摘要：机器人抓取在物流分拣、自动装配和医疗手术等领域中具有广泛的应用.抓取检测是机器人抓取中的重要步骤之一,随着三维传感器的成本逐渐降低,抓取检测任务中越来越多地使用深度相机采集彩色图像和深度图像对(RGB-D),并采用基于位姿估计的方法实现机器人抓取.然而,目前已经公开的基于RGB-D图像的位姿估计数据集,大多需要借助价格昂贵的三维激光扫描仪获得目标物体的三维模型,而且标注过程依赖人工操作,费时费力,不利于大规模数据集的制作.为此,本文设计并实现了一个面向位姿估计的数据集自动采集标注系统.该系统无需使用三维激光扫描仪,只通过采集、分析由深度相机获得的RGB-D图像序列即可重建出目标物体的三维模型,并自动标注目标物体的位姿信息,生成二维图像中的分割掩码.实验中,使用该系统制作了包含84个物体、8400张RGB-D图像的位姿估计数据集,并将自动标注数据与手动标注数据进行了对比,发现两者分割掩码重合率可以达到98%,并且自动标注的位姿信息能够使模型点云与场景点云的对齐率达到100%,充分说明了所提系统自动标注结果的准确性与可靠性.

摘要：轨道交通客流量影响因素是轨道交通方面研究的一个关注点,不同站点客流量的时空非平稳性被认为与站域建成环境有关。通过构建时空地理加权(geographically and temporally weighted regression,GTWR)模型,揭示了土地多样性、密度、站点属性3个方面因素在时间和空间维度上对天津市轨道交通客流量的影响。结果表明:相较于传统的地理加权(geographically weighted regression,GWR)模型和最小二乘法(ordinary least squares,OLS)模型,GTWR具有更好的拟合优度;公交站点密度对轨道交通客流产生促进作用,尤其在工作日的早晚高峰时段和中心城区位置;市中心的商业设施在工作日晚高峰吸引更多的地铁乘客,而在近郊区它们在早高峰吸引更多的地铁乘客;人口密度促进轨道交通的客流量;充足的停车场设施数量可以吸引更多的轨道交通乘客。

摘要：自从1882年Hadfield高锰钢问世以来,吸引了国内外众多科研人员在高锰钢成分设计、组织调控、生产工艺及应用开发等方面做了大量研究工作,使这个具有百年历史钢种的应用领域从最初的耐磨钢领域,逐渐拓展到无磁钢、汽车钢、腐蚀及低温环境用钢,甚至功能材料领域,形成了多个关键钢铁材料品种,成为特种钢领域最典型、应用领域最广的钢种系列,极大地丰富了钢铁材料世界。这些高锰钢品种的研发、制造及应用,对推动钢铁制造技术创新及下游行业发展起到了极其重要的作用。介绍了高锰钢的起源和发展,重点梳理了典型应用领域中使用的高锰耐磨钢、高锰汽车钢、高锰低温钢、高锰无磁钢以及高锰阻尼合金的化学成分、微观组织及性能研究进展,并对这几类高锰钢微观组织和性能的调控方法及效果进行了较为详细的总结和举例说明。虽然高锰含量保证了高锰钢获得特殊的微观组织、力学和物理特性,但同时也导致了其在生产制造中面临连铸漏钢、焊接接头性能不稳定、扩孔性能不足等系列共性技术难题,这在一定程度上限制了高锰钢的推广和应用。通过统计当前不同类型高锰钢的碳-锰含量和微观组织特征,指明了新型高锰钢的化学成分设计思路,并探讨了未来高锰钢在理论研究和应用领域的主要发展方向。

摘要：高铬铸铁堆焊层因其较高的耐磨性而广泛应用于各种大型工业设备的内部衬板,研究发现Mo系碳化物可为初生碳化物的生成提供形核点从而细化组织,但Mo元素除了提供形核点外是否对组织存在别的作用仍尚待研究。为了研究Mo含量对高铬铸铁堆焊层组织与性能的影响,设计了一种含Mo超高碳高铬堆焊耐磨板,利用XRD、SEM分析了Mo元素对堆焊层组织、相组成以及磨损后堆焊层表面和纵截面的影响,利用EDS分析了元素在各相中的分配情况,并进一步利用硬度和干砂磨料磨损试验,研究了Mo合金化对高铬高碳堆焊层硬度和耐磨性的影响。结果表明,Fe-Cr-Mo-C合金堆焊层组织主要由γ相、M_(7)C_(3)(M=Fe、Cr)组成。随着Mo含量的提高,堆焊层内初生碳化物含量降低,奥氏体含量增加,单个初生碳化物尺寸先减小后增大;初生碳化物硬度增加,堆焊层宏观硬度先增加后降低;磨损后初生碳化物截断裂纹减少,剥落逐渐减少,其中30Mo试样出现了共晶碳化物的剥落。加入0.13%Mo后磨损失重减少了13.6%,加入0.30%Mo后磨损失重增加了20.0%。这是因为Mo原子的加入会提高初生碳化物的硬度,但是初生碳化物含量在减少,从而导致了堆焊层硬度先升高后降低,磨损失重量先减小后增大。研究结果对高铬铸铁堆焊层制备过程中选择适宜的Mo添加量提供了指导。试验设计了Mo质量分数为0.04%~0.30%的3个试样,结果表明,初生碳化物出现了先细化后粗化的趋势,对这部分变化的趋势还有待进一步细化研究。

摘要：为提高智能网联(connected and automated,CA)卡车、小车及人工驾驶卡车、小车的混合流道路通行能力,提出基于排强度和渗透率的CA车辆单独编队和合作编队策略.分别设计两种策略下混合流车辆跟驰模式,推导出基于改进Markov模型,涵盖CA车辆渗透率和排强度的车辆状态转移概率;分析两种策略下CA车辆队列分布,建立各策略下的混合流道路容量模型,并通过理论证明和仿真实验予以验证.结果表明,与不编队策略相比,两种策略下道路容量分别提高1.23%~49.62%和1.47%~60.34%,合作编队策略与单独编队策略相比能将道路容量再提高11%;当CA车辆渗透率大于50%和排强度大于0时,编队策略对道路容量的提升效果更显著,容量能提高13.27%~60.34%;单独编队策略下CA小车和CA卡车最大队列规模分别为8辆和6辆,合作编队下CA车辆最大队列规模为8辆.

摘要：为了计算表面强化钢的疲劳极限和局部失效概率,基于渗碳CrMn钢、渗碳CrNiW钢和渗氮CrNiW钢,设计了1种光滑试样和2种缺口试样,开展3种钢材的超高周疲劳试验。使用扫描电子显微镜对疲劳断口进行观察,分析3种钢材的S-N曲线并确定其失效模式。在高应力状态下,试样主要发生由表面加工缺陷与表面夹杂诱发的表面失效,在低应力状态下,试样主要发生由内部夹杂、不均匀基体组织及碎化区诱发的内部失效。使用纳米压痕法对3种钢材由表及里的微观硬度进行测定,渗碳CrMn钢、渗碳CrNiW钢的渗碳层深度分别为500μm与900μm,渗氮CrNiW钢的渗氮层深度为280μm。基于最薄弱环节理论构建了表面强化钢的局部失效概率预测模型,采用建立有限元模型的方法对局部等效应力进行计算,优化表面-内部局部失效概率计算模型的参数计算方法,并对3种钢材的疲劳极限和局部失效概率进行计算。结果表明,模型所计算的疲劳极限和试验结果较为吻合,两者的最大误差为5.37%。该模型计算出的表面局部失效概率和试验结果较为接近,计算的内部局部失效概率和试验结果偏差较小。

摘要：为满足固定支座精度高、批量大的生产需求,对其进行工艺分析后确定采用多工位级进模生产,并选择了53°斜排的排样方案,包括6个冲裁、1个弯曲、1个空工位和1个切断工位。根据排样进行了模具设计:采用向上弯曲,并降低浮料高度;弯曲凸模安装在卸料板上,设计浮料钉保证弯曲的稳定性;对细小凸模设计保护套,提高凸模强度;易磨损凸模采用快换式设计,凹模采用镶块设计,便于加工和更换;采用滚动式导柱导套对正模具间隙,保证运行平稳;采用浮动导料销、小导柱导套、导正销联合精定位,保证送进及成形精度,并设计限位块保护模具。经过试模生产,模具结构设计合理,制件的尺寸和精度均满足要求。

摘要：随着强降雨天气的频发,在役岩溶隧道衬砌开裂、渗漏水及失稳破坏事故日益增多。地表降雨补给下衬砌背后积聚高水压力是岩溶隧道发生水压灾害的主要原因,对在役岩溶隧道开展监测预警是避免灾害发生的重要手段。以郑万线岩溶隧道为依托,开展了相似模型试验及渗流数值模拟,研究了不同岩溶形态下衬砌背后水压分布规律及衬砌隆起位移,制定了岩溶隧道运营监测预警控制标准。结果表明:当地表降雨补给超过隧道排水能力时,衬砌背后将形成“地表补给+洞内排水”的动水压力,仰拱底部极易积聚高水压力;地层中存在岩溶管腔和溶蚀裂隙带时,地表降雨将会导致衬砌水压局部增高,衬砌承受偏压荷载,并使仰拱受力进一步劣化;以隧道仰拱中心水压力和隆起位移作为控制基准,将岩溶隧道运营监测预警等级划分正常运营、临时补修、限速整治和封闭整治。研究成果可为岩溶隧道的结构设计优化及监测预警提供借鉴。

摘要：灵活模态人脸呈现攻击检测突破传统多模态方法对于模型训练与部署的模态一致性限制,可将统一模型按需灵活部署到多样模态的现实场景,但仍存在模型性能有待提升、计算资源需求高的问题。为此,提出一种以视觉Transformer(ViT)结构为基础的单流灵活模态人脸呈现攻击检测网络。提出空洞块嵌入模块以减少运算冗余,降低输入向量维度;为区分不同模态特征,设计模态编码标记;采用非补齐策略处理模态缺失问题。在公开多模态数据集上的实验结果表明,该方法在域内和跨域评估中分别获得2.69%和33.81%的最佳平均ACER值,相较于现有的三种方法,具有更优的域内和域外泛化性能,在不同子协议上的性能表现较为均衡,且其模型计算量与参数量均远低于多流方法,更加适合模态缺失场景下的灵活、高效部署。

摘要：为了满足下肢康复机器人运动过程中对人体下肢不同动作模式的识别的需求,首先,通过8通道无线肌电传感器采集8种下肢常见动作的表面肌电(sEMG)信号,并对原始信号进行滤波、运动段提取、特征提取处理;然后,将处理后数据分别输入本文设计的BP、PCA-BP、GA-BP、PCA-GA-BP分类器进行训练与测试。4种分类器对下肢8种动作平均识别率分别为88.6%,90.5%,92.3%,95.1%,对每个动作平均识别率为85%以上。结果表明:基于GA-BP神经网络比BP神经网络具有更高的预测精度,并且降维处理可以提高动作分类的准确率。