复式断面明渠湍流的统计特征和拟序结构

应用直接数值模拟(DNS)方法，研究了复式断面明渠湍流的一阶和二阶统计特征，分析了湍流拟序结构在复式断面明渠内的分布规律。首先，针对平板边界层湍流问题对数值模拟方法的精度进行了验证；随后，分析了复式断面明渠的主流流速分布、二次环流强度和分布，以及二次环流对主流流速分布的影响，讨论了紊动强度和雷诺剪切应力极值大小和分布特征；最后，再现了复式断面明渠湍流的三维拟序结构，阐述了滩槽结合处典型“发卡”涡结构的特征及其诱发二次环流的机制。     

铁路桥梁BIM程序的设计与实现

针对桥梁工程设计的特点,自主开发一款具有二维交互设计,及三维显示功能的铁路桥梁BIM设计程序。阐述了在建筑信息模型(BIM)模式下桥梁程序开发不易完全抛弃二维设计视图及传统设计的理念。着重介绍了该程序的MVC框架、桥梁设计功能,以及在二维、三维显示视口开发中所使用的OPENGL VBO、四叉树空间索引等技术。通过工程项目应用,表明该程序具备BIM铁路桥梁方案设计功能,三维场景直观生动,并且结合二维视图辅助,使用户能够直接、实时地掌握桥梁结构高程、尺寸等数据,更好地帮助决策合理的桥梁方案。     

基于卷积神经网络的舰船图像类型识别

舰船图像类型识别是计算机视觉领域研究的热点,当前舰船图像类型识别方法存在误识率高、识别时间长等不足,为获得更优的舰船图像类型识别结果,提出基于卷积神经网络的舰船图像类型识别方法。首先提取舰船图像,对其进行增强、去噪、过滤处理,提升舰船图像质量,然后从舰船图像中提取识别特征,将其作为卷积神经网络的输入,舰船图像类型识别作为卷积神经网络的输出,建立舰船图像类型识别分类器,最后采用Matlab2017对5种类型的舰船图像进行仿真测试,卷积神经网络的舰船图像类型识别正确率超过95%,舰船图像类型的误识率和漏识别均低于5%,获得了理想的舰船图像类型识别结果,而且舰船图像类型识别性能远高于其他舰船图像类型识别方法,具有十分广泛的前景。     

基于嵌入式系统的舰船图像拼接技术

常规舰船图像拼接技术无法实现多环境的图像拼接,为此设计基于嵌入式系统的舰船图像拼接技术,对采集的舰船图像进行降噪处理后,利用均值法划分特征领域,通过特征领域构建尺度空间,利用尺度空间法则对图像特征进行配准处理,通过嵌入式系统中的换算函数对图像进行连接强化,实现舰船图像技术拼接。将设计的技术与常规3种图像拼接技术进行对比,在不同实验环境下,本文方法图像拼接能力明显好于3种传统方法。     

专业力量齐发力 复工复产有实招——北海航海保障中心抗疫情保复工侧记

疫情阻击战到了最关键的阶段,保复工、稳发展迫在眉睫。北海航海保障中心(简称“中心”)主动作为,有效履职,积极加强与属地海事、引航、气象、港口等单位的协调沟通,针对辖区LNG、煤炭能源运输提供定制化优先服务,保障各类导助航设施、系统平稳正常运行。新冠肺炎疫情期间,共计为辖区1.7万余艘次船舶航行和13.5万人次旅客安全运送提供了及时、高效的航海保障服务。     

基于APDL语言的转向架构架结构局部参数化优化

为提高转向架构架局部结构的修改和优化的效率,提出结构局部参数优化方法,对构架横向止挡的支撑筋板进行结构优化,使横向止挡支撑筋板的最大von_Mises应力从最初结构方案的445.019 MPa降低到342.054MPa,满足构架静强度评估标准的要求。从优化结果和整个优化过程可以看出,承载结构局部参数化优化方法具有有效性和高效性,为提高结构优化效率提供了理论基础。     

基于图像分割的船舶吃水深度检测方法

针对传统的船舶吃水深度检测方法精准度低的情况,提出基于图像分割的船舶吃水深度检测方法。以得到精准的舰船吃水值为出发点,采集舰船吃水图像,并进行动态模板匹配,减少舰船晃动对吃水深度检测的影响,在此基础上,对船舶水尺图像字符进行校正,计算吃水线位置,得到舰船吃水深度,以此实现船舶吃水深度检测。实验对比结果表明,此次设计的基于图像分割的船舶吃水深度检测方法比传统的吃水深度检测精准度高,具有一定的实际应用意义。     

基于LeNet-5的编组站站内机车车号识别系统的研究

编组站内机车车号的识别问题一直制约着本务机车综合管控技术的发展。为了解决这一问题,针对机车车次,机车类型自动识别问题进行研究。改进了基于卷积神经网络LeNet-5的识别算法,并收集了大量机车车次图像素材,通过图像预处理后,使用训练集进行模型训练,形成适用于机车车次识别的网络模型,通过使用python语言与.NET平台实现了机车车次识别系统的设计。实验表明,该方法对机车车号的识别达到了较高的识别水平。目前,车号识别系统已在中国铁路武汉局集团有限公司襄阳北站试验,高清图像素材从车站高清货检系统处获取,识别效果良好,为实现智慧型编组站提供了有力的技术支撑。