摘要：进行了一种新型混杂钢纤维增强自密实混凝土的配合比设计方法研究.首先以净浆流动度为指标,优选出1组符合要求的净浆配合比;然后根据包裹在钢纤维及砂颗粒表面的平均裹浆厚度(ATPL)以及砂纤比,优选出力学性能和工作性能符合要求的配合比.采用该配合比设计方法可以配制出坍落度大于260mm,扩展度大于550mm,纤维总体积分数为1.50%的具有自密实工作性能的混凝土.经28d标准养护,其抗压强度最高可达114.5MPa,抗弯强度可达18.8MPa.

摘要：目前煤田地震勘探的主要难点是深部复杂构造的成像。随着逆时偏移技术的发展,针对煤田地震勘探,如何在保证偏移成像精度的前提下,提高成像计算效率是急需解决的问题之一。从成像区域网格离散化的角度出发,针对高速层过采样和低速夹层采样不足问题,提出赋予研究对象多尺度网格的概念,具有较好的灵活性,能够对同一个地质模型采用疏密结合的方式成像。首先,根据速度模型设计多尺度网格模型,低速区域采用小尺度网格覆盖,高速区域采用大尺度网格覆盖;其次,采用高阶FDTD方法计算多尺度模型内各点的波场值,尤其过渡带内的点;最后,根据成像条件完成地下介质的逆时偏移成像。实验结果表明在保证模拟相同阶数精度条件下,多尺度逆时偏移方法比传统方法计算效率平均提升25. 05%。

摘要：为提高移动机器人的工位定位精度,通过实验分析了超声波传感器的测量距离d和入射角α对测量精度的影响。基于代数神经网络能实现样本空间的精确映射并具有较好非线性逼近能力,设计了一种移动机器人侧向定位融合模型。经实验比较,该定位融合模型具有较高的精度,使得位置误差小于0.9957mm,角度误差小于0.2966°。将该定位融合模型应用于自主研发的移动机器人的定位实验中,定位位置精度可达到±2.5mm,姿态角精度可达到±0.42°,满足定位要求。

摘要：为了标定KVH-C100型电子罗盘,分析了电子罗盘产生误差的原因,设计了电子罗盘信号采集的软硬件系统;为了减少随机因素的干扰,对采样数据进行了中值滤波;在此基础上,采用神经网络代数算法建立了电子罗盘的误差补偿模型,该模型能实现在样本空间的精确映射,具有较高的非线性逼近精度。通过实验证明该补偿模型比中值正弦误差补偿精度高,使得误差范围由标定前的-5.468 15°～1.457 96°减小到-0.492 8°～0.517 8°,重复性实验也证明该补偿模型一致性好,满足控制要求。

摘要：以agent负载能耗均衡度和网络总能耗为指标构建多移动agent协作规划模型,为了尽可能延长网络生存周期,给出基于网络覆盖率的节点休眠机制,在满足WSN网络覆盖率要求的同时,采用较少节点处于工作状态。根据多移动agent协作规划技术特点,设计融合Pareto最优解多目标离散群集蜘蛛算法(MDSSO),重新定义插值学习和变异交换粒子更新策略,并动态调整最优解集规模,以提高MDSSO算法多目标求解精度。实验仿真结果表明,该方法能够快速合理给出WSN多移动agent规划路径,而且与其他传统算法相比,网络总能耗降低了约15%,生存期提高了约23%。

摘要：抛掷爆破效果直接影响露天矿剥离成本,对抛掷爆破—拉斗铲倒堆工艺系统生产效率具有重要影响,为提高露天矿抛掷爆破效果预测的精度,反馈优化抛掷爆破设计。在分析露天矿抛掷爆破效果影响因素的基础上,建立参数优化后粒子群算法和极限学习机相结合的露天矿抛掷爆破效果IPSO-ELM预测模型。利用Sigmoid惯性权重自适应调整和学习因子动态调整的参数优化方法,对传统粒子群算法中迭代效率低、易陷入局部收敛的缺点进行改善,采用黑岱沟露天煤矿抛掷爆破实测数据对该模型进行实例分析,选取炸药单耗、排距、台阶高度、孔距、最小抵抗线作为输入变量及有效抛掷率和松散系数作为输出变量,建立露天矿抛掷爆破效果IPSO-ELM预测模型,并将ELM模型、GA-ELM模型与其进行对比。研究结果表明:将常规粒子群算法中的惯性权值和学习因子进行自适应和动态调整的改进之后,模型的收敛速度明显提高;IPSO-ELM预测模型的运行时间短、收敛速度快,平均预测精度达到0.9895,均方误差、平均绝对误差、平均相对误差控制在0.2714、5.0565%、0.2603%,预测误差明显低于ELM、GA-ELM模型且预测精度最高,对预测露天矿抛掷爆破效果具有较好的适用性。

摘要：以N,N′-亚甲基双丙烯酰胺为交联剂,用反相悬浮法合成了新型交联淀粉微球CSM。采用均匀设计实验法,考察了影响产率、溶胀度、平均粒径的因素,对实验结果进行了回归分析和多目标综合寻优。结果表明,影响产率和溶胀度的主要因素是交联剂质量分数、反应温度和引发剂浓度,而平均粒径则更多地取决于搅拌速度和分散剂质量分数。调节这些因素,可以在一定程度上实现微球结构与形态的控制。在最佳工艺条件下合成CSM的产率是77.5%,溶胀度是246%,平均粒径是16.5μm。

摘要：由于在计算机视觉算法中涉及大量超越函数的运算,为了加快算法在视觉阵列处理器上的运行速度,满足视觉应用的实时性需求,提出了一种调整截距分段线性逼近算法,并基于此设计了一种定点运算系统和对数运算系统混合的超越函数硬件流水线结构.新算法实现了正余弦函数的近似计算,并通过对数/指数计算转换、采用对数运算系统实现了反正切、开平方根、指数运算、对数运算等超越函数的计算.通过数百个随机数据的仿真验证,表明该结构可有效地降低计算误差,提高吞吐率.基于SMIC 0.13μm CMOS集成电路工艺对混合计算系统进行了综合,电路工作频率达200MHz.

摘要：随着煤炭分选行业对智能化干分选煤技术需求和煤矸图像识别方法需求的增长,研究煤矿复杂分选条件下煤矸混合特征图像的识别方法显得愈发重要。依据深度学习、图像识别和无线通信等理论,设计基于卷积神经网络的煤矸识别定位系统。根据煤矿分选过程的复杂条件,分析煤矸表面特征的5种状态类别,构建煤矸数据集。基于迁移学习的改进AlexNet网络和RPN网络获取煤矸混合特征图像样本的分类信息和像素坐标,通过相机标定方法获得像素坐标在相机坐标系中的位置坐标。构建煤矸分拣机器人分布式控制系统的局域网络,实现识别定位系统与主控系统的实时煤矸检测信息交互。基于煤矸识别定位系统对煤矸图像的检测模型进行测试,试验结果表明,煤矸识别定位系统的识别模型检测准确率可达90.17%,煤矸目标最大定位误差9.45 mm,系统响应测试时间低于350 ms,满足煤矿复杂分选的基本要求。该煤矸识别模型对煤矸混合特征图像具有较好的检测结果,为煤矸图像识别方法应用于煤矿智能化分选发展提供了研究基础。

摘要：为了从局部形状的角度实现对三角网格模型的管理和重用,提出了一种基于球面图像的三角网格模型分割方法.通过球面参数化及球面划分,将三角网格模型的表面属性信息映射到球面图像中;利用成熟的区域生长、区域合并图像分割算法对球面图像进行分割;将球面图像的分割结果转换为三角网格模型的分割结果.实验结果表明:该分割方法可以对不均匀的低分辨率三角网格模型进行有效分割,降低了几何属性估算对分割结果的影响,不会发生过分割现象,不需要进行分割的后续处理.