基于DEFORM的冲头和刀口相对位置偏移量对模具及产品的影响

针对生产加工中出现的产品不良、冲头和刀口崩坏等现象,通过DEFORM仿真,分析了冲裁模具冲头与刀口的相对位置偏移量对模具和产品的影响,具体分析了模具冲头与刀口的相对位置偏移量对模具所受压力、冲头和刀口的疲劳强度、产品毛刺大小等几方面的严重危害,得出冲压模具冲头与刀口的相对位置偏移量对模具所受力的大小影响不大,但会降低冲头和刀口的疲劳强度、影响产品毛刺大小,降低产品生产效率和模具寿命,影响产品质量,并提出通过进行人工合模操作或通过使用合模机可以很好地改善冲头与刀口的相对位置偏移量,提高模具精度和产品质量。

全局相关块级自注意力的食管癌前病变区域分割

食管内镜图像多类癌前病变区域的类间特征差异小且个体差异大,难以实现高精度分割,使用自注意力机制可提取远距离依赖信息以获取判别性特征,但是计算开销大。为此,提出一种全局相关块级自注意力(GC-BLSA)方法,用于食管癌前病变区域分割。利用块级自注意力对骨干网络的输出特征进行分块,并在多个特征块上引入自注意力机制,降低网络参数量和计算量,采用块相关机制建模每个特征块和整个特征图之间的关系,解决每个特征块在单独使用自注意力时无法提取与全局相关的远距离依赖信息的问题。在此基础上,在块级自注意力模块中引入相对位置偏移对位置信息进行补充,有效提高网络分割精度。实验结果表明,在四分类食管癌数据集上该方法的分割指标mIoU和F1值分别为50.213%和63.786%,相比传统自注意力Non-local模块分别提高3.744和4.297个百分点,参数量和计算量分别下降26.38%和10.62%。

基于GMM的航班轨迹预测算法研究

航班轨迹预测是空中交通管理与仿真技术的基础。针对现有预测方法预测精度和稳定性不足的问题,提出了一种基于历史雷达数据和机器学习方法的轨迹预测算法。算法首先基于概率统计模型(高斯混合模型)对航班运行过程中的相邻时刻的相对位置偏移量进行建模;随后,以该航班的历史飞行轨迹为训练数据采用期望最大化的机器学习算法优化模型参数。概率统计模型学习真实运行环境下同一航班的飞机运动模式,能更准确地描述航班在飞行过程的随机性。在已学习到概率统计模型的基础上,采用序贯蒙特卡洛思想采样航班各时刻的相对位置偏移向量序列。针对特定的航班轨迹预测,使用起飞机场的跑道位置和标高信息与预测的航班位置偏移量预测航班在各个更新时刻的位置信息并形成最终的航班轨迹。算法中预设模型参数更新机制,包含预测误差超过阈值、定时和手动更新。将提出的算法运用在某大型空中交通流量管理系统中,大量真实历史数据实验表明:与传统的运动学方法和回归模型相比,本文算法能得到更加准确和平稳的航班轨迹预测结果。