由于受到水面的高反光性和波纹等边缘特征的影响,传统的水面目标识别算法不能很好地识别出目标。为此,提出基于深度学习的水面目标识别算法。首先采集大量的目标样本并对其进行标注,然后根据YOLOv3(You Only Look Once v3)算法的原理对算法的参数和网络结构进行优化,随后采用深度卷积神经网络的方法对目标样本进行训练。采用对目标样本进行数据增强的方式以适应不同环境进而提升算法的鲁棒性,采用相位相关性水岸线识别算法来提高识别速度。最后使用所提算法的网络结构训练所得的权重文件建立水面目标识别系统,该系统可以达到较高的识别率。实验结果验证所提算法的有效性和鲁棒性,对水面目标识别的后续研究有一定的参考价值。

针对3 mm厚的Ti75钛合金, 采用10 kW的连续光纤激光器对材料进行搭接试验, 研究不同工艺参数对焊缝成形的影响规律。通过调节两板间的预留间隙、激光功率、焊接速度以及离焦量来分析焊缝的氧化程度、下塌量、气孔状况和抗拉强度。最后基于焊缝的氧化程度、下榻量、气孔状况和抗拉强度评价焊接接头质量。结果表明, 搭接间隙在0.1～0.15 mm, 激光功率在3 000～3 100 W、焊接速度在0.04～0.045 m/s, 离焦量在-1～1 mm的工艺参数下, 试件氧化程度较低且焊缝成形连续美观, 气孔率较低, 此时的抗拉强度保持在720 MPa以上。通过调整激光功率、焊接速度和离焦量等激光焊工艺参数, 可以对焊缝成形进行有效控制, 提高焊接接头质量。

对于复杂的室外环境，无线传感器网络如何建立可靠的路由，并尽可能延长全网寿命是一个关键问题。在分析总结现有无线Ad Hoc网络路由协议的优缺点的基础上，提出了一种基于能量与链路稳定性感知的多度量的按需路由协议ELSA-AODV。ELSA-AODV协议是AODV协议的增强与扩展，在保证路由可靠性与稳定性的同时，平衡全网的通信负荷与能量，大大延长了全网的工作寿命。通过仿真实验，验证了ELSA-AODV的有效性。