针对目前视网膜血管分割中存在的细小血管提取不完整、分割不准确的问题，从血管形状拓扑关系利用的角度出发，探索多任务卷积神经网络设计，提出骨架图引导的级联视网膜血管分割网络框架。该框架包含血管骨架图提取网络模块、血管分割网络模块和若干自适应特征融合结构体。骨架提取辅助任务用于提取血管中心线，能够最大限度地保留血管拓扑结构特征；自适应特征融合结构体嵌入在两个模块的特征层间。该结构体通过学习像素级的融合权重，有效地将血管拓扑结构特征与血管局部特征相融合，加强血管特征的结构信息响应。为了获得更完整的骨架图，骨架图提取网络还引入了基于图的正则化损失函数用于训练。与最新的血管分割方法相比，该方法在3个公共视网膜图像数据集上均获得第一名，在DRIVE，STARE和CHASEDB1中其F1值分别为83.1%，85.8%和82.0%。消融实验表明骨架图引导的视网膜血管分割效果更好，并且，基于图的正则化损失也能进一步提高血管分割准确性。通过将骨架提取模块和血管分割模块替换成不同的卷积网络验证了框架的普适性

提出了一类新的四维分数阶超混沌系统,对其动力学特性进行了理论分析和数值模拟.通过Lyapunov指数谱和分岔图分析了系统对阶次变化的敏感性.当微分阶次连续变化时,系统既存在混沌特性又存在周期特性.然后根据分数阶超混沌系统同步及扩频通信理论,提出了一个扩频通信方案.该方案使用混沌信号序列作为直接扩频通信系统的扩频地址码,用于替换传统的码分多址(CDMA)通信系统中的伪随机序列(PN序列).最后,基于该分数阶超混沌系统设计一个扩频通信电路,在Multisim平台上验证了该方案的有效性和可行性

含铝低密度钢由于其较好的综合力学性能和低密度特征引起结构钢领域研究人员的广泛关注.本文利用ThermoCalc热力学计算软件结合TCFE 7数据库,计算中锰中铝含量Fe-Mn-Al-C钢在不同温度的热力学平衡状态,总结其两相区相比例的变化规律,通过平移和修正等处理方法,绘制针对中锰中铝钢合金成分和相设计的类Schaeffler相图.结合马氏体转变温度的计算讨论对应不同合金成分条件下相种类存在可能,并通过已有材料的相比例和相形貌实验结果分析绘制的类Schaeffler相图的准确性和适用性.绘制的Fe-Mn-Al-C类Schaeffler相图可以直观地提供不同合金成分所对应的相比例、相种类等信息,可用于新型含铝低密度钢的合金设计

为了更加快捷、高效地判定边坡稳定与否，基于机器学习，融合主成分分析法（PCA）、参数调整、影响因素权重分析等，建立了一种边坡安全稳定性评价体系。研究发现，运用PCA可以在保留80%数据原信息的前提下将输入变量维度从六维降至三维，但此时模型效果有所下降；随机森林及梯度提升(XGBoost) 两种学习算法均可搭建有效的边坡安全稳定性评估模型，通过对其预测效果的对比分析，确定XGBoost为最佳评价模型。与此同时，采取卡方检验、F检验以及互信息法3种相关性检验手段，并通过计算评价因子的重要程度且加以可视化展示，明确了容重、坡高、内摩擦角以及内聚力4个内在因素的重要性，最终将评估结果与实际结合提出了边坡安全防护措施

提出了一种基于多变量相重构的混沌时间序列预测方法.该预测方法从非线性动力学系统中获取与待预测时间序列相关的信息组成多变量时间序列,首先进行多变量相空间重构,然后利用局域多元线性回归模型在相空间中进行预测,最后从预测出的高维相点中分离出时间序列的预测值.由于考虑了动力学系统中多个变量之间相互耦合的关系,从而增加了重构相空间的系统信息量,使得相空间的相点轨迹更加逼近原系统的动力学行为.与采用单变量进行预测的方法相比,基于多变量相重构的预测方法无论是单步预测还是多步预测,都能有效地提高预测精度,且具有嵌入维数的选择对预测精度影响较小的优点.通过对Lorenz混沌信号进行预测,实验结果验证了方法的有效性

液芯钢锭的加热和轧制可大幅度地改善均热炉的技术经济指标,对节约能耗有极为显著的效果。通过模拟实验得知,钢锭液芯率控制在6%左右可以实现液芯轧制。通过理论计算得出不同模内、模外时间条件下沸腾钢锭的平均温度、凝固层厚度、液芯率、热含量以及达到出轧标准所应补充的热量等有关热状态参数,在此基础上找出实现液芯轧制所应遵守的条件,如传搁时间、在炉时间、最高炉温、热负荷等的定量关系,并提出最佳传搁时间的看法。经过现场实验的验证,上述分析是正确可信的

针对液压支架优化设计初值选择困难的问题,基于可视优化设计思想提出将Euler-Savary方程和拐点圆生成技术应用于支架直线导路机构的设计.在给定前、后连杆与底座铰接点位、掩护梁与顶梁铰点位置及掩护梁在该点运动方向的条件下,建立以后连杆方位角和拐圆位置角为参量的数学模型,得到所有具有二阶以上密切直线机构的精确解.计算包括直线性能在内的设计者感兴趣的各种机构属性并实现属性信息的图形可视化,施加设计约束构建机构可行域,引导设计者在可行域内快速准确地寻找在指定采高范围的具有最小直线偏差的机构,或在给定允许偏差的条件下具有最大支架调高的机构,为液压支架优化设计提供具有先天优势的机构初始值

对于给定的刚体四位置,在布尔梅斯特曲线上任取两组位置点可得到无穷多个机构解,要求设计者快速准确地从中选取位置点综合出满足各项设计要求的最优机构是比较困难的.本文提出将无穷多机构解用有限机构解域来表示,通过机构解域初步分析绘出机构属性图,据此设计者可了解每个机构的类型、最小传动角、杆长比以及有无缺陷等信息.其次施加约束条件构成可行机构解域,这样可避免位置点选取的盲目性.最后基于可行机构解域或感兴趣的区域绘制机构性能分析图确定机构最优解

针对传统的利用极点等密度图和玫瑰图的结构面分组方法主观性强和聚类分析方法不够直观的缺点,建议利用模糊C均值(FCM)聚类的隶属度的结果,结合图形技术绘制隶属度等值线图来进行结构面分组.隶属度等值线图充分利用了模糊C均值聚类中隶属度的信息,展现每个聚类的隶属度的空间分布规律,并且可以分辨出因随机因素形成的结构面,还可以直观地读出聚类中心的范围.三山岛金矿的实例证明,该方法同时具有传统方法直观和聚类分析方法客观的优点,并且能够适应优势组不明显的数据

无人驾驶车辆自身具有强烈的非线性、信号时延和参数不确定性，对它的控制还受到道路附着系数的变化、侧向风等外界因素影响。因此传统控制方法往往难以对其稳定和精确地控制。神经网络所具有的学习能力、自适应能力和近似非线性映射的能力，为解决车辆模型参数的不确定性、外界的扰动以及车辆自适应控制问题提供了有效的途径。针对上述几个方面，对近几年国内外学者将神经网络应用到无人驾驶车辆运动控制中所取得的成果与进展进行了归纳分类，分别介绍了应用情况并对优缺点进行评价。最后总结了神经网络在无人驾驶车辆运动控制中存在的主要问题，并展望了可能的发展方向