摘要：针对VRB/GFRP混合结构刚度优化设计复杂而耗时这一问题,利用有限元法分析了GFRP铺层角度和铺层数量、VRB厚度分布形式对两种层合板刚度特性及各组分应变能密度分布的影响规律。研究结果表明,应变能密度越小能表征更好的刚度性能;抗弯与抗凹工况下,采用#(0/90)铺层角度、增加GFRP铺层数量以及VRB采用0.9-1.8-0.9 mm的厚度分布形式时,VRB/GFRP层合板各组分的应变能密度分布更加均匀,从而获得更好的刚度性能。

摘要：近年来,基于卷积神经网络(Convolutional neural network,CNN)的图像去雾方法在合成数据集上取得了显著的进展,但由于真实场景中存在雾分布不均的问题,卷积运算的局部感受野难以有效捕获到上下文指导信息,从而导致全局结构信息丢失.因此,真实场景下的图像去雾任务面临着巨大的挑战.考虑到Transformer具有捕获长距离语义信息依赖关系的优势,有利于引导全局结构信息重建.然而,标准Transformer结构的高计算复杂度阻碍了其在图像恢复中的应用.针对上述提到的问题,提出一个由Transformer和卷积神经网络组成的双分支协同非均匀图像去雾网络***分支用于提取全局结构信息,同时设计稀疏自注意力模块(Sparse self-attention modules,SSM)以降低计算复杂度.卷积神经网络分支用于获取局部信息,从而恢复纹理细节.在真实非均匀有雾场景下的实验结果表明,该方法不管是在客观评价还是在主观视觉效果方面均达到优异的性能.