基于砂带表面磨粒分布的螺杆曲面重复磨削区域 表面粗糙度预测

为提高螺杆转子磨削效率开发螺杆同步磨削装置,分别采用不同方式对螺杆凹凸两面进行磨削,由此会在连接处产生重复磨削区域。为保证重复磨削区域表面质量满足螺杆使用要求,对该区域表面粗糙度进行预测。首先基于瑞利分布建立砂带表面磨粒分布模型;在此基础上,根据磨削去除机理及螺杆廓形对磨削后的螺杆表面形貌进行预测;其次,依据表面粗糙轮廓度定义得到不同工艺参数下的表面粗糙度预测值。最后通过螺杆磨削及测量实验验证提出算法的准确性。实验结果表明提出的算法平均误差为6.27%,最低误差为0.16%,因此提出的算法可为螺杆转子砂带磨削表面粗糙度预测提供理论依据。     

生物特征识别学科发展报告

从手机解锁、小区门禁到餐厅吃饭、超市收银,再到高铁进站、机场安检以及医院看病,人脸、虹膜和指纹等生物特征已成为人们进入万物互联世界的数字身份证。生物特征识别赋予机器自动探测、捕获、处理、分析和识别数字化生理或行为信号的高级智能,是一个典型而又复杂的模式识别问题,一直处于人工智能技术发展前沿,在新一代人工智能规划、“互联网+”行动计划等国家战略中具有重要地位。由于生物特征识别涉及公众利益攸关的隐私、道德和法律等问题,近期也引起了广泛的社会关注。本文系统综述了生物特征识别学科发展现状、新兴方向、存在问题和可行思路,深入梳理了人脸、虹膜、指纹、掌纹、静脉、声纹、步态、行人重识别以及多模态融合识别的研究进展,以人脸为例重点介绍了生物特征识别领域近些年受到关注的新方向——对抗攻击和防御、深度伪造和反伪造,最后剖析总结了生物特征识别领域存在的3大挑战问题——“感知盲区”、“决策误区”和“安全红区”。本文认为必须变革和创新生物特征的传感、认知和安全机制,才有可能取得复杂场景生物识别学术研究和技术应用的根本性突破,破除现有生物识别技术的弊端,朝着“可感”、“可知”和“可信”的新一代生物特征识别总体目标发展。     

基于信息增益的防火墙过滤域排序优化

传统的防火墙从检测规则冲突和调整规则排序两方面来提高防火墙性能,但效果都不是很理想。本文从优化防火墙过滤域排序这样的一个新角度,依据信息增益理论构造决策树,然后根据决策树层次与防火墙过滤域排序的对应关系,确定了过滤域的最优排序。实验表明,这个最优排序确实能够显著地降低数据包与防火墙规则的元组比较的总次数,从而提高防火墙的过滤效率。     

视听觉深度伪造检测技术研究综述

深度学习被广泛应用于自然语言处理、计算机视觉和无人驾驶等领域,引领了新一轮的人工智能浪潮。然而,深度学习也被用于构建对国家安全、社会稳定和个人隐私等造成潜在威胁的技术,如近期在世界范围内引起广泛关注的深度伪造技术能够生成逼真的虚假图像及音视频内容。本文介绍了深度伪造的背景及深度伪造内容生成原理,概述和分析了针对不同类型伪造内容（图像、视频、音频等）的检测方法和数据集,最后展望了深度伪造检测和防御未来的研究方向和面临的挑战。     

数控机床进给伺服系统模糊PID控制研究

数控机床进给伺服系统的各个环节具有较强的时变参数性和非线性,并且易被进给系统的振动和负载所扰动,传统PID调节方式缺乏对这种复杂耦合系统的自适应性。现将具有较好鲁棒性的模糊控制方法与传统PID控制方法相联合,既继承了传统方法简便、准确、快速的优势,又融入了模糊推理方法,对其参数进行调节,使之具有灵活变动的能力。对所生产某型数控车床的进给伺服系统建立数学模型并进行仿真研究,由仿真输出曲线可以看出,模糊PID控制方法较传统PID控制方法的控制效果更好。     

制冷空调系统节能与强化传热小型研讨会在北京举行

该小型研讨会于2012年5月29-30日在北京西郊宾馆召开,由清华大学李俊明教授课题组、北京工业大学李红旗教授课题组、北京建筑工程学院王随林教授课题组联合     

钻孔封闭过程中注浆距离的合理确定

通过对钻孔封闭过程中孔內浆液的分布形态的分析,阐述了注浆距离对封孔质量的影响,从而确定了封孔注浆的合理距离,为提高封孔操作提供理论依据,提高封孔质量。     

绳索取心技术在煤田浅孔中的应用

在煤田浅孔施工中,应用绳索取心技术,通过延长提钻间隔来提高浅孔施工中的台月效率.绳索取心技术的优点,在煤田浅孔施工中完全能够得到发挥.     

泥浆中固相含量的控制和效果

目前煤田钻探中主要使用旋流除砂器,其分离固体颗粒直径一般在74μm以上,也可分离部分40-74μm的颗粒。采用不分散低固相聚合物泥浆,必须配合机械除砂设备,以保证泥浆的固相含量。     

一种改进的耗散粒子群算法

耗散粒子群算法是一种结合自组织耗散理论的粒子群算法。它使用负熵构造一个开放式耗散系统来提高算法的全局搜索能力。文章深入分析了耗散粒子群算法进入耗散状态的边界条件,以及影响算法收敛速度和搜索能力的若干因素,给出了一种改进的耗散粒子群算法。实验结果表明,改进算法和原有算法相比显著地提高了算法的全局搜索能力和寻优能力,并且在高维情况下有更好的收敛性。