摘要：槽型钢-混组合梁是当前应用较为广泛的一种桥结构形式。该研究以提升槽型钢-混组合梁设计效率为目标,采用创新的人工智能遗传算法,通过Python平台编译。该文针对钢-混组合梁进行全面优化,专注于13个关键截面设计参数,如钢板宽度与厚度、加劲肋个数、梁高等。通过合理选择遗传算法参数,实现快速、规范且经济的设计。研究创新之处在于将人工智能算法应用于桥梁设计,为设计工程师提供高效可靠的工具,显著提升设计效益。通过关键参数的优化,该文为槽型钢-混组合梁设计领域作出有益贡献,同时展示遗传算法在解决多目标、多参数工程优化问题中的显著便利。

摘要：中机中联获批设立国家级博士后科研工作站本刊讯本刊讯近期,经全国博士后管委会办公室批准备案,中机中联工程有限公司(简称中机中联)获批设立国家级博士后科研工作站。中机中联自2017年获批成立市级博士后科研工作站以来,在攻坚创新前沿、挖掘工程问题、服务生产急需、融合推动业务、支撑发展规划等方面开展关键性科技工作,并以博士为纽带布局推进了协同创新、平台建设、人才引育等各项支撑性工作,搭建起具备应用基础、集成应用、发展咨询研究能力的研发团队。

摘要：为满足交通系统全天候高效准确的感知需求,对基于YOLOX的轻量级毫米波雷达和相机融合检测算法进行了研究;该研究主要包括异构传感器信息融合和模型轻量化两个方面;异构传感器信息融合主要针对雷达信息对视觉信息辅助能力不足的问题,设计了一种雷达空间注意力模块有效提取雷达空间特征,以此辅助视觉在低能见度场景下学习到鲁棒的特征表达;在自制数据集和NuScenes数据集上训练并测试,所提出的RV-YOLOX算法相比YOLOX算法AP指标提升约3~4左右,说明算法的全天候检测能力得到了提升;模型轻量化则针对终端算力设备对算法部署的限制,采用了结构重参数化的方式对RV-YOLOX进行了优化,轻量级RV-YOLOX在提高推理速度的同时实现了与RV-YOLOX相当的检测精度。

摘要：近年来,深度学习技术的快速发展为目标检测领域带来了许多重大突破。基于卷积神经网络和视觉Transformer的目标检测方法在自动驾驶、情景理解和安防监控等领域都展示出了巨大的研究价值。本文旨在对传统的手工设计特征的目标检测算法、基于卷积神经网络的目标检测算法以及基于视觉Transformer的目标检测算法进行分类回顾,并分析它们的优缺点。此外,本文还对目标检测领域中面领的挑战和未来的研究方向进行了总结和展望。