THERMOGRAVIMETRIC STUDY OF DIRECT CARBURIZING BY NATURAL GAS

<正> 在渗碳等金属表面化学热处理过程中,金属的渗碳、脱碳、氧化、还原等均出现高温下重量变化,根据热天平的工作原理,可以对金属表面渗碳过程进行工艺研究和机理探讨。 我国的天然气资源丰富,直接用天然气作碳源在金属表面渗碳,似有值得推广采用的意义。 曾以20CrNiMo钢用热重法研究常压渗碳和真空渗碳两种工艺,大量实验结果说明:用热重法研究气体渗碳的工艺参数,并直接采用天然气渗碳,都是可行的。     

正则化稀疏模型

正则化稀疏模型在机器学习和图像处理等领域发挥着越来越重要的作用,它具有变量选择功能,可以解决建模中的过拟合等问题．Tibshirani 提出的 Lasso 使得正则化稀疏模型真正开始流行．文中总结了各种正则化稀疏模型,指出了各个稀疏模型被提出的原因、所具有的优点、适宜解决的问题及其模型的具体形式．最后,文中还指出了正则化稀疏模型未来的研究方向．     

概率图模型推理方法的研究进展

近年来概率图模型已成为不确定性推理的研究热点,在人工智能、机器学习与计算机视觉等领域有广阔的应用前景.根据网络结构与查询问题类型的不同,系统地综述了概率图模型的推理算法.首先讨论了贝叶斯网络与马尔可夫网络中解决概率查询问题的精确推理算法与近似推理算法,其中主要介绍精确推理中的VE算法、递归约束算法和团树算法,以及近似推理中的变分近似推理和抽样近似推理算法,并给出了解决MAP查询问题的常用推理算法;然后分别针对混合网络的连续与混合情况阐述其推理算法,并分析了暂态网络的精确推理、近似推理以及混合情况下的推理;最后指出了概率图模型推理方法未来的研究方向.     

飞机起落架收放系统建模与故障仿真

针对某型支线客机的起落架收放系统,分析了其主要故障类型和故障原因。应用AMESim仿真平台建立了起落架收放系统模型,对该系统的正常收放过程进行了仿真,得到作动筒行程和液压泵出口压力、流量变化情况,并进行了结果分析,仿真结果满足起落架收放系统的基本性能指标。研究了液压泵泄漏、作动筒泄漏、油滤堵塞、节流阀堵塞等对系统工作特性影响较大的故障模式。仿真并分析了不同部件性能参数变化对系统工作性能的影响,为起落架收放系统故障诊断和健康状态监测在工程中的应用提供了有益的参考。     

3A平台开核实战指南——可开核处理器及主板大全

天下真的有免费的午餐？答案肯定是有,但这种免费往往是有条件的。如果你得到的好处远远大于你付出或者承受的风险,这样的好事为什么不考虑一下呢？本专题将帮助大家在把风险降低到最低的前提下,过一把3A平台的开核瘾！     

水声CDMA多用户通信系统仿真研究

针对水声环境通信系统码间干扰和相位偏移问题是水下多用户通信面临的主要问题,水下有限的发射功率使接收机对远距离用户信号的接收性能较低。提出了一种水声码分多址多用户通信系统,系统采用多输入多输出(M IMO)判决反馈均衡器补偿码间干扰、抑制多址干扰,同时利用扩频增益提高接收性能并进行仿真验证。计算机仿真结果表明,当扩频码长度为15、输入信噪比为16dB、远距离用户信号功率比近距离用户低14dB时,接收机能够对各用户信号无误码地接收,证明了系统的有效性。     

“可编程序控制器原理及其应用”课程试验教学软件的研制

本文在原有的TVT-90硬件和软件实验系统基础上,用组态软件实现"可编程序控制器原理及其应用"试验的动态模拟和仿真,在计算机上实现实验过程的动画仿真,使学生在实验过程中可以进行与生产过程的交互模拟,反复验证自己的程序设计过程是否正确,并且理解真实的生产装置的控制过程。     

面向电网监测激光光纤供能的瓦级光伏转换器研究

激光光纤供能技术因其安全性和可靠性特别适合应用于电网监测设备的供电中。电网监测对激光光纤供能提出了瓦级功率需求,作为核心组件,具有高光电转换效率的激光光伏转换器对供能系统的长期可靠运行至关重要。基于砷化镓的单PN结光伏转换器可在较低输出功率下获得很好的光电转换效率,但由于开路电压低,增加电流和输出功率会带来高电阻损耗,导致转换效率降低。本文研究了基于单片集成垂直串联多个PN结子电池以提高开路电压和输出功率的方法,并对研制的多结光伏转换器进行了表征测试。测试结果表明,五结光伏转换器的开路电压接近6 V,能以大于54%的转换效率输出5 W功率,且能在较大输出功率范围（约1 W~8 W）保持50%以上转换效率。具体应用中,可根据监测设备的负载功耗和工作条件做进一步优化设计。     

基于固定增量单样本感知器的AdaBoost算法

针对传统AdaBoost算法在分类过程中时间复杂度和算法学习复杂度较高的问题,提出一种改进的算法AdaBoostFISP。以固定增量单样本感知器为弱分类器,在感知器的权值更新上采用固定增量代替变量增量,从而减少运算时间、降低学习复杂度。实验结果证明了该算法在预测准确性、学习复杂度和时间复杂度等方面的优势。     

基于信息向量机的神经活动分类和译码研究

利用信息向量机(IVM)算法对来自脑皮层的少量运动神经元激发率进行分类,识别出神经状态,用该神经状态指导神经元激发率的译码。将IVM算法与支持向量机算法、相关向量机算法进行实验比较,结果证明,IVM算法的神经活动分类和译码性能最优,运行时间最短。