采用模拟与实验相结合的方式研究激光透射焊接件拉伸过程中的应力分布和拉伸件的失效行为。
以PA66激光透射焊接件为研究对象，建立了焊后拉伸数值模拟模型，模拟得到了焊接件的拉伸载荷-位移曲线和拉伸变形情况，并与拉伸实验进行对比和验证；
对拉伸过程中焊接件的剪切应力和VonMises应力分布进行分析，从剪切和拉伸失效方面探究拉伸件的失效行为。
拉伸实验验证了拉伸数值模拟模型能较好地预测焊接件的拉伸变形情况；
数值模拟得到最大剪切应力发生在焊接界面上长方形焊接区域的4个角点附近，即剪切失效的起始位置，且由于最大剪切应力远小于PA66的剪切强度，拉伸件发生剪切失效的可能性较小。
预测的焊接件拉伸失效方式及失效位
以PA66激光透射焊接件为研究对象，建立了焊后拉伸数值模拟模型，模拟得到了焊接件的拉伸载荷-位移曲线和拉伸变形情况，并与拉伸实验进行对比和验证；
对拉伸过程中焊接件的剪切应力和VonMises应力分布进行分析，从剪切和拉伸失效方面探究拉伸件的失效行为。
拉伸实验验证了拉伸数值模拟模型能较好地预测焊接件的拉伸变形情况；
数值模拟得到最大剪切应力发生在焊接界面上长方形焊接区域的4个角点附近，即剪切失效的起始位置，且由于最大剪切应力远小于PA66的剪切强度，拉伸件发生剪切失效的可能性较小。
预测的焊接件拉伸失效方式及失效位
2023/2/11 4:16:19
12.28MB
1
SURF角点检测算法是对SIFT的一种改进，主要体现在速度上，效率更高。
它和SIFT的主要区别是图像多尺度空间的构建方法不同。
作为尺度不变特征变换算法（Sift算法）的加速版，Surf算法在适中的条件下完成两幅图像中物体的婚配基本实现了实时处理，其快速的基础实际上只有一个——积分图像haar求导
它和SIFT的主要区别是图像多尺度空间的构建方法不同。
作为尺度不变特征变换算法（Sift算法）的加速版，Surf算法在适中的条件下完成两幅图像中物体的婚配基本实现了实时处理，其快速的基础实际上只有一个——积分图像haar求导
2017/11/18 16:05:37
1.03MB
1
最小二乘法拟合圆心，基于Hough变换的圆心检测，基于harris亚像素棋盘格检测，对三种方法角点检测进度举行对比分析。
2018/11/19 21:01:54
1.4MB
1
对于一组具有局部重叠区域的图像。
采用块匹配的方法，设计运动估计方法，搜索类似部分，并进行匹配，融合生成拼接图。
【角点检测】-＞块的选择-＞块匹配-＞变换矩阵-＞融合
采用块匹配的方法，设计运动估计方法，搜索类似部分，并进行匹配，融合生成拼接图。
【角点检测】-＞块的选择-＞块匹配-＞变换矩阵-＞融合
2019/4/10 17:17:22
11.35MB
1
提出了一种基于骨架拐角检测的分离方法，以处理视频监控中合并车辆的问题。
首先，通过“射击法”提取融合区域的骨架，并通过角点检测得到骨架的角点。
其次，利用K-means聚类方法对角点进行聚类，从聚类结果中获取合并车辆的分割线。
来自监视视频的五十幅图像被用作实验数据。
实验结果表明，该算法不仅可以有效缓解合并车辆分离中的过度分割问题，而且可以减少所需的分离时间。
首先，通过“射击法”提取融合区域的骨架，并通过角点检测得到骨架的角点。
其次，利用K-means聚类方法对角点进行聚类，从聚类结果中获取合并车辆的分割线。
来自监视视频的五十幅图像被用作实验数据。
实验结果表明，该算法不仅可以有效缓解合并车辆分离中的过度分割问题，而且可以减少所需的分离时间。
2021/4/2 3:37:08
854KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB