一种新的多输入多输出柔顺机构拓扑优化方法

针对多输入多输出柔顺机构的输出位移最大化拓扑优化问题,提出了一种新的拓扑优化求解方法。首先,引入柔顺度的小量变化约束函数来处理柔顺机构拓扑优化的病态载荷问题和类铰链问题。基于传统界限公式法思路,通过一个界限变量将多个输出位移最大化目标等效转化为多个约束条件,构建了一种新的多输入多输出柔顺机构拓扑优化的界限公式模型。然后,结合变体积约束限技术、密度过滤技术、Heaviside映射技术、固体各向同性材料插值方法及光滑对偶求解算法,提出了一种新的多输入多输出柔顺机构拓扑优化方法。算例计算结果表明:相对于现有方法,本研究提出的方法获得的最终拓扑不仅清晰,不含类铰链,且具有更大的输出位移。

一种倾斜矩形范围框标注方式及遥感目标检测应用分析

为解决机器学习过程中样本标注困难和模型训练遇到的损失函数取值异常和模型回归难的问题,提出了一种新的斜矩形范围框标注方式。采用“倾斜范围框中心点C的坐标、中心点到任意一个顶点D的向量CD、C到D的一个相邻顶点E的向量CE在CD上的投影向量CP与CD的比例系数”来标注倾斜范围框,在给定约束下实现了一个范围框只有一种数值表示,避免了损失异常,有利于模型回归训练。并将该标注方式应用在遥感影像目标检测任务中,通过斜框目标检测公共数据集,与多种其他倾斜范围框标注方式做了效果对比分析,结果表明新提出的标注方式在验证集上得到的平均准确率为0.7752,该斜矩形范围框标注方式对于朝向任意、密集排布的目标检测更具优势。

基于梯度有限元的异质材料实体优化设计

针对具有空间分布梯度的异质材料实体的优化设计,建立了两相材料梯度有限元的概念,利用拉格朗日单元的形函数对体积分数进行插值,在节点邻域内引入设计变量自适应下界进行梯度控制,利用移动渐近线算法求解优化设计数学模型以使结构满足特定的功能和目标,以金属夹钳为算例验证了该方法的可行性和鲁棒性。

python类装饰器装饰方法通用编码模型分析

python装饰器是一个用于封装函数、方法或类的代码的工具,用来显式指定管理它们的代码。一次编写,可用于多种不同的情况。在python的流行框架中,装饰器应用越来越广泛。用类设计装饰器,可以利用实例属性保持装饰逻辑提供的状态信息及原方法,通过重写类的一些特殊方法实现装饰功能。本文首先探讨了实现装饰方法的类装饰器应具有的基本结构,接着对通用的两种编码模型进行了语法和流程的深入分析,并总结了各自的特点,为编写类装饰器装饰方法提供扎实的理论基础。

基于迁移学习的商品图像检测方法

近年来,对象识别方法被应用到多个领域.如人脸检测,车辆检测.然而模型训练所需要的边框标定需要很大的工作量.本文通过基于迁移学习的方法,将物体检测任务迁移到商品检测,且不需要边框标定.本文在分类层和边框回归层之间建立关系层,来学习两种任务之间的关联.本文建立了一个商品数据集,并提出了一种深度学习训练方法,解决了可旋转物体的检测问题.基于Faster RCNN框架,本文提出一种候选选择方法,可以在无边框标定情况下训练商品分类.本文提出的商品检测方法不需要边框标定,而且很容易训练并应用到其它数据集.

基于生产企业材料采购与运输的规划研究

企业针对材料进行可控预算离不开成本与损耗之间的制衡,本文搜集供应商供货情况,评估供货能力。通过关联度量化起到一个宏观把控作用,将持续时间与减少损耗相结合思考问题。继而对目标模型进行优化并建立多目标规划模型,考虑问题影响因素的优先度和集体的权重关系。制定出压缩生产成本,减少转运及仓库成本的最终方案。