打桩船定位桩底座关键结构强度有限元分析

为避免打桩船在作业时可能导致桩架断裂等问题的发生,对桩架底座进行结构强度校核。依据中国船级社(CCS)相关规范,使用有限元软件建立某打桩船定位桩底座加强结构的有限元模型,并对航行和作业状态两种工况下的结构强度进行有限元分析,获得相关应力情况并进行研究分析,结果表明定位桩底座加强结构的强度满足CCS相关规范要求。     

基于深度学习的土木基础设施裂缝检测综述

基于深度学习的裂缝检测对于降低基础设施运营风险、节约运维成本并推进中国土木工程行业智能化转型具有重要意义。算法、数据集和评价指标是构建深度学习裂缝检测模型的关键要素；裂缝检测模型集成于机器人平台，从而实现对土木基础设施的全自动裂缝检测。为此，从以上4个方面对当前研究进行了系统梳理。首先，回顾了深度学习的发展历程，重点介绍了深度卷积神经网络在计算机视觉领域的应用及其在图像处理方面较传统算法所具有的显著优势。接着，详细介绍了3类基于深度学习的裂缝检测主流算法，包括分类算法、目标检测算法和语义分割算法。然后，对现有裂缝图像数据集以及模型性能评价指标进行了归纳。最后，总结了土木基础设施的各类裂缝检测机器人平台。综合分析表明：基于卷积神经网络主干结构的深度学习算法已被广泛用于土木基础设施表面裂缝的精准定位与分类，而裂缝的尺寸信息仍需依靠传统图像处理技术进行提取；由于像素级标注的成本和专业性高，大型的裂缝语义分割数据集相对缺乏，致使当前基于语义分割算法的裂缝检测模型鲁棒性较差；目前多数研究人员采用个人建立的裂缝数据集进行模型训练且采用不同的指标进行模型性能评价，缺乏统一的基准测试数据集和评价指标体系，无法对不同模型的性能进行平行比较；目前针对不同基础设施已相应开发了一些裂缝检测机器人，提高裂缝检测机器人的多场景适应性，并降低其应用成本是未来的发展方向。     

基于UWB的船舶车间智能高精度定位系统应用技术

为实现对人员、设备、物料等各生产要素的精准定位,需研究船舶车间智能管理相关技术。基于UWB定位技术,开发船舶车间高精度定位系统,完成在典型船舶车间的试验验证,车间内关键要素定位精度达到分米级,为作业人员跟踪、实时生产管控提供辅助,提高车间生产效率,推进船舶智能制造。     

面向工况信息、车辆动力系统与智能控制的能量管理研究综述

汽车产业的蓬勃发展在给人民生活带来便捷的同时，也带来了能源与环境方面的双重问题，能量管理技术凭借其在节能减排领域的突出表现成为汽车研究与开发的一个重点方向。介绍了实现能量管理技术的三大要素，工况信息、车辆动力系统和能量分配策略，并总结了它们之间的关系，从这3个角度出发，对汽车能量管理研究进行分类介绍。提出了能量管理研究在区域交通调度、电网负荷调节等领域的发展方向，为今后的研究提供参考。     

基于OPC UA技术的T型梁焊接机器人在线监测系统

针对薄板分段车间的焊接装备复杂化程度高、焊接作业监控困难、焊接信息反馈不及时等问题，研究薄板分段车间T型梁焊接机器人的工艺流程和工艺参数，开发一种基于对象链接与嵌入过程控制的统一架构[OLE（Object Linking and Embedding）for Process Control Unified Architecture，OPC UA]技术的T型梁焊接机器人在线监测系统。该系统主要对T型梁焊接机器人的生产进度、设备运行状态和中间产品质量等进行在线监测，实现数据实时采集和生产过程监控与分析等功能，可消除设备之间的信息孤岛现象，实现车间生产透明化，提高生产效率，确保焊接质量。