摘要：针对结构化道路下智能汽车避障路径规划问题,提出一种采样区域优化的避障路径规划方法。充分考虑道路环境和障碍车辆信息,建立障碍车辆膨胀椭圆层模型对道路环境进行风险划分;将避障过程分为换道避障、换道后直行、返回全局路径参考线3个阶段,在每个阶段中,通过膨胀椭圆层模型选取低风险采样点生成候选路径;考虑路径舒适性和全局路径追踪能力,设计舒适性及偏移代价函数,结合膨胀椭圆层模型建立安全性代价函数,选取最优路径。为检验方法的有效性,通过构建直道和弯道场景,进行避障仿真和实车验证。研究结果表明,在不同场景下,所提出的方法能有效避免与静态、动态障碍车辆发生碰撞,高效规划出安全、平滑的行驶路径。

摘要：针对带钢表面缺陷难以有效辨识的问题,设计基于混合域特征集与多核支持向量机的带钢表面缺陷分类辨识方法。首先基于灰度特征、纹理特征计算带钢表面缺陷的图像特征指标量,构造混合域特征集,再将混合域特征集输入给多核支持向量机实现带钢表面缺陷的分类辨识。实验结果表明,该方法能够有效提取带钢表面缺陷的低维敏感特征,辨识精度高,泛化能力强,可以应用于工程企业带钢表面缺陷的分类辨识。

摘要：针对摩擦式无级变速器摩擦生热和温度场的研究,以自行设计的新型锥齿轮-滚轮平盘式无级变速器为例,对传动过程中的滑移率、功率损失和摩擦效率进行理论研究,并用ANSYS软件对滚轮平盘摩擦生热温度场进行仿真分析。结果表明:随着转速的提高滚轮和平盘的温度上升,随着压紧力的增大,摩擦功率损失提高,摩擦效率降低;压紧力的提高,滑动速度会随之增大,产生更多摩擦热,同时也会增大接触面积,摩擦发热的面积更大,因此对温升影响更明显;新型锥齿轮滚轮-平盘式无级变速器具有较高的摩擦效率,其摩擦升温也较小。

摘要：针对选择性激光熔化(SLM)成形件质量低和工艺参数难以控制的问题,选取激光功率、扫描速度、铺粉层厚、扫描间距为优化变量,成形件的致密度为优化目标,设计正交实验获取训练样本,应用BP神经网络建立了针对316l不锈钢材料的致密度预测模型,然后通过遗传算法对网络模型进行优化和工艺参数寻优。结果表明:优化后的致密度模型预测相对误差在0.73%左右,预测能力较好且波动较小,并基于模型寻优到激光功率197.28W,扫描速度623.85mm/s,铺粉层厚0.1379mm,扫描间距0.1139mm的最佳工艺方案。模型能准确地反映出工艺参数与致密度之间的映射关系,为SLM成形参数优化提供了新的思路。

摘要：机械振动一直是工程技术中迫切需要解决的问题。周期结构声子晶体在减振降噪方面的应用越来越受到人们的重视。运用自适应智能算法对二维声子晶体的带隙宽度进行优化设计,用Rough集的数据分类简约功能对带隙宽度难点进行了研究,去掉了多余属性的样本数据,从而使神经网络拓扑结构优化。计算结果表明,智能算法在带隙优化设计中是一个很有意义的研究方向。

摘要：为解决判断指针方向的问题,提出一个旋转目标检测网络R-YOLOv5。采用旋转矩形的形式定位指针的位置和角度方向,采用环形平滑标签的长边表示法区分矩形的方向,将角度回归预测问题转化为分类问题,设计合适的损失函数和旋转IoU计算方法,解决角度周期性对训练的影响。针对指针仪表数字刻度识别问题,提出一种空间聚类算法,能够鲁棒地识别刻度的数字。实验结果表明,所提指针仪表读数识别方法在误差允许范围内,识别准确率达93.9%。

摘要：针对水平集拓扑优化方法中敏度推导复杂、无梯度拓扑优化方法浪费计算资源等问题,提出了一种基于学习型敏度的参数化水平集拓扑优化方法。该方法根据结构离散单元的力学信息构造局部状态特征,以局部状态特征为输入、优化目标为输出,建立拓扑优化敏度学习的神经网络模型,并采用自适应协方差进化算法训练神经网络,得到拓扑优化敏度学习的最优神经网络参数。通过数值算例,讨论了激活函数和隐藏层神经元数量对拓扑优化结果的影响,验证了基于学习型敏度的参数化水平集拓扑优化方法的有效性。

摘要：为实现建筑制图课程的网络化教学,探索建筑制图建构主义教学的新模式,运用虚拟仿真技术和多种图像、动画表现形式,设计了虚拟项目投标任务、虚拟现场施工任务、构形乐园和拖动图例组图等多种建构型课件,建立了3D模型、动画素材库和Flash课件素材库,介绍了系统的全开放性和资源调用的方法。系统的设计体现了科学性、艺术性和技术性的有机结合,教学实践效果良好。

摘要：在选择性激光烧结技术中,成型缸内的粉末密度及其均匀性将直接影响烧结成型件的质量。为了提高铺粉的质量,以铺粉辊为研究对象,利用EDEM软件仿真铺粉过程,研究了铺粉辊的半径尺寸、平动速度,自转速度等对铺粉质量的影响规律。结果表明:当铺粉辊半径增大,粉末均匀性相应升高,而密度相对降低;平动速度达到峰值后,随平动速度上升而粉末密度减小;合适的自转速度会使成型缸中粉末密度的均匀性更好,粉末层更加平整。确定最佳工艺参数为铺粉辊半径15mm,平动速度35mm/s,自转角度1.6rad/s,此时粉层的密度4.7g/cm^(3),密度标准差为0.195g/cm^(3)。

摘要：将最小二乘支持向量回归技术应用到土壤湿度反演研究.利用微扰法数值模拟不同雷达参数下裸露土壤微波后向散射特性.经过数据敏感性分析,选取雷达频率为L波段(1.4GHz),双入射角(40°、50°),并设计多种反演方案,分别以单极化、双极化及同极化后向散射系数比值作为微波信号样本信息,经过适当的训练,利用最小二乘支持向量回归技术对土壤含水量进行了反演研究.结果表明:当采用多入射角、同极化后向散射系数比值作为微波信号样本信息时,反演结果具有较高的精度.同时,经过与人工神经网络结果比较,证明了该方法的有效性及抗噪声能力,为土壤湿度的实时反演研究提供了一种新方法.