国外光电子产业创新网络的发展与启示

光电子技术具有复杂性和融合性特征,光电子产业将引领未来高技术产业的发展,技术创新需要借助外部合作的方式实现.欧美光电子产业发达国家的经验表明,光电子产品特色各异,但创新网络发展初期的核心节点成长很重要.商业氛围浓厚和科研实力强劲的地区适合发展弱联系网络;技术后进地区适合发展以中介组织为核心的强联系网络.     

三维叶轮机叶片黏性反问题设计改进方法

提出了一种改进的适用于三维黏性流场的叶轮机叶片反问题设计方法。该方法假设叶片的中弧线具有虚拟移动速度,其位移量由目标载荷与实际载荷的差值计算,并利用黏性底层厚度进行限制。采用三次B样条曲线插值方法对叶片中弧线进行光顺,新叶型通过更新后的中弧线和给定的叶片厚度得到。算例验算结果表明:该方法能够根据设计意图对叶型进行修改,鲁棒性强,收敛速度快,叶片的可变自由度高,不依赖于特定的网格和求解器,具备一定的通用性。      

数字样机在飞机数字化协同研制中的发展

飞机数字样机是飞机产品的数字化表述,是与飞机相关的所有三维数字信息构成的产品模型集合,可用于工程设计、工程分析(空间分析、运动分析、拆装模拟、加工制造和维护检测)、工程仿真等活动。飞机数字样机的出现从根本上革新了传统飞机协同研制方式,开创了飞机数字化协同研制的新阶段,随着数字化技术、计算机网络技术的不断发展,数字样机在飞机数字化协同研制中的作用和地位也不断发展。从飞机数字化协同研制的发展历程出发总结论述了数字样机的发展历程。     

跨越的距离

如果有人告诉你,上个月刚去了传说中的须弥山和西天瑶池,还拿出一大堆照片得意洋洋地来炫耀,在那瞬间,你会不会觉得很荒诞?然后,你花费不到一分钟的时间,通过网络搜索查询到的确有这个说法,并了解到传说中的须弥山和西天瑶池就在西藏自治区阿里东部的普兰县,他们的当地名字叫冈仁波齐峰、玛旁雍错。千里     

微重力对拟南芥长势影响的代谢网络流平衡分析

微重力作为典型的空间环境因素,对植物生长发育的影响机制是空间生命科学的研究热点。微重力环境直接或间接影响植物代谢,并引起许多生理适应。 随着系统生物学的发展,代谢网络模型使微重力环境下的植物代谢建模成为可能。采用流平衡分析方法对模式植物拟南芥不同组织的代谢网络进行分析,研究微重力对拟南芥生长发育的影响机制。通过比较空间与地面条件下拟南芥的生物质产量,发现空间条件下拟南芥黄化幼苗、幼苗、芽、根、下胚轴的生物量分别下降了33.00%,51.52%,6.89%,12.53%,11.70%,与空间环境下拟南芥的长势变化趋势一致。代谢通路富集分析发现,微重力使得拟南芥的碳固定等通路下调,而磷酸戊糖途径上调,初步解析了微重力对拟南芥生长发育的影响机制,也验证了流平衡方法用于微重力生物学效应研究中的可行性。     

多传感器多目标系统误差融合估计算法

为解决多传感器组网系统的系统误差估计问题,基于多传感器多目标上报信息,研究并提出了一种多传感器多目标系统误差融合估计算法.算法构建了两级融合结构,即第一级对多传感器组合状态估计信息进行反馈融合以改善局部组合状态估计精度,从而间接改善系统误差的估计精度,而第二级对多目标系统误差估计信息进行融合以进一步提高系统误差的估计精度.蒙特卡洛仿真显示算法能有效融合利用多传感器多目标信息,实现多传感器系统误差的实时精确估计.     

“北斗”数字航标系统构建

随着海洋交通运输业的发展,船舶趋于大型化、高速化,船舶数量和水域交通密度及危险货物装载量不断增加,海上交通事故及经济损失呈增长趋势,严重威胁船舶航行安全及海洋生态环境。因此,探索构建"北斗"卫星导航系统(以下简称"北斗")数字航标系统,确保航标信息的准确性和可靠性,为满足船舶安全航行需求提供更好的服务具有非常重要的作用。     

基于生成对抗网络的零样本图像分类

在图像分类任务中,零样本图像分类问题已成为一个研究热点。为了解决零样本图像分类问题,采用一种基于生成对抗网络（GAN）的方法,通过生成未知类的图像特征使得零样本分类任务转换为传统的图像分类任务。同时对生成对抗网络中的判别网络做出改进,使其判别过程更加准确,从而进一步提高生成图像特征的质量。实验结果表明:所提方法在AWA、CUB和SUN数据集上的分类准确率分别提高了0.4%、0.4%和0.5%。因此,所提方法通过改进生成对抗网络,能够生成质量更好的图像特征,从而有效解决零样本图像分类问题。      

基于视频的三维人体姿态估计

已有的三维人体姿态估计方法侧重于通过单帧图像来估计人体的三维姿态,忽略了视频中前后帧之间的相关性,因此,通过挖掘视频在时间维度上的信息可以进一步提高三维人体姿态估计的准确率。基于此,设计了一种可以充分提取视频时序信息的卷积神经网络结构,在获得高精度的同时也具有消耗计算资源小的优点,仅仅使用二维关节点的坐标为输入即可恢复完整的三维人体姿态。然后提出了一种新的损失函数利用相邻帧间人体姿态的连续性,来改进视频序列中三维姿态估计的平滑性,同时也解决了因缺少帧间信息而导致准确率下降的问题。通过在公开数据集Human3.6M上进行测试,实验结果表明本文方法相比目前的基准三维姿态估计算法的平均测试误差降低了1.2 mm,对于视频序列的三维人体姿态估计有着较高的准确率。