双列调心滚子轴承摩擦力矩的特性

基于滚动轴承的动力学理论，建立了双列调心滚子轴承动力学微分方程与摩擦力矩数学模型，采用预估-校正GSTIFF(gear stiff)变步长积分算法求解其动力学微分方程，研究了结构参数和工况参数对双列调心滚子轴承摩擦力矩特性的影响。研究结果表明:较小的内滚道密合度与较大的外滚道密合度有利于降低轴承的摩擦力矩；过大、过小的保持架兜孔曲率半径都不利于轴承摩擦力矩的降低，存在一个合理的保持架兜孔曲率半径使轴承摩擦力矩最小；保持架兜孔间隙对轴承的摩擦力矩影响较小，适当增大保持架引导间隙可有效减小轴承的摩擦力矩；适量的增大双列调心滚子轴承径向游隙有利于降低轴承的摩擦力矩。      

r型网格自适应在间断Galerkin有限元激波捕捉中的应用

间断Galerkin（DG）有限元方法因计算精度高、适用于非结构网格等特点得到广泛研究和应用，其在数值模拟包含强间断流场时存在残差收敛性和计算鲁棒性差问题，均匀分布的网格加剧这一问题并影响激波分辨率。针对该问题，发展了r型网格自适应方法，实现间断Galerkin有限元数值模拟过程中网格自适应加密。基于网格点归一化的压力值作为r型网格自适应中网格点移动驱动力的重要权值，并将网格自适应后的网格点位移变化量与网格点之间的初始位移之比作为驱动力的另一重要权值，实现网格沿激波方向各向异性自适应加密，并且激波附近网格点的相邻网格点同步向激波方向移动。发展了适合间断Galerkin有限元方法的Venkatakrishnan限制器。并列NACA0012翼型超声速算例及三维并列圆柱相互干扰算例结果表明:基于r型网格自适应的间断Galerkin有限元方法能够清晰锐利捕捉激波，提高模拟精度，具有良好的收敛性和鲁棒性。      

顾及动态物体感知的增强型视觉SLAM系统

传统的同步定位与制图（Simultaneous localization and mapping, SLAM）系统在复杂环境下工作时，无法分辨环境中的物体是否存在运动状态，图像中运动的物体可能导致特征关联错误，引起定位的不准确和地图构建的偏差。为了提高SLAM系统在动态环境下的鲁棒性和可靠性，本文提出了一种顾及动态物体感知的增强型视觉SLAM系统。首先，使用深度学习网络对每一帧图像的动态物体进行初始检测，然后使用多视图几何方法更加精细地判断目标检测无法确定的动态物体区域。通过剔除属于动态物体上的特征跟踪点，提高系统的鲁棒性。本文方法在公共数据集TUM和KITTI上进行了测试，结果表明在动态场景中定位结果的准确度有了明显提升，尤其在高动态序列中相对于原始算法的精度提升在92%以上。与其他顾及动态场景的SLAM系统相比，本文方法在保持精度优势的同时，提高了运行结果的稳定性和时间效率。