摘要：基于深度学习的目标跟踪算法由于其网络结构十分复杂,计算量大,难以在功耗受限的移动平台上部署,本文针对这一问题提出了一种基于FPGA进行加速神经网络向前推断的异构跟踪系统,使用YOLOv5目标检测算法,根据卷积神经网络特点设计硬件加速模块,改进Deepsort跟踪算法以获得更好的抗遮挡效果,设计指令集开发上位机使硬件模块可以加速YOLOv5目标检测速度,采取软硬件协同优化设计方法分配计算任务,使跟踪系统达到低功耗,实时性的效果,实测处理速度达到50FPS.

摘要：为将参数量巨大的神经网络模型部署到资源有限、功耗要求极高的嵌入式端,以较好的速度运行,研究8 bit整型量化算法和神经网络前向推理过程在FPGA上的具体实现。通过8 bit整型量化,将模型的参数量从22.5 M缩减至5.7 M,模型参数量缩小近4倍,提高神经网络在嵌入式端部署的可行性。基于FPGA并行处理的特点,设计精简指令,优化卷积运算中输入输出和计算过程的并行处理。在实验中可以在较低功耗下加速神经网络前向推理过程。

摘要：设计说明：本设计题目为＂钢魂——时光浩韵＂,定义为餐饮娱乐会所——集休闲与娱乐为一体的公共空间。利用重钢中的型钢厂进行空间再造,通过对原始建筑内部空间的改造使其达到更合理的运用,突出工业记忆,塑造凸显重钢钢铁文化和近现代工业化的个性空间。本案着重体现人与钢铁的人文关系,从侧面拉近人们与钢铁的亲近感,在合理地利用旧厂房的基础上既能达到功能上的满足也能突出并展示其重钢历史和文化。

摘要：在当代,平面设计作品越来越注重传统文化元素的应用,而书法篆刻作为优秀传统文化的一部分,通过设计师们的不断探索和挖掘,使得书法篆刻艺术在平面设计中的应用越来越普遍,语言表现形式也丰富多彩。在很多方面找到了互相融合的契合点,并且通过这些相互关联性,使得书法篆刻艺术表现手法与平面设计之间的融合意义不断深化,促进了两者之间的相辅相成,进而使作品内容的影响力不断增大,并且备受设计者们和大众所喜爱。

摘要：为了解决试管整理供送的问题,根据目前的一种试管特性,针对带凸台的试管包装容器的理料供送装置设计进行总体方案设计与机构三维建模分析,并对关键零部件进行了一定的优化设计。设计一种全自动整理供送装置,并对其各个机构进行设计和建模分析。根据试管的尺寸及结构特性,合理的设计料斗结构,采用链传动作为提升、整理装置,包括料斗、提升机构和导流槽。同时利用Solidworks软件对设计装置进行装配建模,为机构优化设计提供了依据并达到了设计要求;用离散元仿真软件EDEM对试管在导流槽的滑落情况进行仿真分析,得出结论导流槽倾斜角设计30°较为合适。

摘要：为了研究制定动力电池继电器和熔断器的选型策略,基于新能源汽车直流继电器和熔断器的结构和功能介绍,通过对48 V系统的典型工况分析计算得到动力电池线路负载,结合线路负载信息制定了继电器和熔断器的选型要求。对继电器和熔断器进行选型匹配后通过设计典型失效工况试验验证了该选型方法的有效性,为动力电池继电器和熔断器匹配选型及验证提供参考。

摘要：针对气动系统中气源压力不易改变的情况,运用减压阀设计出一种能满足不同冲击强度要求的可控气缸冲击回路。以气体热力学和牛顿运动定律等基本物理学定律为基础,建立了可控气缸冲击回路中主要元件减压阀和冲击气缸的数学模型。同时建立了基于AMESim软件的气缸冲击回路模型,对减压阀及气缸在冲击过程中的运动特性进行模拟分析。结果表明:在气源压力不变的情况下,运用减压阀的可控气缸冲击回路中气缸的冲击强度具有较好的可控制性,在进口压力相同的情况下,通过减压阀的供气的气缸冲击特性更加稳定。

摘要：避雷器并联均压电容可以降低其电压分布不均匀系数,但同时也会带来外套管径变大、电场分布变为非轴对称、性能难以检验及运行可靠性下降等诸多不安全因素,因此使用均压电容往往得不偿失。随着金属氧化物电阻片性能的提高,500 kV避雷器去掉均压电容已成为一种趋势。笔者研究了一种新型500 kV金属氧化物避雷器,通过合理设计均压环完全可以解决避雷器电压分布不均匀的问题。

摘要：心音为疾病的诊断提供了初步的线索,有助于医生对疾病的评估,但传统的心音诊断训练费用昂贵,难以推广应用。针对以上问题,本文提出了一种基于CNN-LSTM的心音自动诊断分类方法,并给出了该方法的体系结构。网络结构由两个局部特征学习块和一个长短期记忆层组成,局部特征学习块主要包括一个卷积层和一个池化层。CNN利用卷积层和池化层来学习局部相关性,同时提取层次相关性。LSTM层用于从学习到的局部特征中学习长期相关性。文章中设计的网络可以充分利用这两种网络的优点,克服它们各自的缺点。实验采用了著名的Peter Bentley心音数据集,以梅尔频率倒谱系数作为心音特征,实验结果表明,设计的CNN-LSTM在心音识别中具有较好的效果,准确率约提高5%。所设计的网络结构在Peter Bentley数据集上的识别率达到85.4%,远高于LSTM和CNN分别在同一数据集上获得的准确率75.6%和80.5%。