直角深度测量尺

我们在生产中常遇到这样一些零件:其深度尺寸用一般量具无法直接测量。如图1a中H_1齿尖高度尺寸,H_2齿底至平面深度尺寸,H_3小孔底面至平面深度尺寸,图1b中L、L_1、L_2内孔台阶尺寸,图1C中H圆锥孔底点至平面尺寸,图1D中B宽度尺寸,均无法用通用量具直接进行检测。这对产品质量和生产效率都会带来不利影响。 为了解决诸如上述列举的几何形状中各     

深度节流补燃循环发动机系统稳定性研究

补燃循环发动机深度节流过程中,系统参数大范围变化,低工况时喷注器压降和供应系统节流元件压降较低,容易出现推进剂供应系统与热力组件耦合的不稳定问题。针对10∶1深度节流富氧补燃循环发动机,通过Nyquist稳定性分析方法,对发动机全工况范围内泵后供应系统和燃气系统耦合稳定性进行仿真研究。结果表明:富氧补燃循环发动机燃料供应路与燃气路形成的闭环系统在低工况时,稳定裕度较低,改善燃气发生器喷雾燃烧效果以缩短时滞、增加燃气停留时间、在靠近燃气发生器位置增加供应系统压降能提高系统稳定裕度。     

私营月球钻探任务筹得上百万美元

<正>通过在众筹网站上开展为期一个月的经费筹集,英国月球任务有限公司一项大胆的私营空间探测项目已取得了所需初期经费。截至2014年12月17日筹集活动结束,称为"月球任务一号"的该项目已筹得672447英镑,超过了60万英镑的既定目标。"月球任务一号"的目标是在2024年前把一个     

罗莱睡眠专家打造全方位深度睡眠空间

被芯篇TIPS:人体不同部位的保暖系数需求不同,奢华型分区鹅绒被按照人体分区方式设计,颈部和胸腔应相应减薄以减轻对心肺的压迫,使呼吸更顺畅;腹腔部填充较厚,保护五     

间接式氟化氢气相清洗技术及应用

航空发动机及燃气轮机关键部件多采用镍基或钴基精密铸造高温合金材料,其深度修复的主要方法为熔焊和钎焊,为了保证焊接的质量,必须去除部件表面和裂纹内部的氧化物。目前国外采用的是商品化的直接式氟化氢气相清洗技术及设备,国内企业却因技术限制无法获得此类技术和设备。彭州西部蓝色动力科技有限公司研发的间接式氟化氢气相清洗技术和设备填补了这项技术空白,本文详细介绍了间接式氟化氢气相清洗技术的原理及其验证应用情况。     

深度置信网络在发动机气路部件性能衰退故障诊断中的应用研究

为提高发动机转动部件性能衰退故障诊断精度,针对传统的浅层网络和支持向量机(SVM)方法在诊断时存在泛化能力欠缺、易产生局部最优解等问题,引入近年来在模式识别领域取得巨大突破,模拟人脑多层结构的深度置信网络(DBN)进行发动机部件性能衰退故障的诊断。为改进深度置信网络性能,提出一种在无监督和有监督训练阶段都可自适应调整权值的改进算法(ad_DBN)。以涡扇发动机为对象,将两种DBN算法与BP,RBF和SVM方法从诊断精度、计算时间、抗噪能力三方面进行综合比较分析。结果表明DBN算法诊断精度明显优于反向传播(BP)神经网络,径向基(RBF)神经网络和支持向量机(SVM)方法,得益于权值的自适应调整,ad_DBN诊断的平均精度高达97.84%,其抗噪声能力也明显优于其他算法,能够提高故障诊断的有效性和可靠性。     

液池深度对水滴撞击水面后形态特征影响的实验研究

用实验方法对液滴撞击液面后的形态特征及其机理进行了研究。用高速摄像机记录了不同液池深度下的液滴撞击液面过程,总结出了在不同阶段出现的液坑、液冠、中心射流和次生液滴等特征现象。基于计算机视觉算法开发了图像处理程序,实现了特征几何参数的自动提取。讨论了液池深度、韦伯数、初始液滴直径和液滴下落高度等因素对特征运动形态的影响。结果表明：在韦伯数一定的情况下,当液池深度跨越某个临界值时,液坑、液冠、中心射流和次生液滴等特征现象发生显著变化;液冠–液坑高度比随韦伯数的增大在一定范围内增大;中心射流能否分离出次生液滴与液池深度和初始液滴直径有密切的关系。     

基于改进SSD的无人机航拍目标检测

针对无人机航拍图像尺度变化大、识别难度大和目标普遍较小的问题,提出一种基于改进单阶段多框检测器(single shot multibox detector, SSD)的无人机航拍目标检测算法——RCBnet.该算法为了提升网络的特征提取能力,将SSD算法的特征提取网络修改为Resnet-50并采用特征融合的方式,将特征图进行融合,用融合后的特征图构建特征金字塔;为了增强算法对物体的检测能力,设计一种联合注意力机制的多尺度卷积结构来有效调节感受野,实现不同尺寸卷积核对特征图的并行运算;针对训练过程中正负样本极具不平衡的问题,该算法采用Focal Loss损失函数训练网络模型,使其侧重于困难样本.通过与其他经典算法相比可知,所提算法在无人机航拍图像中具有更高的检测精度、更好的检测性能和鲁棒性,相比SSD,精度提高达3.46%.     

基于高光谱和LiDAR的黄河口湿地植被分类方法

利用无人机（Unmanned Aerial Vehicle, UAV）高光谱影像（Hyper-spectral Imaging, HSI）和激光雷达（Light Detection and Ranging, LiDAR）数据开展黄河口湿地植被分类方法研究。由于高空间分辨率HSI光谱变异性强,以及LiDAR点云密度不均匀,分类结果呈现出“椒盐”现象。为了解决这些问题,本文提出了一种结合空谱特征融合和通道注意力机制的双分支卷积神经网络（SSF-C-DBCNN）。光谱注意力机制通过为每个波段分配不同的权重来减少光谱变异性的影响。空间注意力机制侧重于学习和强调特征表达能力强的密集点云区域空间信息,从而减轻LiDAR点云密度不均匀对结果的影响。最后,在双分支融合特征后引入通道注意力机制来提取更深层次的特征。利用UAV采集的HSI和LiDAR数据进行实验验证,结果表明,本文提出方法的性能优于随机森林和五种深度学习方法,分类结果更为贴合实际土地覆盖,有效地抑制了“椒盐”现象。