整车淋雨试验方法及常见漏水问题分析

整车淋雨是一项重要的质量指标,常用的分析方法有拆解覆盖件法、内窥镜检测法和注射器或高压水枪法等。整车淋雨的质量不仅关系到客户体验,部分问题可能影响整车寿命及顾客安全。故熟练掌握淋雨的原理、试验方法及常规问题的处理方法,并形成历史问题库,用于新品车型,可以从源头控制由于漏水造成的风险,提升企业的质量控制能力。     

海底管道凝胶封堵材料的制备与试验研究

文中设计一种凝胶配置与注入装置，进行了海底管道封堵凝胶性能研究，获得了适用于海管清管的凝胶配比，并搭建了凝胶封堵试验线，对凝胶在管道中的通过性和封堵性进行了试验研究。研究结果表明：聚合物质量分数越高、交联剂质量分数越高，凝胶成胶时间越短，黏度越大；当聚合物溶液质量分数为1.5%,交联剂溶液质量分数为0.4%时，凝胶黏度、成胶时间、流动状态等综合性能较好；成型后的凝胶能顺利通过水平管段、竖直管段和弯头，管壁没有残余凝胶，段塞前后液体没有发生串流现象，凝胶段塞封堵性良好。     

基于稀疏卷积神经网络的车载激光雷达点云语义分割方法

对车载激光雷达扫描得到的点云进行语义分割是保证行车安全、加强驾驶员对周边环境理解的重要手段之一。因为内存限制和大规模点云场景更加稀疏的特点,将传统神经网络的方法直接沿用到车载激光雷达扫描得到的点云场景中的效果不佳。本文中针对大规模点云的稀疏性,利用稀疏卷积神经网络对体素化点云进行特征提取。考虑到逐点处理分支抑制点云数据的密度不一致性导致的信息损失,另外设计了3D-CA和3D-SA模块,使稀疏卷积神经网络更好地提取特征。实验结果表明,与传统卷积神经网络的方法和将点云投影到平面的方法相比,使用稀疏卷积神经网络对大规模点云进行语义分割,可将平均交并比提升4.1%和3.4%,证明了该方法的有效性。     

面向自动驾驶数据生成的风格迁移网络研究

自动驾驶数据集的丰富性是保证基于深度学习的自动驾驶算法鲁棒性和可靠性的关键。当前的自动驾驶数据集在夜晚场景和各类气候、天气条件下的数据量仍十分有限，为满足无人驾驶领域的应用需求，本文中构建了风格迁移网络，可将当前自动驾驶数据集转换为夜晚、雪天等多种形式。该网络采用单编码器-双解码器结构，综合语义分割网络、跳跃连接和多尺度鉴别器等多种手段用于提高图像的生成质量，生成的图像具有良好的视觉效果。用真实数据训练deeplabv3+语义分割网络来评价生成图像的结果表明，本文采用的网络生成图像的平均交并比比基于双编码-双解码结构的两种网络（AugGAN和UNIT）分别提升了2.50%和4.41%。