冷镦钢新型脱氧剂的试验研究

采用新型复合脱氧剂和脱氧工艺对冷镦钢进行工业性试验研究，研究结果表明：冷镦钢采用AlMg合金脱氧获得了良好的脱氧效果，可以避免形成大型夹杂物，提高钢水纯净度。     

K071并捻机卷绕张力分析

本文应用力学原理导出K071并丝机导针导丝时卷绕张力的计算公式,并利用计算机进行了灵敏度分析,指出了各种因素对卷绕张力的影响程度,并提出合理控制张力的方法.     

基于CLucene和TinyXml的全文检索系统研究与实现

本文首先介绍了一个高性能的全文索引引擎--CLucene 开源项目,详细分析了CLucene 的系统结构、程序运行逻辑、优缺点,然后将其引入具体应用,结合XML解析工具TinyXml给出了一个基于CLucene的全文检索系统的设计与实现.     

光学生物传感器用于快速检测卡介苗活菌数研究

基于三磷酸腺苷(ATP)光学反应原理,结合实验室自制的光学生物传感器,构建了一种快速检测卡介苗(BCG)活菌数的方法。选用加热裂解法提取BCG活菌内ATP,对BCG疫苗进行了检测。结果表明,BCG活菌浓度与相对发光强度(RLU)线性相关,相关系数为0.9908(P<0.01),其ATP含量与文献报道的结果处于同一数量级(10-18mol/CFU)。检测方法的相对标准偏差(RSD)为6.17%。检测样品仅需30μL,检测时间小于30min。与国外商业化检测系统的测试结果线性相关,相关系数为0.9676(P<0.01)。这种方法简便快速,在BCG疫苗及其他活菌疫苗质量控制方面具有广泛的应用前景。     

Bacillus subtilis B53合成聚谷氨酸的分批发酵过程分析

利用5 L发酵罐,探讨了枯草芽孢杆菌B53在甘油、谷氨酸、柠檬酸等为碳氮源的培养基上的分批发酵过程.结果表明:在发酵过程中pH值在6.7-5.5范围内缓慢下降,菌体在发酵前期短粗,中期变得细长弯曲,发酵后期有芽孢产生;同柠檬酸和谷氨酸的消耗相比,甘油的代谢比较快,在甘油消耗比较快的阶段伴随γ-PGA的快速合成;γ-PGA从发酵12 h后能够检测到,84 h左右达到最高,之后有所降低;γ-PGA的相对分子质量在发酵54 h以前基本没有变化,但之后相对分子质量范围逐步变宽;分批发酵产量达18.61 g/L.     

食品包装存在的问题

包装的溶剂残留一般产生于油墨、溶剂及生产工艺过程。常用的溶剂有甲苯、丁酮、乙酸、乙酯等。包装材料中的残留溶剂会向所包装的食品中迁移，对人体和环境造成危害。我国对食品包装中化学溶剂控制的标准有：GB9683《复合食品包装袋卫生标准》对胶粘剂中的微量有害物质（如二胺基甲苯）进行控制，但并未对溶剂残留量提出要求；GB9685《食品容器、包装材料用助剂使用卫生标准》中规定了添加剂、溶剂、胶粘剂等17大类、58种具体物质的名称和最高使用量；     

基于深度卷积神经网络的刀具寿命动态预测研究

刀具寿命预测对提高工件加工精度和生产加工效率具有重要意义.同工况下同型号刀具监测信号数据分布不一致,导致历史寿命预测模型对刀具寿命预测效果有限.鉴于此,提出一种基于深度卷积神经网络(DCNN)的刀具寿命动态预测方法.首先,利用DCNN挖掘历史刀具监测信号的退化趋势特征,构建刀具寿命预测模型,并加入注意力机制对DCNN输出进行加权,加强对刀具寿命特征的学习,提高寿命预测准确度;然后,通过基于KL散度对刀具监测信号数据分布不一致进行检测,从而在已有刀具寿命预测模型的基础上进行更新迭代;最后,利用迭代后的模型再次进行刀具寿命预测.所提出方法很好地体现了刀具实际加工过程对刀具寿命的影响,以铣削数据集为例验证了所提出方法的有效性.     

基于单级特征金字塔的图像旋转目标检测

遥感图像的目标检测任务是遥感应用领域的一个研究热点,一直受到广泛的关注。随着遥感图像分辨率的提高,遥感图像中目标的多方向性、目标大纵横比等特点更加明显,这对于已有的方法是一个挑战。针对以上问题,提出了基于单级特征金字塔的图像旋转目标检测模型。设计了单级特征金字塔结构,并结合膨胀卷积组获得目标的多尺度特征;使用分类方法处理旋转框的角度信息,结合DETR的集合预测思想,构造新的边界框回归损失,实现无锚框旋转目标检测;为了减少模型计算量并加快收敛速度,在解码器的交叉注意力上加入权重约束,将全局注意力计算限制在局部范围内。在DOTA数据集上的实验证明,该方法在提升模型检测性能的同时,有效地解决了DETR模型收敛速度慢的问题。     

基于双重权重偏差建模的无监督域适应

无监督域适应(Unsupervised Domain Adaptation,UDA)是一类新兴的机器学习范式,其通过对源域知识在无标记目标域上的迁移利用,来促进目标域模型的训练。为建模源域与目标域之间的域分布差异,最大均值差异(Maximum Mean Discrepancy,MMD)建模被广泛应用,其对UDA的性能提升起到了有效的促进作用。然而,这些方法通常忽视了领域之间对应类规模与类分布等结构信息,因为目标域与源域的数据类规模与数据分布通常并非一致。为此,文中提出了一种基于跨域类和数据样本双重加权的无监督域适应模型(Sample weighted and Class weighted based Unsupervised Domain Adaptation Network,SCUDAN)。具体而言,一方面,通过源域类层面的适应性加权来调整源域类权重,以实现源域与目标域之间的类分布对齐;另一方面,通过目标域样本层面的适应性加权来调整目标域样本权重,以实现目标域与源域类中心的对齐。此外,文中还提出了一种CEM(Classification Expectation Maximization)优化算法,以实现对SCUDAN的优化求解。最后,通过对比实验和分析,验证了所提模型和算法的有效性。