基于概率密度逼近的无监督特征排序*

依据概率密度逼近提出了一种新的无监督特征排序,应用于特征选择降维.实验证明,这种方法与一些现有的方法相比,更为有效.     

AWE2021出"考题",艾普兰"核芯奖"将花落谁家?

2021年3月11日～14日,AWE2021将如期在上海新国际博览中心举办.受疫情影响,AWE2020与AWE2021合并举办,时隔两年,家电产业链上下游积蓄了更多科技力量,沿着智能化、数字化、绿色、健康等家电产品升级趋势铺陈展开的新技术、新材料、新工艺、新合作模式将在AWE2021上集中展示. 和往届展会一样,AWE2021设立了"艾普兰"奖,并针对家电制造上游配套企业特设"核芯奖".据主办方透露,目前,AWE2021艾普兰"核芯奖"申报资料收集整理、评选以及入围产品确认工作正在紧张有序的进行中.     

熔渣法碳化铬涂层的抗氧化性能研究

对熔渣法碳化铬涂层在各种温度下经20h和200h的氧化性能进行了研究，与常用的一些锅炉用钢进行了对比试验，结果表明碳化铬涂层抗氧化性能比15CrMo、102、T91钢好，可以与TP347钢相媲美。     

压铸模与铝合金金属间化合物的形成与分解

为了研究压铸模与铝合金金属间化合物的形成与分解过程,进行了热浸铝试验.试验结果表明金属间化合物的形成与分解是一个连续不断的循环过程,两者之间的相互关系导致了钢基的失重以及体积的减少.     

3D C/SiC复合材料在复杂环境试验中性能演变的两重性

用减压化学气相浸渗法(LPCVI)制备2组3D C/SiC复合材料,其中一组具有不同厚度的PyC界面层,另一组PyC界面层厚度一定,但经过热处理.对C/SiC复合材料在复杂环境中性能演变的两重性,即确定性和随机性进行了研究.结果表明,残余强度及其波动性对评价材料的环境适应性和可靠性是必需的.界面层和涂层是对氧化环境最敏感的微结构控制单元.以敏感度排序,3种环境参数依次是温度、气氛和应力.气氛参数的排序是氧气、水和盐,应力参数的排序是疲劳/蠕变,蠕变和疲劳.应力通过增加涂层裂纹及宽度从而加速复合材料的性能演变.氧化物薄膜有利于涂层裂纹封填,水能促进这种封填,然而疲劳/蠕变应力会使涂层裂纹封填失效.因此包括有氧气、水、疲劳和蠕变的环境是所有环境中最恶劣的.为了使复合材料具有自适应性,PyC的厚度应为最优,以提高热处理的效果;需保持适中的涂层氧化速率,以提高近表面抗氧化性.而适中的氧化速率是由温度和氧化气体分压来控制的.     

20CrMnMo钢内燃机车凸轮正火组织异常分析

对生产中出现的凸轮热处理晶粒度等级不合格、金相组织异常的原因，从热处理工艺、锻造工艺、原材料方面进行了分析。认为，主要原因在于原材料轧制温度高晶粒粗大；凸轮锻造锻比小；正火凸轮残留有粗晶组织。粗晶组织经过多次正火可以细化。     

混杂系统的一致输入输出对状态稳定性

混杂系统的输入输出对状态稳定性是混杂控制系统领域极富挑战性的课题之一. 为了观测混杂系统的状态,本文提出了一类混杂系统的一致输入输出对状态稳定的充分条件,分析了混杂系统的一致输入输出对状态稳定性、光滑Lyapunov函数存在性和状态模估计器存在性三者之间的关系. 借助状态模估计器将混杂系统化为受扰动系统,获得了受扰动系统一致输入输出对状态稳定性的结果,并进一步证明了混杂系统的一致输入输出对状态稳定性.     

融合异构特征的子空间迁移学习算法

特征迁移重在领域共有特征间学习,然而其忽略领域特有特征的判别信息,使算法的适应性受到一定的局限. 针对此问题,提出了一种融合异构特征的子空间迁移学习（The subspace transfer learning algorithm integrating with heterogeneous features,STL-IHF）算法.该算法将数据的特征空间看成共享和特有两个特征子空间的组合,同时基于经验风险最 小框架将共享特征和特有特征共同嵌入到支持向量机（Support vector machine,SVM）的训练过程中.其在共享特征子空间上实现知识迁移的 同时兼顾了领域特有的异构信息,增强了算法的适应性.模拟和真实数据集上的实验结果表明了所提方法的有效性.     

基于卡尔曼滤波算法的锂离子电池荷电状态估算

提出并建立了一种锂离子电池二阶电路等效动态模型,在对模型的适应性验证的基础上,设计了一种卡尔曼滤波算法来估算锂离子电池荷电状态。仿真和实验结果表明,卡尔曼滤波算法能有效减少测量噪声以及同一生产工艺下电池的参数不稳定性所带来的影响,并显示了很高的精确度,其中快速估算的精确度为96.1%,缓慢估算的精确度为99.0%。     

2-(2,5-二氨基苯)乙醇的合成

在二氯乙烷介质中,将3-氟苯乙酸于70℃下硝化4 h得到5-氟-2-硝基苯乙酸(质量分数为67.8%)。用硼烷还原5-氟-2-硝基苯乙酸后,接着用氨水在高压釜中加热到100℃氨解,得到2-(5-氨基-2-硝基苯)乙醇(84.4%)。最后,10%Pd/C作催化剂,在无水异丙醇介质中,0.6～0.7 MPa下,于70～80℃催化氢化12 h,得到目标分子2-(2,5-二氨基苯)乙醇(64%)。与文献工艺相比,目标分子总收率提高11%。用H–NMR和MS确定了目标分子2-(2,5-二氨基苯)乙醇的化学结构。