【摘 要】
：
数字图像相关(DIC)方法是一种间接测量位移和应变的方法,具有光路简单、适应性好等优点,因此在相关领域得到了广泛应用。首先,以典型的空心圆盘金属零件为研究对象,并利用自行搭建的热变形装置对其进行加热控温。然后,利用DIC方法提取变温前后零件的图像特征,以计算零件外径的热变形。最后,用ANSYS仿真软件对零件在相同温度变化下的热变形进行仿真。实验结果表明,DIC方法测量的零件热变形结果与ANSYS的
【基金项目】
：
教育部留学回国人员科研启动基金(2015KJS010003),安徽省振兴计划项目(J05201343),安徽高校省级自然科学研究重点项目(KJ2016A037)。
论文部分内容阅读
数字图像相关(DIC)方法是一种间接测量位移和应变的方法,具有光路简单、适应性好等优点,因此在相关领域得到了广泛应用。首先,以典型的空心圆盘金属零件为研究对象,并利用自行搭建的热变形装置对其进行加热控温。然后,利用DIC方法提取变温前后零件的图像特征,以计算零件外径的热变形。最后,用ANSYS仿真软件对零件在相同温度变化下的热变形进行仿真。实验结果表明,DIC方法测量的零件热变形结果与ANSYS的仿真结果吻合度较好,这表明DIC方法可应用于金属零件的热变形测量。
其他文献
内容简介:《格列佛游记》讲述的是格列佛以医生的身份随同航船出海,后因遭遇风暴等原因独自涉险游历几个神奇国度,最后回到英国的故事。格列佛到达小人国,作为庞然大物,他能用手拖动整支海军舰队;为了把他运到京城,小人国动用了一万五千匹御马。为了不帮助利立浦特国消灭不来夫斯国,格列佛不得不逃离小人国。
摘要：新冠肺炎疫情对我国经济的发展造成了较大的负面影响，其中以第三产业中的旅游业影响最大。政府部门可利用资金扶持、产业政策倾斜、建立危机管理体系等手段促进旅游行业复工复产，以缓解新冠肺炎疫情所带来的冲击。 关键词：新冠肺炎疫情;旅游业;提振 0 引言 新冠肺炎疫情在给人们健康造成威胁的同时，也对我国经济的发展形成强大阻力，尤其对旅游业的影响最为明显。往年的“春节旅游黄金周”在2020年成了“
【美文导读】“山川载不动太多悲哀,岁月经不起太长的等待”,其实,山川载不动的还有父爱——那份难以用语言表达的父爱!【美文呈现】载不动父爱如山宇原我的家乡,贫瘠而苍凉,山连山,石挨石。我亲眼看见父亲的采石作业。一天下来,父亲仿佛是从石灰坑里跳出来的,浑身白霜。多年积劳成疾,使父亲患上了严重的哮喘、风湿等疾病。每次回到家中,我最不愿面对的就是父亲那双手。那双手,在与石头的对撞中,早已茧痂累累。一到冬天,就绽开一道道血口。
在媒介与社交的网络中,有着共同兴趣、价值观的人们汇聚成一个个社群圈,在圈子内交流、传播他们喜欢的内容,以此形成文化圈层。在当前的社会圈层中,传媒是圈层塑造的核心力量,媒体传播也因此表现出明显的圈层化特征,不同文化圈层的媒体和受众共存、融合,打造出圈产品,以此探寻大众传播与圈层传播的契合点。
后悔是一种普遍存在的痛苦情绪体验,有时这种情绪体验会伴随我们很长时间,甚至是一辈子。后悔往往伴随着自责、失望、沮丧等消极情感,涉及人的认知调节、情绪感知等心理过程,不仅与心理健康息息相关,又影响人的动机和未来的行为表现。本文将探讨后悔的心理机制、类型和调节策略,以期帮助人们有效地降低后悔对身心健康的影响,将后悔转化为积极行为的动力。
提出了一种基于混合注意力机制和对偶残差学习的图像去噪网络。该网络采用了基于不同尺寸卷积核的对偶残差网络学习结构,不仅能降低更深网络结构的拟合难度,同时还能表示图像中的多尺度结构。所提去噪网络采用局部和非局部的混合注意力模块,对卷积神经网络的特征通道进行自适应调整,使得卷积神经网络不仅能注意图像的局部特征,还能刻画图像中的长距离依赖关系。与几种常见深度去噪网络的对比实验表明,本文算法能有效抑制不同强
一大早,我便来到就近的操场散步。此时,天空还是微微的灰色,太阳还没出来,万物都在沉睡,操场上一片静寂。天色暗得看不清周围,我想操场上除了我,大概没有旁人了吧。没一会儿,天空变得亮起来,太阳冲散云层,从地平线下蹦了出来。云层聚拢,然后被冲散,再聚拢,又被冲散……云层变成了一团团,一堆堆,但也不像丝丝轻云飘逸不定,仿佛是镀上了金边的瓷器,自有一股凝重再透出华丽的风采,它们清清楚楚地飘在天上,就像过了几百个世纪,但在时间背后,永远保持一种不老的活泼的生气。
为了获取高动态范围的图像,提出了一种基于改进曝光评估和双金字塔的多曝光图像融合方法。首先,优化了用于权重质量评价的曝光度测量指标,并构造了权重图;然后,结合分解权重图的高斯金字塔和分解原始图像的拉普拉斯金字塔,在不同尺度和分解层进行了曝光融合,以保留更多的图像细节信息。实验结果表明,相比原始图像、基于曝光评价和基于金字塔方法融合的图像,本方法融合的图像细节信息分别增加了23.5%、3.9%和0.9
针对腹部器官边界模糊、对比度不高以及肝脏和肿瘤形状易发生变化的问题,提出了一种基于特征融合的肝脏肿瘤自动分割方法,该方法进行两个阶段的训练。第一阶段使用改进的U-Net网络进行肝脏的分割;第二阶段用第一阶段的肝脏分割结果生成感兴趣区域(ROI),将ROI作为输入进行肿瘤的分割,这样能有效避免不相关信息带来的影响。本文提出的特征融合方法贯穿了两个阶段,其中通道注意力用于获取通道间的高频信息,空间注意