摘要：传统的部署MATALB Web App的方法是使用MATLAB App Designer设计应用的界面和功能,利用MATLAB Web App Server将设计好的应用打包部署到Web端,但是使用这种方式在设计时存在功能扩展复杂的问题,在部署时存在应用程序加载缓慢,部分浏览器版本不兼容等问题,降低了处理效率与使用体验。为了改善以上情况,提出利用HTML(Hyper Text Markup Language)与Vue设计前端应用界面和后端连接的RESTful API(Representational State Transfer Application Programming Interface),然后用Python构建后端应用接口用于函数计算,再使用Nginx将前端界面部署到Web端,实现一种远程部署MATLAB应用的新方法。网页端FIR(Finite Impulse Response)低通与高通滤波器设计的测试结果表明,上述方法与MATLAB生成的滤波器一致,部署简单且高效,能够较好解决上述问题,同时为MATLAB Web App的托管与共享方式提供了新思路。

摘要：为了改进传统的变换域水印嵌入算法,以提高水印嵌入效率并减小对载体图像的影响,同时保证水印信息的完整性和鲁棒性。为此,本设计采用了压缩感知的处理方法。通过使用随机高斯矩阵作为测量矩阵对待嵌入水印信息进行压缩采样,有效减少所需的嵌入信息量,提高水印嵌入效率。此外,本设计还能保证水印嵌入的安全性。经过仿真实验验证,与传统DWT算法相比,本设计具有鲁棒性强、不可见性好、实时性更优等特点。综上所述,本设计能够有效地嵌入水印信息,提高水印嵌入效率,并在保证水印信息完整性和鲁棒性的同时,减小对载体图像的影响。该设计具有实际应用价值,可广泛应用于图像水印领域。

摘要：井下超声换能器产生的声波在密度较大的油基泥浆中传播时幅值衰减较大,并且在不同温度下,超声换能器的阻抗存在差异。为提高对激励信号的接收,设计了一套针对超声换能器激励信号与接收信号的处理方案。发射端通过同向放大电路和阻抗匹配电路提高激励信号的幅值和换能器的驱动效率,利用FPGA进行不同温度下阻抗匹配电路的选择,并将温度信息通过无线通信传给上位机,便于随时监督换能器工作环境,接收端通过滤波电路和增益可调放大电路对信号进行进一步的处理。测试结果表明:所提出的设计方案有效提高了超声换能器在温度多变、密度较大的油基泥浆环境中的信号接收,具有良好的实用价值。

摘要：本文详细阐明了移相全桥的拓扑结构和工作原理,从理论上计算了功率主回路相关电气参数,并结合PSIM仿真设计相关控制电路,对所设计的移相全桥功率部分进行了系统仿真,给出了相关仿真测试波形,从实验结果上分析该设计可以满足电动汽车电池预热系统的需求。

摘要：钻井导向机构的力学分析是导向工具设计和轨迹控制的基础。基于一种指向式导向机构的设计,通过纵横分析法和有限元法,建立不同的力学模型,分别对外壳、导向轴和向心关节轴承进行力学分析,研究导向机构不同安装位置对偏置力、钻头倾角和向心关节轴承所受应力大小的影响,同时分析外壳与导向轴刚度比对偏置力大小的影响,最后给出最佳的导向装置安装位置为距调心轴承0.3 m处,外壳和导向轴刚度比为5,可以增加造斜率和确保设计的合理性及可行性。

摘要：基于压电筒状叠堆和压电阻抗技术提出了一种由压电筒状叠堆和金属杆组成的新型金属腐蚀探针。建立了多层结构探针纵向振动的传递矩阵模型,导出了电学阻抗方程,求得了第一阶谐振频率和反谐振频率,并与已有文献的特例结果进行了对比,验证了理论求解的正确性。此外,采用理论分析、人造定量腐蚀试验、温度敏感试验、加速腐蚀试验和无线阻抗测试试验系统地研究了探针的性能。研究结果表明:探针的第一阶谐振频率和反谐振频率随着杆长减小而增大,随着腐蚀天数的增加而增大,随着温度的增大而减小;无线阻抗系统测量的阻抗谱与传统阻抗分析仪的测量结果一致性较好。研究成果为开发无线定量测量的新型金属腐蚀探针提供重要参考。

摘要：针对传统反演方法存在的初始模型依赖、计算时间较长等问题,提出一种基于卷积神经网络的磁异常反演方法。该方法首先设计大量磁异常体模型,进行正演模拟产生样本数据集;接着借鉴经典的卷积神经网络VGG-13设计了一种全新的VGG磁异常反演网络(VGGINV);然后使用样本数据集训练该网络,并优化网络参数;最后对理论模型和实测数据进行反演实验。实验结果表明,该方法可以准确地反演出磁异常体的位置和磁化强度,具有较强的学习能力和一定的泛化能力,能有效解决磁异常数据反演问题。

摘要：针对传统反演方法存在的初始模型依赖、计算时间较长等问题,提出了一种新的基于AlexNet深度神经网络的重力异常反演方法。该方法首先借鉴经典的深度神经网络AlexNet设计了一种用于重力异常反演的Alex反演网络(AlexInvNet),接着设计大量密度异常体模型并通过正演计算得到带标签的数据集,然后用该数据集训练AlexInvNet网络,最后将重力异常数据输入训练好的AlexInvNet网络直接得到反演结果。理论模型反演结果表明,该方法相较于全连接网络深度学习反演方法,能够更好地反演出异常体的位置和密度,具有较好的泛化能力和抗噪声能力。实测数据反演结果表明,该方法能有效解决重力异常反演问题。

摘要：现有的安全帽佩戴检测网络模型存在准确率低、推理速度慢、部署到边缘计算设备时精度和实时性均达不到应用要求等问题。提出一种轻量化设计的DT-YOLO模型,对YOLOv4-Tiny目标检测模型进行改进,通过增加一个检测层提高模型在密集场景下对小目标的检测能力,并引入空间金字塔池化模块,提高模型对不同尺寸目标的检测能力。使用局部稀疏因子衰减算法进行稀疏化训练,从而使经过稀疏化训练后模型的平均精度均值(mAP)得到提高。根据缩放系数判断通道的重要性,并进行模型的通道剪枝,压缩模型的大小和计算量。使用TensorRT推理加速引擎进行网络层水平和垂直融合,消除拼接层操作,并将参数压缩成16位浮点型,提高模型的推理速度,最后在Jeston Nano边缘计算设备上实现模型部署。实验结果表明,与YOLOv4-Tiny模型相比,DT-YOLO模型的mAP提高了3.6个百分点,模型大小减少了83.5%,帧率提高137.7%,能够满足安全帽佩戴检测的要求。

摘要：为应对快速识别大气环境下早期镀层腐蚀形貌特征的实际需求,开发了便携式形貌特征识别装置。通过硬件描述语言设计,在现场可编程逻辑门阵列(FPGA)内分别引入了中值滤波方法,抑制腐蚀形貌图像中存在的干扰脉冲和点状噪声;引入了直方图均衡方法,增强图像对比度;引入了最大类间方差阈值法(OTSU),对增强后的图像进行阈值分割,获取腐蚀图像的二值化特征。最终,较为完整地提取出腐蚀形貌特征。结果表明:所研究方法与人为标注的腐蚀区域相似度能够达到0.8441,同时通过FPGA极大地缩短了算法运行时间,处理速度满足便携式形貌特征识别装置的实时性需求。