位置与背景鲁棒的区域提取技术一直以来都是DM码识别技术中的关键核心。目前,已有的二维码区域提取主要是利用卷积神经网络或者BP神经网络等方法来实现的,其共同特点是基于神经网络,且有较高的准确率,但这些方法仍存在以下缺点(1)训练过程复杂繁琐;(2)训练后仍需对图片进行特征变换或者图片重组才能达到对其进行定位识别的目的。针对该问题,提出了一种基于语义分割技术的DM码条码区域提取方法先采用基于深度学习的SegNet网络从图片中分割出包含二维码的最小区域,再对得到的区域进行二维码定位与解析,并进行了实验验证。实验结果表明,与已有的基于神经网络定位二维码区域的方法相比,利用SegNet的定位方法更为简洁高效,能够将准确率提高到99.5%,且具有更高的鲁棒性。

针对对称型微结构中经常遇到对称机构受到沿对称轴的外力作用下的建模问题较复杂,提出了一种把对称变换用于对称结构建模的方法,推导出任意两个关于X轴、Y轴和原点对称的结构间的对称变换关系.该方法既能充分利用结构的对称性简化求解过程,又能兼顾外力对该结构整体变形及约束反力的非对称性影响,有效地提高了建模效率,减少了建模过程中的失误.通过对蟹脚型微谐振器建模实例的验证,说明此方法可以在对称型微结构建模中应用.

与相同几何尺寸的其他支撑形式相比,之字型支撑梁降低了硅微谐振器的谐振频率.通过对之字型支撑梁硅微谐振器的力学建模分析,发现其为5次超静定问题,在此基础上得出了谐振频率等重要的性能参数随几何参数的变化关系.分析结果表明,在保证支撑梁垂直长度不变的条件下,对固定的折弯次数n,谐振频率fx随折弯角度φ的增大而增大;对固定的折弯角度φ,谐振频率fx随折弯次数n的增大而趋于一个固定值;φ=90°时则等效于双侧直脚型微谐振器.

在振动控制领域，用磁流变液减振器对机械设备进行减振防护是近年来的减振技术研究热点之一。阐述了磁流变液减振器的类型及技术特点，对比分析了几种常用的振动控制方法的优异性。讨论了磁流变液减振器的实用价值，指出磁流变液减振器是目前减振设备的开发方向。