首页期刊导航|吉林大学学报(工学版)
期刊信息/Journal information
吉林大学学报(工学版)
吉林大学学报(工学版)

任露泉

双月刊

1671-5497

xbgxb@jlu.edu.cn

0431-85095297

130022

长春市人民大街5988号

吉林大学学报(工学版)/Journal Journal of Jilin University(Engineering and Technology Edition)CSCD北大核心CSTPCDEI
查看更多>> 《吉林大学学报(工学版)》( ISSN 1671-5497;CN 22-1341/T)是由吉林大学主办、教育部主管的以工学为特色的综合性学术期刊。1957年创刊。原名为《吉林工业大学学报》,由原吉林工业大学主办。 2000年,吉林工业大学合并到新吉林大学。2001年经国家新闻出版总署批准,《吉林工业大学学报》更改为现名:《吉林大学学报(工学版)》。   《吉林大学学报(工学版)》主要报道吉林大学工学门类的科学研究成果。包括:机械工程、材料科学与工程、动力工程及工程热物理、交通运输工程、农业工程、控制科学与工程、计算机科学与技术、电子科学与技术、信息与通信工程等方面的学术论文。也发表国内外在上述领域的最新研究成果。   《吉林大学学报(工学版)》编辑委员会现有委员 43人,其中有4名中国科学院院士,2名中国工程院院士,其他均为在相关领域有重要研究成果的知名教授和学科带头人。   《吉林大学学报 (工学版)》为中文综合性科学技术类核心期刊;中国科技核心期刊;吉林省一级期刊。被国内外多种文摘、期刊及数据库摘引和收录,国外的有 美国工程索引(EI Compendex) 、美国化学文摘(CA);俄罗斯《文摘杂志》(AJ)、美国《剑桥科学文摘社(CSA)》的EC、CE、CIS、EM、ESPM、MTE、CORR、SSSA数据库。中国的有《中国学术期刊文摘》、《电子科技文摘》、《汽车文摘》、《中国农业文摘》、《工程机械文摘》、《中国学术期刊(光盘版)》、《中国科学引文数据库》、《中国学术期刊综合评价数据库》、《万方数据(China Info)系统科技期刊群》。本刊多次在国家和省部级有关部门组织的期刊评比中获奖。   《吉林大学学报 (工学版)》发表的论文60%以上为国家级基金资助项目的研究成果,学术水平较高。本刊现为双月刊,每年单月1日出版。    通信地址:中国长春市人民大街 5988号《吉林大学学报(工学版)》编辑部    邮 编:130022 传 真:0431-5094128 电 话:0431-5095297    E-mail : xbgxb@jlu.edu.cn
正式出版
收录年代

    基于深度学习的轻量化田间昆虫识别及分类模型

    袁哲明袁鸿杰言雨璇李钎...
    1131-1139页
    查看更多>>摘要:由于田间昆虫环境的复杂性、昆虫类别间样本数量的不均衡性,现有田间昆虫自动识别和分类方法存在误识率高、效率低等缺点.本文基于轻量化深度学习模型提出了新的田间昆虫自动识别和分类算法.首先,对田间昆虫图像进行预处理,将其输入到轻量化算法中进行特征提取,通过多尺度特征融合输出不同尺寸的预测网络.然后,引入联合交并比进行田间昆虫自动识别和分类.最后,与其他算法进行了仿真对比实验,结果表明,本文算法的田间昆虫自动识别和分类正确率高、用时少、鲁棒性强,有效解决了昆虫堆积、背景干扰等问题,可实时、在线识别田间昆虫.

    模式识别深度学习目标检测昆虫分类轻量化算法图像预处理

    仿蜂窝防护结构的承载特性

    于征磊信仁龙陈立新朱奕凝...
    1140-1145页
    查看更多>>摘要:为满足对结构安全方面的要求,本文借鉴蜂窝结构强度比高、力学性能优异的特性,运用结构仿生学原理设计并建立了简化的仿直蜂窝、仿斜蜂窝和平板结构3种模型.在5种不同工况下利用有限元分析软件OptiStruct对3种模型进行了承载特性分析,运用3D打印技术制备3种模型,并对样件进行力学特性试验.根据模拟结果与试验数据对比分析得到以下结论:仿斜蜂窝结构各位置的应力数值相近,仿斜蜂窝具有良好力学传导特性;在相同质量情况下,仿斜蜂窝结构的承载能力较仿直蜂窝结构提高12%,较平板结构提高150%,其承载能力有着较大的优势,所以仿斜蜂窝结构较为合理.本文的研究实现了对仿蜂窝结构的承载性能分析,为防护结构轻量化设计提供了参考.

    工程仿生学仿生结构设计3D打印承载特性数值模拟结构安全设计

    基于月面表取采样触月压痕的月壤力学状态分析

    王康姚猛李立犇李建桥...
    1146-1152页
    查看更多>>摘要:以表取采样机械臂的触月传感组件与月表接触留下的压痕为研究对象,通过监视相机提取压痕的几何特征参数,结合偏最小支持向量机(LSSVM)建立评估月壤力学状态模型.采集压痕试验数据264组,按力学状态把数据随机划分为建模组和验证组,以压痕的深度、长边长、压痕周长和面积为输入变量,建立LSSVM模型,验证组预测精度分别为93.75%、83.33%和87.50%.结果表明,该模型可作为一种有效的判别手段,为表取采样深度的确定提供参考.

    仿生工程地面力学表取采样月壤图像处理支持向量机