《互换性与测量技术》是机械类专业的一门实践性很强的技术基础课,它的任务是使学生 获得机械零件的几何精度及其相互配合的基础知识和几何参数检测的基本技术,是机械专业技术 人才必须具备的基础知识与基本能力

超精密光学元件是决定高端装备性能的核心元件，在大科学装置、精密仪器等领域中被广泛应用。对光学元件进行高精度检测是保证元件质量的重要途径。光学检测技术因具有非破坏性、高精度而成为光学元件检测的有效技术。首先，对超精密光学元件主要检测技术进行了综述，重点介绍技术原理、研究现状和应用瓶颈；其次，针对光学检测技术中的相位解调问题，以波长移相测量技术为例，结合超精密平面光学元件检测，概述了相位解调算法的原理与实现过程，并对其性能进行综合评估；最后，展望光学元件检测技术的未来发展趋势

传统的分类算法大多假设数据集是均衡的,追求整体的分类精度.而实际数据集经常是不均衡的,因此传统的分类算法在处理实际数据集时容易导致少数类样本有较高的分类错误率.现有针对不均衡数据集改进的分类方法主要有两类:一类是进行数据层面的改进,用过采样或欠采样的方法增加少数类数据或减少多数类数据;另一个是进行算法层面的改进.本文在原有的基于聚类的欠采样方法和集成学习方法的基础上,采用两种方法相结合的思想,对不均衡数据进行分类.即先在数据处理阶段采用基于聚类的欠采样方法形成均衡数据集,然后用AdaBoost集成算法对新的数据集进行分类训练,并在算法集成过程中引用权重来区分少数类数据和多数类数据对计算集成学习错误率的贡献,进而使算法更关注少数数据类,提高少数类数据的分类精度

用分截面组合测力辊测量了无润滑、无张力条件下冷轧合金铝带的法向应力p与切向应力τ。试验结果表明按比值τ/p定义的\摩擦系数\f的值与分布形态不仅取决于轧辊轧件的接触表面条件,还与塑性变形的条件(如l/$\\bar h$、ε等)有关。在其他条件不变时,f、fmax、f值随l/$\\bar h$增加而增大。为了深入认识影响f变化的原因,引入了界面摩擦水平f*。f与f*之差反映了变形几何条件等因素的影响。沿接触弧上f的分布具有由入、出口的较高值下降到中性点为零的总趋势,而且下降的速率是变化的。一般具有\快速下降——平缓变化——快速下降\的形式,其中平缓变化段随l/$\\bar h$增加而增大。在统计分析试验结果的基础上给出了接触弧上f分布的模型,将它用于压力分布与轧制力的计算,可以提高计算精度,使理论更加严密。轧件与轧辊接触界面上的正应力p、切向摩擦力τ以及摩擦系数f(由f=τ/p所定义)的分布规律是重要的边界条件。在冷轧薄板的条件下,由于变形一般比较均匀,数学力学的初等解析解的假设条件与实际情况比较接近,这时所取用的边界条件对轧制压力P、应力状态系数n;以及前滑Sh等项理论解的精度有很大的影响。尽管已经进行了很多关于边界条件的研究工作,但关于界面上摩擦规律的认识还不很清楚。因此迄今为止的理沦计算仍基于一些简化的边界条件假设上,使计算的结果与实际的偏离较大。本工作的重点是对冷带轧制接触界面上的摩擦规律作一些探讨

多年来,由于对钛矿的无序开采,使得海南岛东部出现大面积的土地荒漠化.采用遥感的手段进行跟踪监测,合理地授予采矿权,组织适当的复垦,是解决当地荒漠化的有效途径.基于不同沙地类型在地表空间结构上的差异,提出将基于地质统计学的影像纹理应用到荒漠化监测中,通过变异函数纹理来加大各种不同类别沙地间的区别,提高样本选择的分离度.结果表明,运用变异函数纹理结合光谱波段的最大似然分类方法能够很好地界定海滩沙地和内陆荒漠地的等级,最高分类精度达到92.4%,证明了基于地质统计学的影像纹理在实现该地区遥感荒漠化监测方面的有效性

同步定位与地图构建技术（SLAM）是当前机器人领域的重要研究热点，传统的SLAM技术虽然在实时性方面已经达到较高的水平，但在定位精度和鲁棒性等方面还存在较大缺陷，所构建的环境地图虽然一定程度上满足了机器人的定位需要，但不足以支撑机器人自主完成导航、避障等任务，交互性能不足。随着深度学习技术的发展，利用深度学习方法提取环境语义信息，并与SLAM技术结合，越来越受到学者的关注。本文综述了环境语义信息应用到同步定位与地图构建领域的最新研究进展，重点介绍和总结了语义信息与传统视觉SLAM在系统定位和地图构建方面结合的突出研究成果，并对传统视觉SLAM算法与语义SLAM算法做了深入的对比研究。最后，展望了语义SLAM研究的发展方向

深度神经网络近年在计算机视觉以及自然语言处理等任务上不断刷新已有最好性能，已经成为最受关注的研究方向.深度网络模型虽然性能显著，但由于参数量巨大、存储成本与计算成本过高，仍然难以部署到硬件受限的嵌入式或移动设备上.相关研究发现，基于卷积神经网络的深度模型本身存在参数冗余，模型中存在对最终结果无用的参数，这为深度网络模型压缩提供了理论支持.因此，如何在保证模型精度条件下降低模型大小已经成为热点问题.本文对国内外学者近几年在模型压缩方面所取得的成果与进展进行了分类归纳并对其优缺点进行评价，并探讨了模型压缩目前存在的问题以及未来的发展方向

针对轧钢生产中大批过程数据没有被用于提高厚度质量的现象,提出了一种基于减法聚类的带钢厚度数据驱动在线建模方法.首先通过减法聚类将输入空间划分为一些小的局部空间,在每个局部空间中用最小二乘支持向量机建立子模型,子模型加权输出作为带钢厚度的离线模型;然后当在线数据不断增加时,通过在线减法聚类算法实时调整局部空间,子模型的参数采用最小二乘支持向量机的递推算法进行相应的在线辨识,子模型的预测输出作为模型的最后输出.实验结果表明,该方法具有良好的预测精度和较强的在线学习能力