摘要：目的利用有限元分析与理论模型相结合的方法,研究软骨支架在不同降解周期下的应力松弛行为。方法基于已建立的降解本构模型计算不同降解周期下支架弹性模量;建立软骨支架有限元模型,并进行应力松弛仿真,分析支架松弛应力随时间的变化。建立应力松弛本构模型,对支架力学性能进行预测。结果软骨支架降解14、28、42、56 d时,弹性模量分别为32.35、31.12、29.91、28.74 kPa。软骨支架各层的应力分布表现为上层受力最大;支架整体松弛应力随着时间增加先快速下降,然后趋于平稳;降解56 d时,支架能承受的应力仍在软骨的生理载荷范围内。应力松弛本构模型预测结果与有限元模拟结果吻合较好。结论随降解时间的增加,支架弹性模量逐渐减小。降解时间越长,支架能承受的应力越小。相同降解时间下,施加的压缩应变越大,支架受力越大。有限元仿真和应力松弛本构模型可以有效预测支架降解时的应力变化。

摘要：针对洋流影响下水下滑翔机实际路径与预定路径偏差较大的问题,在传统的长短期记忆网络模型的基础上引入注意力机制,建立了具有长短期记忆与注意力机制的神经网络洋流预测模型;利用深度神经网络生成水下滑翔机运动的动态Q表,并通过强化学习算法选择最优运动姿态,同时考虑洋流的影响,构造了基于深度强化学习的水下滑翔机路径跟踪算法。结果表明,基于注意力机制的长短期记忆网络相较于传统的整合移动平均自回归模型与长短期记忆网络,其洋流预测具有更小的均方误差与均方根误差,具有良好的预测能力;相较于传统的PID控制,深度强化学习模型可使水下滑翔机轨迹均方根误差降低50.9%,显著提高了路径跟踪精度。

摘要：为了提升车道线检测算法在障碍物遮挡等复杂情况下的检测性能,本文提出了一种基于双注意力机制的多车道线检测算法。首先,本文通过设计基于空间和通道双注意力机制的车道线语义分割网络,得到分别代表车道线像素和背景区域的二值分割结果;然后,引入HNet网络结构,使用其输出的透视变换矩阵将分割图转换为鸟瞰视图,继而进行曲线拟合并逆变换回原图像空间,实现多车道线的检测;最后,将图像中线两侧车道线所包围的区域定义为目前行驶的行车车道。本文算法在Tusimple数据集凭借134 frame/s的实时性表现达到了96.63%的准确率,在CULane数据集取得了77.32%的精确率。实验结果表明,本文算法可以针对包括障碍物遮挡等不同场景下的多条车道线及行车车道进行实时检测,其性能相比较现有算法得到了显著的提升。

摘要：各类光谱信号都会受到噪声和基线畸变的影响,在提取光谱信号过程中若不考虑基线畸变和噪声的影响,将会严重影响信号提取的精度和准确性,所以需要在信号提取前消除噪声和基线畸变的影响。大多数信号提取算法的步骤是先提取整体基线,再提取信号,这样难以保证基线的提取精度。为了降低信号提取过程中背景噪声、基线畸变等不利因素的影响,根据信号的存在总是会导致该区域的统计特征不同于背景的特点,提出了一种基于显著度和统计特征的光谱信号检测与提取算法(SSD算法)。首先,在待测数据的不同尺度空间中计算出信号在各尺度下的显著度,将检测出的显著信号点作为候选信号点;其次,利用信号特征去除候选信号点中的伪信号点;最后,对候选信号点所在区域采用二次多项式进行基线拟合以剔除伪信号区域并实现最终的信号提取。为验证SSD算法的综合性能,首先,通过仿真的方法对高斯信号和矩形信号在不同基线类型、不同信噪比下进行实验;然后将该算法与AirPLS算法、Wavelet算法以及DoG算法对两种信号在不同信噪比,不同基线类型下的提取结果进行比较。仿真实验结果表明:与其他算法相比,SSD算法信号提取结果基本不受信号类型和基线畸变类型的影响,且当信噪比大于40时基本不受信噪比的影响;在不同基线畸变类型下,SSD算法对两种信号提取结果的准确度、稳定性、离散度均较好,其他算法则只适用于某种基线畸变类型。从总体提取结果上看,SSD算法提取结果的绝对误差的均值仅为AirPLS算法的8.71%、Wavelet算法的3.52%、DoG算法的2.01%;绝对误差的均方根也仅为AirPLS算法的13.08%、Wavelet算法的5.45%、DoG算法的3.11%。因此,所提出的SSD算法在提取信号时具有良好的综合性能,能够在不同的信噪比及基线畸变情况下准确的提取出信号。

摘要：设计了4种同类异构的两平动一转动打磨机器人,从构件尺寸、结构布局、冗余驱动和运动解耦4个维度研究其内部奇异性的评价与综合方法。采用螺旋理论验证机构自由度的正确性;基于雅可比矩阵和变分原理分析了各机构内部奇异点的分布特征,第1种机构具有多条不规则奇异曲线,只能通过构件尺寸优化和添加冗余驱动来规避;第2、第3种机构通过改变布局方式减少了内部奇异点且分布规整;第4种机构实现了全解耦运动,不存在内部奇异点。对比研究发现,优化构件尺寸和改变结构布局能减少或改善内部奇异点,但很难彻底根除,用合理设计驱动结构实现运动解耦或引入冗余驱动是消除奇异点的有效方法,可用于同类异构机器人最大无奇异工作空间的优化设计。

摘要：针对双转子在高速运转时难以从高、低压转子耦合出现的复杂振动现象中提取到有效的振动特征,及目前缺乏对其相应的研究等问题,本文提出一种采用张量主成分分析(multilinear principal component analysis of tensor objects,MPCA)与K-最近邻(K-nearest neighbor,KNN)分类相结合的方法,并将其用于非线性双转子系统的故障诊断。首先采用集中质量法创建非线性裂纹双转子模型及其动力学方程,针对裂纹开合角度变化分析高、低压转子的振动特性。再将振动能量信号与振动信号归一化为彩色图像样本,使用MPCA算法对故障特征进行压缩提取。最后使用KNN分类算法对不同裂纹开合角度情况进行特征分类,并计算相应的分类率。实验结果表明,在转子高速区域含有低噪声的情况下,MPCA可以有效地区分不同裂纹程度的特征信号,为非线性双转子裂纹系统的故障诊断提供了新的检测策略。

摘要：针对传统二维主成分分析(two-dimensional principal component analysis,2DPCA)算法应用于焊缝表面缺陷识别中存在重构性能及鲁棒性较弱等问题,本文将最大化投影距离和最小化重构误差引入到目标函数中,提出了一种基于F范数的非贪婪二维主成分分析算法(non-greedy 2DPCA with F-norm,NG-2DPCA-F),该算法具有良好的鲁棒性和较低的重构误差。为了进一步提取图像的结构信息和求解出维数更小的特征矩阵,进而提出一种基于F范数的非贪婪双向二维主成分分析算法(non-greedy bilateral 2DPCA with F-norm,NG-B2DPCA-F)。最后,以含有不同噪声块的焊缝表面图像数据集进行实验,结果表明,本文所提算法在平均重构误差、重构图像与分类识别实验中均表现出良好的鲁棒性能。

摘要：为了提升图像语义分割算法的性能,使其同时满足准确性和实时性需求,本文提出了一种基于改进BiSeNet的实时图像语义分割算法。首先,通过使双分支网络头部共享以消除BiSeNet网络结构部分通道和参数的冗余,同时有效提取图像的浅层特征;然后,将上述共享网络拆分为由细节分支和语义分支组成的双分支网络,并分别用于提取空间细节信息和语义上下文信息;此外,在语义分支尾部引入通道和空间注意力机制以增强特征表达能力,通过使用双注意力机制对BiSeNet算法进行优化以更有效地提取语义上下文特征;最后,对细节分支和语义分支的特征进行融合并通过上采样操作恢复至输入图像分辨率大小以实现图像语义分割。本文算法在Cityscapes数据集以95.3FPS的实时性表现达到77.2%mIoU的准确性;在CamVid数据集以179.1 FPS的实时性表现达到73.8%mIoU的准确性。实验结果表明,本文算法在实时性和准确性方面获得了很好的平衡,其语义分割性能相较于BiSeNet算法及其它现有算法得到了显著的提升。

摘要：目的研究胃肠微环境中的吻合钉表面微织构的几何参数变化对细胞外液流速与壁面处剪切力的影响规律,为吻合钉织构化表面对细胞黏附的促进作用提供理论依据。方法将吻合钉表面微织构结构引入到平板流动腔底面,应用ANSYS Fluent建立平板流动腔的二维模型并进行网格划分,研究不同高度、边长、间距参数的织构化底面的平板流动腔中细胞外液流速与壁面处剪切力数值,并对数据进行处理分析。结果吻合钉表面微织构的引入增强了平板流动腔内细胞外液的流速,且合适的微织构几何参数的引入可以增大微织构微脊处的壁面处剪切力。微凹坑内的细胞外液流速较低且会形成漩涡,微织构高度、间距的增加以及边长的减小可以增强微凹坑内漩涡的强度。结论通过控制微织构的参数可以改变细胞外液流速与壁面处剪切力,进而促进细胞的黏附。

摘要：基于超声波斜入射理论对斜槽式变幅装置复合振动机理进行分析,设计出一种具有斜槽结构的变幅杆,可在单激励条件下实现X,Y,Z三个方向的同频简谐振动。阐述了三维空间简谐运动的合成规律,使用ABAQUS有限元软件对变幅杆进行模态分析,得到了固有频率与振型,进而通过瞬时动力学分析得到了变幅杆输出端的振动特性,并通过ORIGIN数据分析软件验证了变幅杆输出端在空间中的振动轨迹为类椭圆。研究表明,变幅杆存在的特定斜槽角度使斜槽转换效率最高。