基于《内经》因势利导思想从“因其轻而扬之”略论温病学派用药特点

本文从《内经》“因其轻而扬之”的轻、扬二字入手,全面深入解读其内涵,并在此基础上阐释该治则所针对的病邪性质、病位、病证特点,以及据此对药物性味进行归类的具体应用,总结了叶天士、吴鞠通、王孟英等温病学家“轻清”用药特点的具体运用,以此启发对《内经》因势利导治则的理解。

电动拖拉机底盘轻量化设计

探讨了电动拖拉机底盘轻量化设计的方法和技术,并基于底盘轻量化的重要性论述了底盘轻量化的具体方法,包括选材、结构优化、工艺改进等方面。针对电动拖拉机的工作特点,提出了适合其底盘轻量化的具体措施,包括采用高强度轻质材料、减少焊接点及优化桥座结构等。最后,通过数值模拟和试验验证了轻量化设计的效果,证明了方法的可行性和有效性。研究成果对于提高电动拖拉机的性能和节能减排具有重要意义。

基于阻尼减振材料下拖拉机车身轻量化设计

由于农业生产环境恶劣,拖拉机在使用过程中振动和车内噪声对驾驶员的舒适性和工作效率产生负面影响,而阻尼材料能够将振动能量转化为其他形式的能量,从而减少振动的幅度和传递,同时也可以在不减少机械结构强度和稳定性的前提下减少结构质量。为此,以拖拉机车身轻量化设计为研究对象,提出一种新兴液态可喷涂型阻尼隔音材料(Liquid Apply Sound Deadener,LASD),探讨了轻量化设计在减振性能和结构强度之间的平衡,并基于拖拉机车身静态刚度、动态刚度和侧面碰撞安全性能,采用近似模型优化方法进行轻量化设计。结果表明:采用阻尼减振材料可以显著降低拖拉机车身质量4.2%,显著降低拖拉机车身的振动幅度,并改善驾驶员的舒适性和工作效率。研究结果可为提高农业机械性能和驾驶员舒适性提供一种有效途径,具有实际应用前景。

一种面向交通安全的违禁品轻量级检测方法

针对X光安检图像中摆放杂乱、故意遮挡、小型不规则物品检测等问题,以及安检工作对实时性、快速性的要求,基于YOLO v5s网络模型提出了一种结合改进的轻量级实时违禁品监测方法LRCD,以辅助安检人员快速进行检测。通过在模型的主干中使用DenseOne模块替代YOLO v5s主干中的C3模块,进而丰富特征,提高网络的特征表达能力;为了提高推理速度,使用SimSPPF替换YOLO v5s主干中的SPPF;同时引入WIoU(Wise-IoU)损失函数,抑制了冗余特征对检测网络的影响,增强了网络获取违禁品中包含的多尺度特征的能力。在针对X光下行李物品图片的EDS数据集中进行测试,mAP达68.96%,FPS达136.9,对比近年来被广泛使用的其他经典目标检测模型,分别平均提升了6.35%与66.7%。

基于轻量化网络与增强多尺度特征融合的绝缘子缺陷检测

随着无人机搭载目标检测算法在输电杆塔绝缘子巡检领域的发展,针对绝缘子缺陷检测速度较低,网络复杂度高且缺陷小目标难以准确检测的问题,提出一种基于轻量化网络与增强多尺度特征融合的YOLOv5-3S-4PH模型进行绝缘子缺陷实时检测。首先将重构的ShuffleNetV2-Stem-SPP(3S)网络作为YOLOv5的主干网络,显著减小了网络的参数量和计算量;其次引入针对小目标的增强多尺度特征融合网络以及4个预测头,来增强网络对绝缘子缺陷的感知能力,并结合Mosaic-9数据增强、CIoU损失函数进一步补偿轻量化导致的检测精度损失;最后将其应用到自制绝缘子数据集进行验证。实验结果表明,该文所提出的模型相对于未改进的YOLOv5,全类平均精度提高了3%,检测速度提高了81.8%,参数量、计算量分别压缩了82.4%、67%。因此,所提出的模型更适合部署在无人机平台上进行绝缘子缺陷的实时监测。

CFRP在汽车轻量化与安全中的应用进展

碳纤维复合材料(Carbon Fiber Reinforced Polymer,CFRP)具有比强度高、吸能性好等优点,在汽车结构安全及轻量化中的应用优势明显,前景广阔。本文综述了CFRP在汽车轻量化及安全性中应用的研究进展,从汽车车身、底盘以及配件等方面阐述了CFRP在汽车轻量化的应用,从安全性的角度分析了CFRP在汽车安全部件的优势,指出了制约CFRP应用的结构设计理论及异质连接工艺等难点,并展望了未来CFRP在汽车领域的应用前景。旨在拓展CFRP在汽车轻量化与安全中的应用范围,为其在汽车工业发展及轻量化中的广泛应用提供参考。

泡沫轻质土回填管道沟槽路面表层动力响应研究

市政道路下伏管道沟槽常采用土、砂子、碎石等传统散体材料回填,由于沟槽空间受限,压实度难以满足设计要求,管道破损渗漏或交通荷载作用下,容易造成路面开裂,甚至塌陷。泡沫轻质土具有轻质、高强、自密实、抗渗漏等特性,可以将其应用于管道沟槽回填工程。为了研究泡沫轻质土回填管道沟槽的路面动力响应特性,以振动加速度和动位移为动力响应指标,开展泡沫轻质土回填段和中砂回填段的路面动力响应现场试验。试验车速分别为20,40和60 km/h,车重分别为空载、半载、满载,共9种试验工况。研究结果表明,泡沫轻质土回填区段测点振动加速度最大值、动位移最大值分别为31.93 mm/s^(2)、6.23μm,而中砂回填区段分别为35.79 mm/s^(2)、6.90μm。振动加速度峰值、动位移峰值均随车重、车速的增加而增大。车重由空载变为满载时,泡沫轻质土回填区段测点动位移峰值变化幅度仅为中砂回填区段测点的15.2%~51.0%;车速由20 km/h增加至60 km/h时,动位移峰值变化幅度为中砂回填区段测点的16.8%~66.8%。泡沫轻质土回填区段振动加速度峰值衰减率、动位移峰值衰减率分别为中砂回填区段的1.16~1.38倍及1.15~1.33倍,削减了沟槽回填区段路面测点振动的高频和低频成分,泡沫轻质土回填区段整体刚度较好,减振效果良好。研究成果可为泡沫轻质土回填管道沟槽的设计施工提供参考。

基于BIM技术与模拟退火算法的村镇轻钢框架结构智能设计方法

传统村镇住宅结构设计需要进行大量的人工试算与重复建模,而受制于建设成本,村镇住宅无法像城镇住宅一样通过设计师进行专业的结构设计与验算,其安全性与经济性均难以满足要求。为此,提出一种村镇轻钢框架结构智能设计方法,包括智能建模与智能优化两个环节。基于图层自动识别算法、光学字符识别技术、自适应分块算法提出村镇轻钢框架结构BIM智能建模方法,包括图层识别、轴文本数据提取、墙体轮廓提取等,智能建模结果基本满足实际工程要求。基于提出的两阶段模拟退火算法给出村镇轻钢框架结构的智能优化方法,优化速度较快,优化效果良好。通过实际工程案例对提出的智能设计方法进行验证,结果表明,提出的村镇轻钢框架结构智能设计方法具有可行性,与传统的人工设计方法相比,设计周期可缩短70%以上,材料用量、结构设计指标接近人工设计结果。

基于轻量级YOLO-v4模型的变电站数字仪表检测识别

为了在变电站实际场景中准确获取数字仪表读数,智能管控变电站的安全风险,同时推动变电站智能化发展,以实际场景中变电站数字仪表作为研究对象,综合考虑实时性及准确度等,提出一种基于轻量级YOLOv4模型的变电站数字仪表检测识别方法.首先,通过从鄂尔多斯变电站实际拍摄变电站数字仪表图像数据,使用Albumentations框架对数字仪表图像进行数据扩充,构建变电站数字仪表目标检测数据集;然后,以YOLO-v4网络为基础,结合注意力机制构建一个有效通道注意(efficient channel attention,ECA)改进的深度可分离卷积模块(ECA-bneck-m);最后,提出一个轻量级YOLO-v4模型,进行模型大小与性能的对比实验.实验结果表明:本文方法可以在几乎不损失检测准确度的情况下,将整个模型存储大小压缩为原先的1/5,同时将模型推理速度从24.0帧/s提升至36.9帧/s,其实时性能够满足实际变电站检测识别的工程需要.

钢-铝混合驾驶室材料-结构轻量化设计

为了得到更为完善的商用车驾驶室轻量化设计,提出了钢-铝混合驾驶室材料-结构一体化轻量化方法。首先基于灵敏度分析、等刚度近似理论与等强度理论建立了性能驱动的材料选择方法,并针对钢制驾驶室初步设计了钢-铝混合材料方案。然后通过折衷规划法的拓扑优化识别了驾驶室关键传力路径,并加强了相关结构。其次考虑驾驶室零件厚度、截面尺寸设计参数,建立了驾驶室质量、刚度及模态性能的径向基函数的代理模型,并采用多目标粒子群优化方法对驾驶室进行多目标优化设计。优化结果表明,在满足驾驶室刚度、模态和碰撞性能的要求下,驾驶室质量减轻了12.8%。该方法对钢-铝混合驾驶室轻量化有实际的工程指导价值。

基于安全、轻量化、可靠性多目标的新能源汽车电池包壳体开发

电池包作为新能源汽车的动力源,是新能源汽车最重要的部件之一,而电池包壳体对电池包乃至整车起重要保护作用,是新能源汽车的关键部件。电池包壳体质量占整车的2%~6%,电池包壳体对汽车轻量化同样起到重要作用。基于全球汽车产业的节能减排发展目标,从安全性、轻量化、可靠性3个角度出发,论述了新能源汽车电池包壳体开发的行业发展现状,展望其未来的发展趋势,同时针对这一领域存在的共性关键技术问题进行了讨论。

装配式轻钢框架-轻钢骨架轻混凝土墙板结构抗震性能

为研究装配式轻钢框架-轻钢骨架轻混凝土墙板结构抗震性能,对1个足尺轻钢框架结构试件和3个足尺轻钢框架-轻钢骨架轻混凝土墙板结构试件进行了低周反复荷载下的抗震性能试验及理论分析,试件变量包括:2种装配构造,即内嵌式装配墙板、外贴式装配墙板;2种轻钢骨架轻混凝土墙板,即框架式轻钢骨架轻混凝土墙板、桁架式轻钢骨架轻混凝土墙板。研究了各试件的破坏特征和损伤演化过程,分析了结构滞回特性、承载力、变形能力、刚度退化、耗能性能和应变。结果表明:装配式轻钢框架-轻钢骨架轻混凝土墙板结构共同工作性能良好,其水平承载力相比轻钢框架提高了204.7%~210.4%,抗侧刚度提高了257.3%~512.5%,结构变形及耗能能力有显著提高;内嵌墙板的自攻钉连接构造以及外贴墙板的螺栓连接构造传力性能可靠,结构具备2道抗震防线的受力特征;基于简化塑性分析模型以及拉压杆软化桁架模型,对试件承载力进行了计算,计算结果与试验符合较好。

基于轻量型网络的无人机遥感图像中茶叶枯病检测方法

针对无人机采集的茶叶枯病图像中病斑差异大,病斑和背景之间相似性高等问题,设计了一个轻量型网络LiTLBNet,用于准确、实时地检测野外茶园无人机图像中的茶叶枯病。LiTLBNet使用轻量型的M-Backbone作为骨干网络,用来提取茶叶枯病病斑的可区分特征,减少因图像中病斑的尺度、颜色和形状的巨大差异而导致的漏检。在LiTLBNet的LNeck结构中引入了SE和ECA模块,帮助网络在通道维度上学习目标的综合特征,减少因病斑和背景之间的相似性造成的误检,同时删除原基线网络最大的特征图,以减少计算量和模型大小。此外,本研究还通过旋转、加噪声、构建合成图像等方式来扩充训练样本数量,提高小样本条件下LiTLBNet网络泛化能力。实验结果表明,利用LiTLBNet检测无人机遥感图像中茶叶枯病的精度为75.1%,平均精度均值为78.5%,与YOLO v5s接近。然而,LiTLBNet内存占用量仅2.0 MB,是YOLO v5s网络的13.9%。LiTLBNet网络可用于对茶叶枯病进行实时、准确的无人机遥感监测。

基于轻量化PointNet网络的林果园喷雾作业靶标实时识别方法

为了进一步提高喷雾机器人靶标检测的精准性、实时性和应用部署的实用性,该研究提出一种基于轻量化PointNet网络的林果园喷雾作业靶标实时识别方法。首先通过区域提取降采样、地面分割和改进DBSCAN聚类等点云预处理方法提取原始点云中的靶标;然后通过移动最小二乘上采样将靶标点云转化为满足点云识别网络输入要求的点云数据;最终通过在PointNet网络中引入残差模块和改进循环剪枝算法轻量化PointNet网络,完成林果树靶标的实时识别。试验结果表明,在ModelNet40数据集上,轻量化PointNet网络可达89.7%的准确率;在实际苗圃环境的试验中,该研究方法对靶标的识别准确率可达92.49%,同时误识率与拒识率分别为13.4%和6.47%,相较PointNet网络识别准确率提升了4.38个百分点,误识率和拒识率分别降低了7.2和4.07个百分点;轻量化PointNet网络识别准确率仅比PointNet++网络低1.14个百分点,误识率和拒识率分别高了0.9和1.12个百分点。但是轻量化PointNet网络的模型参数量较PointNet网络和PointNet++网络的模型参数量显著减少,仅为PointNet网络的11.5%,PointNet++网络的27.02%;运算量相较PointNet网络、PointNet++网络分别减少13.3和76.79个百分点。该研究提出的轻量化PointNet网络具有较高的实时性、精确性和鲁棒性,能够满足林果园喷雾作业的靶标识别需求,可为林果园喷雾作业靶标实时识别提供参考。

基于改进YOLOv5s的轻量级绝缘子缺失检测

针对现有绝缘子缺失检测模型计算复杂度高和小目标难以检测等问题,提出一种基于改进的YOLOv5s轻量级检测模型。首先,移除主干网络中的C3模块来减少模型的参数量。其次,在多尺度特征融合网络中引入卷积块注意力机制来提高复杂背景下模型的特征提取能力。同时,采用加权双向特征金字塔网络结构对特征进行双向跨尺度加权融合,提升网络在遮挡物、相似目标干扰下目标的检测性能。最后,选用SIoU损失函数提升网络的收敛速度和检测精度。实验结果表明,所提模型的平均精准率为96.8%,浮点运算数为2.8 GFLOPS,而原始YOLOv5s在保证97.4%的平均精准率下的浮点运算数为16.3 GFLOPS。相较于原始模型,所提模型对小目标、遮挡目标以及模糊等场景有着较强的鲁棒性,且在保证近似检测精度的同时极大减少了计算量。

大棚西甜瓜“半网架”式轻简化地爬栽培技术

北京市农业技术推广站研发的大棚西甜瓜“半网架”式轻简化地爬栽培模式,可减轻传统栽培技术整枝、打杈等人工操作,降低人工成本50%以上,商品果率提高27.3百分点,每667 m^(2)效益增加3500元,有利于轻简化和规模化种植。

轻简化栽培稻田杂草发生趋势与防控技术

随着水稻轻简化栽培技术的应用与推广,东北稻区、西北稻区、长江流域稻区和华南稻区等水稻主产区的杂草种群演替加快,稗草、千金子和马唐等恶性杂草频繁发生,杂草抗药性水平上升迅速。若杂草防控不及时、不彻底,极易对水稻生产构成严重威胁。为此,对水稻直播、机插和抛秧等轻简化栽培稻田杂草的草相特征、发展趋势和防除方法等进行了概述,以期为制定合理、高效的轻简化栽培稻田杂草综合防控技术、水稻用农药减量增效除草方案,延缓杂草抗药性产生与发展提供借鉴。

基于MQTT协议的轻量化文本信息分发技术研究

随着卫星通信网络的发展,基于卫星通信网络实现手机、平板电脑等移动通信设备之间的通信成为研究的热点。由于其采用无线电波进行信号传输,且需要经过多个中继站进行信号的转发和处理,导致存在网络延时大、丢包率高以及信道狭窄等问题。针对文本信息在卫星通信网络下的分发过程存在效率低下、可靠性不高的问题,设计一种基于MQTT(Message Queuing Telemetry Transport)协议的轻量化文本信息分发技术。该技术使用MQTT协议作为消息传输协议,在文本信息分发前对MQTT协议进行主题设计、发布订阅机制设计、设备连接设计以及设备心跳设计,确保设备之间的连通性;在文本信息的分发过程中,设计数据校验加密算法、文本信息轻量化处理方法和离线消息存储机制,保证文本信息分发的安全性、可靠性。实验结果表明:相较于传统的基于JSON数据的文本信息分发技术,该技术在提高文本信息分发效率的同时,可确保信息分发的安全性、完整性和稳定性。

轻罪的界定标准与分类治理

犯罪分层是轻罪治理的应有之义。关于轻罪的界定,从立法和司法不同层面,采取“形式+实质”相结合的“综合标准说”较为合理。由此,轻罪可分为形式轻罪与实质轻罪。对于形式轻罪,无论“法定刑说”抑或“宣告刑说”,均难以充分反映轻罪的主客观情形。根据定罪量刑过程中刑罚的运行形态,形式轻罪可分为法定的轻罪、处断的轻罪和宣告的轻罪。其中,处于中间层的处断刑涵摄影响和决定定罪量刑的主客观要素,将其作为界定轻罪的标准更符合轻罪治理的目的需要。从类型化角度,对于实质轻罪考察影响罪行轻重的基本要素和变量要素,可将其分为单一的轻罪、复合的轻罪、转化的轻罪等类型。在轻罪治理方面,应当对轻罪“趋轻”的两极化刑事政策予以理性反思,贯彻宽严相济的刑事政策,完善实质轻罪的出罪机制,促进轻罪的刑罚轻缓化,以实现轻罪的分类治理。

基于YOLO v5的农田杂草识别轻量化方法研究

针对已有杂草识别模型对复杂农田环境下多种目标杂草的识别率低、模型内存占用量大、参数多、识别速度慢等问题,提出了基于YOLO v5的轻量化杂草识别方法。利用带色彩恢复的多尺度视网膜(Multi-scale retinex with color restoration, MSRCR)增强算法对部分图像数据进行预处理,提高边缘细节模糊的图像清晰度,降低图像中的阴影干扰。使用轻量级网络PP-LCNet重置了识别模型中的特征提取网络,减少模型参数量。采用Ghost卷积模块轻量化特征融合网络,进一步降低计算量。为了弥补轻量化造成的模型性能损耗,在特征融合网络末端添加基于标准化的注意力模块(Normalization-based attention module, NAM),增强模型对杂草和玉米幼苗的特征提取能力。此外,通过优化主干网络注意力机制的激活函数来提高模型的非线性拟合能力。在自建数据集上进行实验,实验结果显示,与当前主流目标检测算法YOLO v5s以及成熟的轻量化目标检测算法MobileNet v3-YOLO v5s、ShuffleNet v2-YOLO v5s比较,轻量化后杂草识别模型内存占用量为6.23 MB,分别缩小54.5%、12%和18%;平均精度均值(Mean average precision, mAP)为97.8%,分别提高1.3、5.1、4.4个百分点。单幅图像检测时间为118.1 ms,达到了轻量化要求。在保持较高模型识别精度的同时大幅降低了模型复杂度,可为采用资源有限的移动端设备进行农田杂草识别提供技术支持。