长时预测性能提升了2.09%～4.01%。     

基于NSST域混合滤波与改进边缘检测PCNN的医学图像融合

针对传统医学图像融合中存在细节模糊、能量保存不完整、运行时间长等问题,提出一种基于非下采样剪切波(non-subsampled shearlet transform, NSST)域混合滤波与改进边缘检测脉冲耦合神经网络(pulse coupled neural network, PCNN)的医学图像融合方法。首先,利用YUV模型进行颜色空间转换分离出亮度通道Y,接着利用混合滤波分别对源核磁共振(magnetic resonance imaging, MRI)图像和亮度通道的灰度图像进行不同程度的增强。其次,采用NSST对增强后的MRI和亮度通道的灰度图像进行分解,得到高低频子带。低频子带使用修正的拉普拉斯能量和(weighted sum of eight-neighborhood-based modified Laplacian,WSEML)与局部区域能量加权和(weight local energy,WLE)的融合策略,高频子带采用改进边缘检测PCNN的融合策略。最后,经NSST逆变换得到融合图像。通过与其他6种融合方法对比,本文方法可以有效提高图像融合过程中的细节提取和能量保存,且...     

地铁车辆段周期性桩基础隔振效果研究

针对地铁车辆段及上盖建筑振动控制难题，基于周期结构带隙理论提出周期性桩基础隔振措施，通过开展行车条件下现场测试获得车辆段及上盖平台振动响应，以此为基础建立和校核动力有限元模型，并拓展建立上盖建筑振动计算模型，分析周期性桩基础对上盖建筑的隔振效果。研究发现：（1）实测振动向上盖平台传播分频衰减量约为20 dB～50 dB之间，上盖平台及建筑振动显著频段在25 Hz～50 Hz;(2)上盖建筑部分房间预测值超过限值3 dB～6dB，采用周期性桩基础后可实现设计带隙范围内63 Hz处最大9 dB的分频插入损失以及7 dB的最大Z振级插入损失；（3）周期性桩基础可有效控制上盖建筑10 Hz以下低频振动，最大可降低16 dB。研究成果可为车辆段及上盖建筑振动控制提供一种新的方法和某种地层条件下的具体设计参数。