排序方式: 共有29条查询结果,搜索用时 172 毫秒
21.
研究了爆轰驱动Cu界面的扰动增长过程,分析了不同初始条件下的扰动增长规律和主要失稳机制.研究结果表明:温度相关的熔化失稳和塑性变形相关的拉伸断裂失稳是界面扰动增长过程的主要失稳机制;高能炸药爆轰驱动Cu材料界面时,冲击波加载引起的温升和扰动增长阶段塑性功转换引起的温升不足以熔化Cu材料,拉伸断裂是导致扰动增长不稳定的主要机制;扰动增长非线性阶段尖钉的最大累积有效塑性应变与尖钉振幅之间存在定标关系,结合熔化条件和断裂应变判据建立的尖钉振幅失稳条件可用于分析界面扰动增长的稳定性. 相似文献
22.
针对当前可见光-红外图像数据集匮乏导致的模型特征学习能力不够以及生成图像质量低下等问题,提出了单样本的无监督学习方法来训练红外图像生成模型。首先,在数据集难以获取、匮乏的情况下,仅采用一对可见光-红外图像作为模型训练的数据,降低了数据获取的难度,解决了数据匮乏的问题。其次,为了在训练模型时充分提取图像特征,改进了网络结构。实验数据表明,本文方法能够在单样本图像生成中取得较好的效果。在艾睿光电数据集中,本文方法的峰值信噪比(Peak Signal-to-Noise Ratio, PSNR)与结构相似性(Structural Similarity, SSIM)指标分别达到了26.5588 dB和0.8846;在俄亥俄州立大学(Ohio State University, OSU)数据集上的PSNR和SSIM分别达到了30.3528 dB和0.9182。与基于风格的生成对抗网络(Style-based Generative Adversarial Network, StyleGAN)方法相比,本文方法在艾睿光电数据集上的PSNR和SSIM指标分别提高了16.07%和23.78%;在OSU数据... 相似文献
23.
24.
25.
钝感炸药的超压爆轰与冲击起爆过程数值模拟 总被引:1,自引:0,他引:1
采用Hybrid反应率结合修正的JWL方程,研究了LX-17、超细TATB等钝感炸药的冲击起爆(SDT)过程,并计算了爆轰波的对碰现象。结果表明,该方法计算钝感炸药的冲击起爆过程与实验数据符合较好;计算爆轰波对碰区的峰值压力提高了10%。 相似文献
26.
合成孔径雷达(Synthetic Aperture Radar,SAR)图像目标识别是SAR图像解译的重要应用。为提高SAR目标识别的稳健性,本文提出基于深度信念网络(Deep Belief Network,DBN)的属性散射中心匹配方法。属性散射中心参数特征丰富,能够很好地反映目标的局部散射特性。DBN发挥深度学习优势,可以实现测试样本与模板样本散射中心集的稳健匹配,并且能够较好地适应噪声干扰、部分缺失等情形。在构建的属性散射中心匹配关系的基础上,定义相似度度量准则。基于最大相似度的原则确定测试样本所属类别。实验依托MSTAR数据集开展,经验证,所提方法对于SAR目标识别问题具有良好的有效性和稳健性。 相似文献
27.
通过 78例体弱儿血微量元素锌、铁、钙、铅的检测 ,并与健康儿童对照研究 ,发现体弱儿有明显的缺锌、缺铁 (P <0 0 1 )。结果提示 ,缺锌缺铁对体弱儿的发生发展起重要作用 ,体弱儿与微量元素缺乏密切相关。 相似文献
28.
层裂是一种重要的动态损伤破坏现象,由物质界面的反射稀疏波相互作用引起,其细观尺度上的物理机制是微损伤(即微孔洞和微裂纹)的成核、生长和汇合。围绕美国物理学会George E. Duvall冲击压缩科学奖的3位获奖者Grady、Curran和Johnson的相关工作,概述层裂现象的一些主要研究进展,简要介绍层裂现象的研究历史,以期更深刻地理解那些著名的层裂物理模型和实验技术。此外,报道了最近取得的最新研究成果,阐述了冻结不同损伤水平状态的双层靶层裂实验技术与Hopkinson压杆共通的工作原理。针对微损伤成核和生长断裂破碎模型NAG/FRAG在数学上的不一致性和在物理上的不完备性,指出对于延性材料的层裂过程,只要微孔洞成核的累积数目密度满足尺寸的指数分布、微孔洞半径的生长速度与半径呈线性关系,就能够得到解析形式的损伤度演化方程,该修正模型MNAG在数学上是一致的,在物理上是完备的;对于白以龙等建立的欧拉形式的微损伤数目守恒方程,指出计算损伤度不必显式求解该方程,损伤度的表达式一般通过拉格朗日形式的微损伤数目守恒方程获得;针对损伤度函数模型或封加坡模型,以更加简洁的方法进行了推导。 相似文献
29.
针对复杂环境下多目标跟踪过程出现的轨迹漏检、误检及身份切换等问题,提出一种基于改进YOLOX和BYTE数据关联方法的多目标跟踪算法。首先,为了增强YOLOX在复杂环境下的目标检测能力,将YOLOX骨干网络与Vision Transformer结合,增强网络的局部特征提取能力,同时加入α-GIoU损失函数,进一步增加网络边界框的回归精度;其次,为了满足算法实时性要求,采用BYTE数据关联方法,摒弃传统特征重识别(Re-ID)网络,进一步提高了多目标跟踪算法的速度;最后,为了改善光照、遮挡等复杂环境下的跟踪问题,采用更加适应非线性系统的扩展卡尔曼滤波,提高了网络在复杂场景下对跟踪轨迹的预测精度。实验结果表明:所提算法对MOT17数据集的multiple object tracking accuracy(MOTA)、identity F1-measure(IDF1)指标分别为73.0%、70.2%,相较于目前最优的ByteTrack,分别提升了1.3个百分点、2.1个百分点,number of identity switches (IDSW)则减少了3.7%;同时所提算法取得了51.2 fr... 相似文献