飞机燃油箱的静电打火及防护探讨

飞机燃油是飞机在飞行中的重要燃料,一般都是在燃油箱内燃烧,因此飞机燃油也就成为了飞机的主要燃料。对于现代大型客机而言,其燃油消耗量通常都很大,为了保证飞行安全,油箱内的燃油必须保持较高的温度。由于飞机燃油箱内的燃油与外界空气进行接触,因此在油箱内必然会发生静电现象,从而导致油箱发生燃烧事故。为了有效地避免这一情况,就必须要对燃油箱进行防静电防护。 由于现代大型客机的燃油箱内部往往都是用金属材料制成的,因此在发生静电打火后,往往都会产生火花现象,从而造成飞机燃烧事故。因此,针对飞机燃油箱静电打火及防护进行研究具有重要意义。本文将对这一问题进行分析,并提出相应的解决对策。

基于多尺度聚焦网络的单图像城市场景3D平面重建

针对基于单图像城市场景中不规则平面3D重建的难题,本文提出了一种基于多尺度聚焦网络的场景3D平面重建算法.该算法以单幅RGB图像为输入,通过单网络、双任务的学习策略,同时输出平面的分割映射以及深度信息.为了根据上下文来自适应的更改有效感受野大小以获取多尺度信息,本文还提出了一种将条状注意力机制嵌入到空洞空间金字塔池化模块的多尺度聚焦模块,使之能够关注城市场景中的条状平面.本文网络模型在SYNTHIA城市场景数据集上进行了训练,在测试集中取得了81.5%SC和4.22%Abs Rel的表现.本文算法相对于现有算法更可靠、重建模型更完整.

基于空洞卷积与多尺度特征融合的室内场景单图像分段平面三维重建

受光照变化和纹理缺乏等因素的影响,基于单幅室内场景图像的像素级和区域级三维重建算法很难恢复场景结构细节。本文提出了一种基于空洞卷积残差连接和多尺度特征融合网络的分段平面三维重建算法。该算法通过融合利用加入空洞卷积的ResNet-101网络产生的浅层高分辨率细节特征,从而减小随着网络结构的层次加深导致空间信息的丢失对三维重建细节的影响,使模型能够学习单幅图像中室内复杂场景的细节特征,并通过将全连接条件随机场优化的定位精度与深度卷积神经网络的识别能力相耦合,更好地处理了边界定位问题。实验结果表明,本文算法对复杂背景的室内场景的平面预测鲁棒性强,平面分割结果准确,且深度预测精度平均可达到92.27%。

给定运动轨迹的凸轮–连杆组合机构的解析法设计

根据输出轨迹点的运动与凸轮旋转同步的思路,给出并解决了按给定的轨迹曲线来设计凸轮–连杆组合机构的凸轮轮廓线的解析设计方法。通过实例对设计方法进行了验证。