汽车覆盖件模具数字化设计与制造

随着模具工业的不断发展,模具向大型化、复杂化、数字化不断地发展,对于加工的要求也越来越高,需要我们对设备、刀具、材料、编程软件等因素不断进行调整,以适应技术的需求和发展。随着汽车制造业的发展,对于汽车覆盖件模具的加工精度要求越来越高,尤其是中高级乘用车对于外覆盖件表面曲面精度要求更高,最好能达到A级曲面标准。因此,如何提高模具表面加工质量、提高冲压制件精度将成为一个企业能否承接高端汽车模具的重要技术能力衡量指标。质量得到控制,周期和成本就会在可控的范围内,这就是覆盖件模具企业的核心技术竞争力。汽车主要载体是白车身,它由成     

读来读往

第二届中国天津国际直升机博览会将于金秋9月5~8日在天津滨海新区空港经济区举行。届时,世界直升机巨头企业将齐聚津门,带来一场航空产品的盛宴,本刊也为此推出了直升机展特别策划。本期封面文章中,中国直升机设计研究所的吕春雷阐述了先进直升机发展现状及设计革新要求;专稿中,中航飞机股份有限公司西安飞机分公司张炜深刻阐述了国内外航空喷丸技术与装备的发展;论坛栏目中邀请行业学者和专家,结合应用实例分析了航空专用装备的发展,并且对其未来发展趋势进行了探讨     

深化失效学的哲学理念探索,强化材料失效交叉技术研究

力图从哲学的高度,对失效学的认识论、矛盾论、系统论和方法论进行简要的阐释,从中提出一些要点,并对失效学哲学理念在失效事故分析诊断预防技术中的应用提出建议,为深化失效学的哲学理念探讨奠定初步基础。从失效学的理论基础、应用基础和工程技术等3个方面总结提出了失效学的理论和技术体系,为失效学的体系建设提供了技术框架;还从材料服役前、使用中和失效后等3个阶段归纳了材料失效交叉技术领域中的科学问题或关键技术,为加强其交叉技术的研究提炼出了若干重点方向。     

《航空维修与工程》征稿通知

《航空维修与工程》是由中国航空工业集团公司主管,航空工业信息中心主办,中航出版传媒有限责任,公司出版的科技期刊。国内统一连续出版物号：CN11—4912／V;国际标准刊号：ISSN1672—0989。本刊为双月刊,逢单月15日出版。     

“环境减灾”小卫星一箭双星发射成功

2008年9月6日11时25分,我国在太原卫星发射中心用“长征二号丙”运载火箭,成功将环境与灾害监测预报小卫星星座A、B星送入太空。这是我国首次发射专门的环境卫星。     

浅谈工科专业课程思政的设计与实践

全面实施“课程思政”是促进中国提升高等院校本科教育水平,扎实推进落实立德树人根本任务的重要手段。思政元素与工科专业知识有机融合,不仅可以促进学生的科学思维、严密逻辑结构、创新能力等学科知识体系的建立,而且科学家们坚韧不拔的科学探索精神也涤荡着学生的内心,激发学生的内在学习热情,培养学生强烈的社会责任感和爱国情怀。本文介绍了工科专业课程思政顶层设计与实施过程中的一些有益的经验与做法,希冀能与学界进行广泛沟通与交流,促进思维火花的碰撞,提升自我教学水平,也动员更多教师积极主动投身到高校课程思政工作中,共同培养以德为先、五育并举的新时代专业人才。     

装备体系贡献率评估方法探究

未来装备必须坚持体系化发展,并通过贡献率评估明确在体系中的地位和作用。明确了装备体系贡献率的定义和评估意义,分析了定性评估法、基础技战术指标比较法、综合技战术指标灰靶比较法、基于装备体系的网络层次分析法、基于体系仿真及效能评估法等装备贡献率评估方法,并给出了灰靶比较法、网络层次分析法具体评估实例。同时,结合各评估方法特点,提出了网络层次分析法、体系仿真及效能评估法相结合的改进综合评估方法流程,实现装备体系贡献率的准确评估。     

不依赖卫星的定位导航与授时体系研究

定位导航与授时(positioning, navigation and timing, PNT)体系是支撑人类社会发展的基础设施。当前以卫星为核心的天基PNT应用广泛,但在卫星拒止环境下面临严峻挑战。通过总结天基PNT在国民经济发展与国防建设中的重大作用,分析天基PNT的脆弱性与依赖风险,明确了对不依赖卫星的PNT体系的迫切需求。提出了不依赖卫星的PNT体系概念与特征,即以“惯导+时钟”为核心增强基础PNT能力,利用外源传感器多源融合提高精度保持能力,在卫星拒止条件下为用户提供可承载的高性能PNT服务。基于现有技术基础重点发展微小型、高精度、低成本惯导技术,微时钟技术以及智能融合技术是有效途径,能够实现不依赖卫星的PNT覆盖性、精确性与可承载性的全面提升。     

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括：基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.