摘要：目前基于深度学习的超分辨率重建网络存在卷积运算冗余、图像重建信息不完整、模型参数庞大等问题,限制了其在边缘设备上的适用性。针对上述问题,提出一种轻量级的局部分离与多尺度融合图像超分辨率重建网络,该网络利用局部卷积对图像进行特征提取,通过分离部分图像通道,在减少网络冗余计算的同时保持图像重建的质量。设计一种多尺度特征融合模块,在空间维度学习长依赖特征,并采用一个通道注意力增强组在空间维度捕获空间特征,减少图像重建信息的丢失,有效恢复图像的细节纹理。由于多尺度特征融合模块更多地是从全局角度进行特征提取融合,因此构建一种高效反残差模块补充网络的局部上下文信息提取能力。在Set5、Set14、B100、Urban100、Manga109这5个基准数据集上的实验结果表明,当尺度因子为2、3、4倍时,该网络的参数量分别为373000、382000、394000,FLOPs分别为84.0×10^(9)、38.1×10^(9)、22.1×10^(9)。与VDSR、IMDN、RFDN、RLFN等网络相比,该网络在较少网络参数的情况下,能够保证图像重建效果。

摘要：提出了基于双目立体视觉的汽车乘员运动姿态测量方法。首先使用自主搭建的双目立体视觉系统,按照张正友标定法标定相机并对图像进行立体校正;然后提出基于邻域的SGBM单参数优化算法,并依此建立乘员关键特征点与三维空间坐标间的映射关系,实现了对乘员运动姿态的非接触动态测量。实验结果表明,该方法可以有效地测量乘员运动姿态,且测量精度较高,对汽车乘员非标准坐姿下的保护策略制定具有重要的参考价值。

摘要：为有效提高燃料电池(fuel cell,FC)的性能,提出一种在阴极处具有五边形挡板的新型流场(flow field,FF)设计。为了解五边形挡板的加入对FC内部传质过程的影响,开发了一个三维、多相、非等温稳态模型,将多孔层结构引起的各向异性传输性质和催化层实际团聚体结构的非均质特性耦合到模型中,研究了挡板高度变化时FC性能的变化。结果表明,五边形挡板增强了流道的传质性能与气体分布均匀性。随着挡板高度增加,流道的传质性能、排水性能以及气体分布均匀性增加,高度100%(H100)的挡板由于与气体扩散层直接接触,堵塞了排水通道,因此其保水性能最好。在相对湿度为50%情况下,H100的FF结构具有最大的净功率密度,与原始FF(H0)相比,净功率密度增加17.778%。

摘要：鉴于在车辆换道切入的场景中,自动驾驶车辆容易出现频繁的误减速、误避让,而造成通行能力和乘员舒适性的下降,提出一种基于主旁车动态博弈的切入场景决策规划算法。在行为决策层,根据切入场景中主旁车的冲突性关系,联立相关车辆运动方程建立整体系统的运动模型,构建考虑旁车状态的切入博弈模型,设计安全性和舒适性收益函数,进行驾驶行为博弈,输出行为决策结果。在轨迹规划层,根据车辆间距构建避障约束条件,以Sigmoid函数轨迹的变曲率和速度切向矢量的时间分量来构建车辆动力学约束。同时以加权收益方式联合考虑驾驶习惯和舒适性等需求,建立轨迹规划数学模型,求解得到满足上层博弈决策要求的运动轨迹。Carsim-Simulink联合仿真结果表明,在不同的初始条件下主车与切入的旁车能进行多种形式的合理的交互决策,准确完成切入场景下的运动规划任务,车辆能准确跟踪输出的轨迹,更符合一般驾驶习惯,提高了车辆的舒适性。

摘要：方向重要抽样法是一种结构可靠度模拟方法,适合评估非线性、多维度的复杂结构可靠性问题。然而对于多维度问题,利用接受/拒绝方法获得重要矢量样本,效率较低且可执行性差。因此,需要改进或重新构造易于抽样的分布函数。通过概述现有的分布函数,利用插值方法近似构造基于矢量-角度几何映射的分布函数,利用一维拉丁超立方方法对重要角度均匀抽样,再映射到重要矢量样本,得到的矢量样本具有分层均匀性,避免了聚集现象,同时覆盖整个样本空间。该方法有效应用于多设计点和多失效模式的可靠性问题分析中,进一步制定了样本分配方案。通过非线性数值算例和车身结构工程问题验证了该方法的适用性和准确性。

摘要：首先,采用HybirdⅢ假人和CHUBM人体模型搭建了50 km/h速度下正面100%刚性壁障虚拟碰撞仿真平台。然后,建立了HybirdⅢ假人座椅在A位置与CHUBM人体座椅分别在A和B位置的整车碰撞有限元模型,并对3种情况下驾驶员的头部、胸部及大腿损伤进行了对比分析。结果显示:座椅A位置的HybirdⅢ假人和座椅B位置的CHUBM人体动态响应具有较好的一致性,不同座椅位置下的CHUBM人体的头部、胸部损伤均比HybirdⅢ假人的高;CHUBM人体在座椅A位置的损伤比B位置的要高,同时肋骨发生了骨折现象。研究结果表明:CHUBM人体模型具有更加真实的人体解剖和仿生逼真度,对汽车约束系统的安全性评价要求更高,可为汽车安全性设计提供相应参考。

摘要：锂离子动力电池剩余使用寿命(RUL)预测对于认识全生命周期电动汽车的安全和可靠性、改善电池管理系统的设计具有重要意义。通常基于深度学习的时序预测方法,本质上是一个递推的过程,每一次预测的误差会随预测次数增加而累积,难以保证预测精度和预测效率。基于深度学习序列预测和误差分析理论,建立一种ARIMA-EDLSTM融合模型的锂电池RUL预测方法,使用编码器-解码器(ED)框架改进长短时记忆神经网络模型(LSTM)构建从序列到序列预测的EDLSTM模型,并融合ARIMA模型预测误差趋势,进而修正最终预测结果。理论分析和实车采集数据验证表明,该方法在预测比例超过历史数据总量35%的情况下,仍然能较好地拟合实车SOH衰退曲线,有效提高锂电池剩余使用寿命的预测精度。

摘要：太阳能蒸汽发生是一种通过光热转换过程利用太阳能的可靠、环保、成本低廉的技术,其中界面太阳能蒸汽发生系统以其光热转换、热管理、输水逸汽、外围装置的高度集成以及精细设计的特点,借助微结构光子学、材料改性加工、热结构设计、机械设计等技术,能高效(蒸发效率高)、快速(蒸发速率高)地从块状水体甚至大气中吸取水分并通过太阳能转换的热能产生蒸汽,从而产出淡水、无机盐和能量。界面太阳能蒸汽发生技术以其广阔应用前景吸引了学者们的研究兴趣。本综述介绍了界面太阳能蒸汽发生系统的工作原理与组成材料;按光热转换、热管理、疏水逸汽等部分从宏微观结构设计角度总结了设计、优化策略;通过介绍具体的应用展示了界面太阳能蒸汽发生系统的外围装置;最后总结了界面太阳能蒸汽发生系统的研究进展并对其未来发展进行了展望。

摘要：工业机器人作为智能制造的重要载体,在大范围复杂任务中具有巨大潜力。但是,定位精度低且难以控制的问题阻碍了机器人在高精度任务的进一步推广。为了提升机器人作业精度,该文提出一种基于时空混合图卷积网络的机器人定位误差预测及补偿方法。首先通过设计图关系编码模块、时空混合特征解码模块,构建基于图卷积网络的机器人位姿误差预测模型;然后,针对传统迭代补偿方法中机器人逆解次数多导致效率低的问题,该文将定位误差补偿问题转化为优化问题,并利用遗传算法同时对位置和姿态进行误差补偿;最后,通过拉丁超立方抽样方法获得训练集,实现机器人定位误差预测模型的训练,并通过实验验证了定位误差预测的准确性以及补偿的效果。

摘要：利用压铸工艺高速充型及高压凝固的特性,通过在Vit1锆基非晶合金中引入304不锈钢网叠层焊接制造的骨架,成功制备出了不同体积分数晶态相增强的非晶复合材料,并研究了不锈钢网体积分数对力学性能的影响。结果表明,不锈钢网在非晶基体中均匀分布,与非晶合金存在冶金界面结合。力学性能测试显示,随着不锈钢编织网的引入,室温脆性的压铸Zr_(41.2)Ti_(13.8)Cu_(12.5)Ni_(10)Be_(22.5)(Vit1)块体金属玻璃的塑性得到了显著提升。随着不锈钢网目数增大(对应晶态相体积分数增大),非晶复合材料的塑性呈增大的趋势,但是,当目数超过200目时,过细的孔洞会导致骨架局部区域无法填充,恶化性能。当晶态相的体积分数为53.7%时,断裂应变达到最大值,约为10%,其值高于传统不锈钢纤维增韧的Zr基非晶复合材料。韧化机制分析表明,压铸非晶合金出现脆-延性转变的根本原因是不锈钢网对剪切带扩展进行高效抑制,促进剪切带的增殖和萌生,减少宏观塑性变形的局域化。本研究为非晶复合材料的结构设计提供了新的思路,对于促进非晶合金的更广泛应用具有一定的指导价值。