基于Steger算法的弯管图像中心线检测方法

在基于多视几何的弯管三维测量方法中,为了重构弯管三维模型,需要精确稳定的提取弯管图像中心线,文章研究了常用的弯管图像中心线检测方法的不足,结合张量投票算法与Steger算法,提出一种亚像素级的弯管图像中心线检测算法。通过实验验证该算法能够克服光照不均匀带来的影响,提取弯管中心线的精度在0.5像素以内。     

电渣炉渣参数的优化选择

本文论述了电渣冶炼渣参数优化选择的理论与实践。大生产应用表明,在保证电渣钢质的同时,渣量可减少45％,电耗降低19.4％,具有较显著的经济效益。     

TC4合金管材挤压成型工艺研究

研究了不同的挤压温度、挤压比和挤压速度等挤压参数对TC4合金管材挤压成型工艺的影响,以及润滑方式对TC4合金挤压管材表面的影响。研究结果表明,采用热挤压方式生产φ47mm×3mmTC4合金管材,挤压比应选在3￣10之间,挤压速度选在50￣120m/s,润滑剂用玻璃粉,可得到显微组织为两相加工组织,变形充分均匀,力学性能匹配良好,表面质量合格的TC4合金管材。本研究得到的TC4合金管材挤压成型工艺研究可用于工业化生产。     

有机聚合物先驱体法制备SiBONC复合陶瓷

通过有机聚合物先驱体法使用氯代硅氧烷[(SiOCl2)n]、烷基胺(RNH2)、三氯化硼(BCl3)为原料,对SiO2基陶瓷进行了B,C,N的原子级掺杂,制备了一种硅基复合陶瓷.通过有机-无机裂解转化制备了陶瓷的纳米粉体,其SiB的摩尔比为8020,将该粉体热压制备了复合陶瓷材料.通过力学分析,XRD,SEM,FT-IR,TEM等测试手段对材料的结构和性能进行了分析研究.陶瓷材料的密度在1.95 g/cm3～2.15 g/cm3之间,力学性能在1700℃,25 Mpa热压条件下达到最高,其抗弯强度为150.50 Mpa、维氏硬度为3.78GPa、断裂韧性为2.10 Mpa·m1/2.得到的复合陶瓷在1700℃时仍保持非晶态,在1800℃时有少量的纳米级SiC球形颗粒析出.分析认为B,C,N的原子级掺杂引入显著提高了SiO2基陶瓷材料的力学性能和析晶温度,十分有效的提高了陶瓷材料的热稳定性.     

学术自由与学术规范

学术自由是学术形成与发展的必要条件，已有的学术规范又为新的学术提供了对象与基础。二者对学术具有同样重要的意义。学术是自由探索与遵循规范的矛盾与辩证统一。     

Na2B4O7对镁合金旧料组织和性能的影响

利用等离子发射光谱仪、电镜、X衍射、万能材料试验机、腐蚀试验等手段研究了不同Na2B4O7含量的熔剂对镁合金废旧料的力学性能、相组成、断口形貌以及腐蚀行为的影响.研究表明,使用含Na2B4O7的熔剂可以使镁合金旧料中Fe的质量分数降低到0.004%以下,同时提高材料的抗拉强度和伸长率.腐蚀试验表明含Na2B4O7的质量分数为20%的熔剂可以使材料的腐蚀速率从15.1 mg*cm-2*d-1降低到0.4 mg*cm-2*d-1.电镜观察和X衍射表明,净化处理对断口形貌和相组成没有明显影响.最后分析了Na2B4O7除铁的机理,认为Fe与B形成某种化合物沉淀下来是主要原因.     

金属注射成形技术进展

分析了影响金属注射成形（ＭＩＭ）产业化进程的两个主要技术因素，即适合ＭＩＭ要求的原料粉末的生产方法和ＭＩＭ生产工艺，并概述了目前ＭＩＭ技术的发展状况。     

各向异性Sm2Fe17Nx磁粉的结构与磁性能

研究了Sm2Fe12Nx磁粉的制备、结构与磁性能，发现Sm—Fe合金的铸态组织主要由Sm2Fe17、α—Fe和SmFe2三种物相组成，而经过1000℃均匀化退火48h处理后富Sm的SmFe2相基本消失，α—Fe相的品粒变小，数量减少。随着氯化时间延长到10h，Sm2Fe17相始终未改变其Th2Zn17型结构，而氯原子浓度增加，所有的X射线衍射峰均向小角度方向移动；但在氮化时间超过10h后，物相要发生变化，导致磁性能降低。在500℃下流动的氮气氛中对Sm2Fe17合金氮化2、4、6、10h未加磁场取向的磁粉中，以氮化6h的磁性能值最高：σr＝35．44Am^2/kg(emu／g)，Hc＝58kA／m(729．03Oe)。磁性能值偏低的原因与测量磁场较低，粒径分布不均匀及粒径较大有关。     

钴纳米颗粒的制备及其表征

采用简单的溶液还原方法，以聚乙烯吡咯烷酮（PVP，MW=58，000）作为高分子表面修饰剂，用水合肼（50％）作为还原剂，经回流处理，成功地制备出了分散性较好的钻纳米颗粒。利用XRD、TEM、SQUID等实验方法对产物的形貌、物相及磁性进行了表征。结果表明，产物为六方结构。其饱和磁化强度为153emu／g-1．62μB／Co，是体相材料的饱和磁矩的95％，其矫顽力为5174A·m^-1。此方法的优点在于反应条件温和、成本较低，重复性强、产率高且宜于控制。     

基于人工神经网络的结构钢回火后力学性能预测

利用多层前向神经网络，使用B－P算法对结构钢回火性能预测进行了研究。通过利用99种钢450余组训练数据样本对神经网络进行训练，建立了结构钢回火后的力学性能与金属成分和回火温度之间的隐性函数。并针对训练用样本不足的问题，设计了为网络提供自学功能软件，在钢完全淬透的前提下，用此神经网络模型可在一定精度范围内预测结构钢的回火力学性能。