排序方式: 共有3条查询结果,搜索用时 3 毫秒
1
1.
2.
在大型航天结构舱段试验中,通常需要粘贴大量的应变片来获取结构的应变测试数据。为了能够准确定位结构舱段上的应变片位置,本文研究了基于单目视觉测量技术的应变片空间坐标重建方法。该方法采用一台单反相机,从不同视角连续对构件进行拍摄,获得一组包含圆环编码点和应变片的图像序列;通过检测编码点图像坐标,构建相邻帧之间的匹配关系,然后基于相对定位原理估计相机姿态信息;再利用深度学习技术提取图像中的应变片坐标,结合估计的姿态信息对提取的应变片进行立体匹配,并且采用三角测量方法重构应变片空间坐标,从而实现应变片的三维定位。利用所研究的方法,分别对铝质平板和圆筒上粘贴应变片的三维坐标、碳纤维标尺的长度进行了定位。定位结果表明,该方法的重复定位精度优于0.05mm,三维点距离测量精度优于0.1mm。 相似文献
3.
近年来,机器学习方法逐渐成为多相催化中的一种关键研究手段. 二元合金材料作为重要的催化剂之一,在双功能催化剂的筛选中受到了广泛的关注. 本文提出了一个将机器学习方法应用在预测催化性质上的整体框架,从而快速预测原子、分子在金属和二元合金表面的吸附能. 通过测试不同的机器学习方法来评估它们对于该问题的适用性,并将树集成的方法与压缩感知方法相结合,利用约6×104个吸附能数据构建了预测模型. 相对于线性比例关系,该方法可以更准确地预测大量合金上的吸附能(预测的均方根误差降低一半),并且更通用地预测各种吸附物的能量,为发现新的双金属催化剂铺平了道路. 相似文献
1