基于改进后力学试验夹具的航天阀门试验方法

随着振动试验技术的发展和进步，对试验夹具的要求也更加严格，试验夹具的特性对试验结果和试验方法产生重要的影响。本文基于某航天阀门的试验要求，对原有的存在缺陷的试验夹具进行改进，对改进后的试验夹具进行特性分析，确定改进后力学试验夹具性能更加满足产品试验要求。本文基于改进后力学试验夹具进行航天阀门振动试验和冲击试验，采用多点平均控制的方式完成了包括扫频、正弦振动、随机振动、冲击试验在内的试验项目，试验结果满足产品要求。     

基于层次熵权-云模型城市道路塌陷风险评价研究

城市道路塌陷灾害频发，有效的塌陷风险评价对于塌陷的防治具有重要意义。道路塌陷成因具有模糊性、随机性、复杂性等特点，为尽可能保证其评价过程的客观有效，通过识别城市道路塌陷风险要素，构建城市道路塌陷的风险评价体系，使用层次-熵权-云模型进行组合评价，建立道路塌陷风险评价模型。将该模型应用于宝安区部分道路塌陷风险评价，结果表明：6条主干道基于道路塌陷风险评价模型评价结果与探地雷达(Ground Penetrating Radar, GPR)实测风险评价结果吻合度较高，具有一定的应用能力。该模型为城市道路塌陷的防治起到了积极的指导作用，为城市安全风险防控起到了一定的参考作用。     

深度学习在危险天气自动识别中的应用研究

基于机器视觉的危险天气自动识别技术近年来已成为研究热点，但模型识别准确率不高和模型不够轻量化是该项技术面临的主要问题。针对上述问题，提出了一种利用CycleGAN网络自动扩展危险天气数据集的方法，有效解决了数据集数据量不足、数据类型不平衡的问题。同时，还提出了一种三通道融合卷积神经网络(3-Channel Convolutional Neural Network, 3C-CNN),该网络主干分支采用迁移学习的技术方案，并利用多分支结构提取并融合天气图像中的整体与局部特征。结果表明，利用CycleGAN网络扩充的WeatherDataset-6Plus数据集能够有效改善深度学习模型的训练性能，3C-CNN模型的6类天气现象综合识别准确率达到了98.99%,识别速度达到220帧/s。该方法在保证准确率的同时实现了模型的轻量化，有利于其在嵌入式设备中部署。