摘要：形貌是零部件的关键特征,它不仅影响零部件的质量,更影响零部件的动态特性,如NVH(噪声、振动、声振粗糙度)特性。为了提高驾驶室的NVH性能,提出将形貌优化技术应用到驾驶室支架的NVH设计中,通过改变支架的形貌,提高其动态特性,降低支架上端振动加速度,从而提高驾驶室的舒适性。在Hyperworks建立支架有限元模型,再根据试验测试的数据分析了当前驾驶室支架的NVH传递特性,并进行有限元模型校正。在二阶频率处,仿真结果为10.23 m/s^2,试验结果为9.79 m/s^2,相对误差为4.49%;在三阶频率处,仿真结果为4.24 m/s^2,试验结果为4.48 m/s^2,相对误差为5.35%,各阶相对误差均小于5.5%,表明模型具有较高的准确性。再以支架本体为设计变量,以支架上端振动加速度最小值为优化目标,进行形貌优化,得到三种优化方案。最后根据优化方案进行CAD(计算机辅助设计)建模,对新建模型进行模态频率响应分析,选取较优方案。结果表明,支架加强筋的分布方式对其模态频率及刚度有较大影响,三种优化方案均达到了不同程度的优化效果,其中方案三优化效果较为明显,第二、三阶的振动加速度降低幅度达到59.7%、61.2%,关键频率避开了激励较大的频率区域。优化结果表明,通过合理的设计零件的形貌能够达到改善汽车NVH的性能,为类似汽车零部件NVH性能的改善提供一种新的思路与方法。

摘要：对风力机中最关键和最基础的部件——叶片进行了参数化建模方法的研究。结合坐标变换关系,运用EXCEL强大的数据处理功能,对叶片翼型上各离散点数据进行处理,得到各离散点空间坐标;基于UG的自由曲面造型功能,采用三次B样条拟合方式绘制了叶片截面的空间样条曲线,构建了该风力机叶片的空间三维模型。提出的方法,大大提高了建模效率,为后续结构强度、叶片的力学特性计算提供基础。

摘要：为研究一类以动力电池和超级电容为复合电源的有轨电车参数匹配问题,提出一种基于多目标优化的复合电源参数设计方法。根据有轨电车的动力性能需求,给出基于等效计算的复合电源参数设计方法。以有轨电车日均运行成本和动力电池的性能衰减率为评价指标,建立多目标优化函数,采用带精英策略的非支配排序的遗传算法(NSGA-Ⅱ),设计系统仿真模型在环的复合电源参数优化流程。以一次往返行程为运营要求,对比分析两个不同工况的Pareto解集和等效计算配置方案下的有轨电车系统仿真结果。结果表明,相比等效计算的配置方案,优化的配置方案使动力电池性能衰减率降低至少约31.1%;合理的配置方案可有效保证较高的再生制动能量回收率和有轨电车效率;长站间距的工况增加了对复合电源的配置需求。

摘要：提出了一种基于贝叶斯方法的反垃圾邮件系统,讨论了其工作的基本思想及理论依据,并设计出该系统的体系结构。其中特别对该系统的邮件特征提取和自学习机制的理论进行了较为详尽的说明。最后,讨论了系统实现。

摘要：本论文提出了具有邻域子空间电路模块的基于累加器测试的低功耗测试方法。该方法将测试矢量进行伪格雷码编码以降低电路的开关活动率,从而减少测试功耗。FPGA实现的由3～2计数器构成的8位行波进位加法器的实验表明,该方法降低了约17%的测试动态功耗。接着研究了该低功耗测试的硬件实现。通过复用电路中的加法器,巧妙、成功地避免了额外逻辑异或功能模块的引入。该设计将测试的额外硬件开销降至最低且不需要电路结构的调整。该低功耗测试方法能测试出邻域子空间对应电路基本组建模块内的任意固定性组合失效,且不会降低原电路的性能。

摘要：基于既有住宅室内外热环境的密切关系,结合我国既有住宅室外硬质铺地环境设计长期以来由于忽视其在环境热物理方面的设计而造成的既有住宅能耗,深入分析了既有住宅室外硬质铺地环境设计在空间模式以及构造设计方面存在的问题,研究通过改善室外硬质铺地环境最终达到改善室内外微环境的双赢效果,并提出了一些节能改造的新技术、新方法。

摘要：采用正交设计结合多元线性回归的方法 ,确定生物粘附材料羟丙甲纤维素、卡波姆的用量及配比与制剂体外释放度的关系。结果表明羟丙甲纤维素与卡波姆对阻滞胶囊体外释放度影响较大。生物粘附性研究表明缓释胶囊的内容物与大鼠离体胃、肠组织的粘附力明显大于普通胶囊。

摘要：传统的人工选线方法劳动强度大,设计效率低,随着我国铁路建设重心向西部复杂艰险山区转移,人工选线面临的困难日趋凸显。为缩减铁路选线的人力物力成本,提高设计效率,亟需发展结合了人工智能和信息技术的现代选线技术。为此,提出一种基于深度强化学习理论的铁路智能选线方法。以带有空间属性信息的数字高程模型为选线环境,以相邻空间点间的建造费用为即时奖励,以工程建造费用最小为优化目标,设置离散化的备选动作,考虑多种约束条件,构建面向铁路选线的深度强化学习模型。结合深度学习的感知能力和强化学习的决策能力,利用双竞争深度Q学习网络(Dueling-Double-Deep Q Network,D3QN)对模型进行训练,既克服强化学习问题对复杂状态和动作空间难以收敛的缺点,同时解决了传统DQN算法易于出现过估计、训练不稳定的问题,实现自动对选线环境进行感知、搜索、判断、决策,最终寻得目标函数最优的线路方案。以某山区铁路对本方法进行验证,实验结果表明:该方法能搜索到多样化的线路备选方案,可以为设计人员提供新的设计思路;有效降低了铁路建设的经济费用,较人工选线方案节约最多达17.5%。智能选线方法可以帮助节省选线工作成本,不遗漏有价值的方案,提高工作效率。

摘要：利用高光谱技术检测大曲发酵品质时,获取的水分等高含量物质的高光谱数据可能掩盖对大曲质量评价至关重要的微量物质高光谱数据。为方便后续更微量物质的光谱曲线分解,需先排除水分等高含量物质的数据干扰,该文通过建立无监督的深度自编码模型,可实现大曲水分高光谱曲线分解。通过实验设计,采集与水混合后的成品曲粉光谱数据。首先编码部分,将混合大曲光谱曲线压缩为低维表示,即端元;解码部分,将光谱的低维表示解压重构为原始光谱曲线,结合比较不同目标函数,反向传递重构误差,更新解码权重;最终,通过端元解码出水与曲粉各自的光谱曲线,运用欧氏距离与皮尔逊相关系数方法从特征距离和相关系数两方面同时评价解混效果。实验显示,利用深度自编码解混模型,选择L-C目标函数得到的解混效果最好,解混曲线与纯曲粉曲线的欧式距离与皮尔逊相似度分别为0.3427和0.9967。研究表明,利用深度自编码网络能够对大曲高光谱数据进行解混,可为实现大曲高光谱微量物质检测提供理论支持和技术支撑。

摘要：为了将现有低动态范围(LDR)图像转换为高动态范围(HDR)图像,提出一种将单幅LDR图像转换成对应HDR图像的方法.该方法基于人类视觉系统(HVS)模型,首先分离出LDR图像的亮度分量和色度分量,对亮度分量构造其反色调映射函数,通过逐点映射得到亮度分量的反色调映射图像;然后对亮度分量进行光源采样处理,并采用高斯滤波和腐蚀操作模拟光线衰减效应,对光源采样图像进行高光区域的扩展;再构造分段函数对反色调映射图像和高光区域扩展图像进行融合,得到最终的亮度分量;最后合并该亮度分量和色度分量得到最终的HDR图像.实验结果表明,文中方法能通过单幅LDR图像得到HDR图像,处理效果较好,运行效率高,具有较好的鲁棒性.