微量Zr对不对称轧制Al-0.8Mg-0.9Si合金板织构及性能的影响

本文研究了微量Zr对不对称轧制Al-0.8Mg-0.9Si合金板及其相继固溶处理后的微观结构及性能的影响。结果表明：微量Zr在Al-0.8Mg-0.9Si合金中形成Al3Zr相弥散分布在基体中,在不对称轧制过程中,该化合物相对Copper{112}<111>、Brass{011}<211>、S{123}<634>、E{111}<110>和F{111}<112>等形变织构无明显影响；在随后的固溶处理过程中,轧制板材发生的再结晶使得Copper、Brass、S等形变织构的取向密度降低,但不溶的细小Al3Zr相在一定程度上抑制了不连续再结晶行为,反而使轧制过程中形成的E、F剪切织构的取向密度增加。添加微量Zr所形成的上述结构使该合金板材在固溶后获得较好的综合性能,其抗拉强度、屈强比和延伸率分别可达230MPa、0.49和9.5%以上；塑性应变比r值从0.7提高至0.84,杯突值IE由8.94提高至9.84,各向异性度|Δr|由0.15降低至0.04。     

基于视觉感知的智能扫地机器人的垃圾检测与分类

目的 为了提高扫地机器人的自主性和智能化程度，为扫地机器人配备视觉传感器，使其获得视觉感知能力，通过研究有效的垃圾检测分类模型与算法，实现对垃圾的定位与识别，引导扫地机器人对垃圾进行自动识别与按类处理，提高工作的目的性和效率，避免盲动和减少能耗。方法 选择检测速度较快的YOLOv2作为主网络模型，结合密集连接卷积网络，嵌入深层密集模块，对YOLOv2进行改进，提出一种YOLOv2-dense网络，该网络可以充分利用图像的高分辨率特征，实现图像浅层和深层特征的复用与融合。结果 测试结果表明，智能扫地机器人使用本文方法可以有效识别不同形态的常见垃圾类别，在真实场景中，测试识别准确率为84.98%，目标检测速度达到26帧/s。结论 实验结果表明，本文构建的YOLOv2-dense网络模型具有实时检测的速度，并且在处理具有不同背景、光照、视角与分辨率的图片时，表现出较强的适应和识别性能。在机器人移动过程中，可以保证以较高的准确率识别出垃圾的种类，整体性能优于原YOLOv2模型。     

一种提高油样中低含量石油磺酸盐分析效率的方法

为了准确分析油田化学驱采出液油样中石油磺酸盐的含量,介绍了一种在油样中加入不同极性溶剂组成的萃取体系的预处理技术,将石油磺酸盐萃取到水相,利用液相色谱仪对其进行检测的方法。取适量油样,依次加入正己烷、二氯甲烷、无水乙醇和蒸馏水,振荡均匀后静置分层,取下层水相溶液进行色谱分析。色谱柱为阴离子交换柱,流动相为甲醇/水和甲醇/盐水(含0.2 mol/L乙酸和0.2 mol/L乙酸铵),梯度洗脱。实验结果表明,该预处理技术联合液相色谱法检测技术分析效率较高,加标回收率高于90%,液相色谱最小定量限10 mg/L,线性范围10～2000 mg/L。该方法可对油样中低含量的石油磺酸盐进行快速定量分析。     

等离子弧异质异构增材制造构件的组织与力学性能分析

采用等离子弧增材系统实现了不锈钢/高强钢异质异构增材构件制备，等离子弧增材构件具有良好的沉积形貌及优异的力学性能.为揭示叠合方式对等离子弧异质增材构件的宏微观组织和力学性能特征影响，研究采用了体视显微镜、金相显微镜、拉伸及硬度等测试方法.结果表明，不锈钢/高强钢异质异构增材构件中存在两种过渡形式，即以奥氏体枝晶过渡和马氏体组织过渡.增材构件横截面硬度波动较大，主要是混合过渡区域的高合金元素导致的组织变化引起的.叠合方式的改变能够显著影响材料性能，在强度下降不多的情况下，提高材料的冲击韧性.     

负径向电场对带电粒子俘获率影响的数值模拟

本文采用数值方法求解Grad-Shafranov方程反演EAST典型长脉冲放电实验(炮号33068)的平衡位形和磁场分布，进而结合粒子在托卡马克电磁场中的运动方程，模拟氘离子在负径向电场存在时的运动轨迹，并统计不同负径向电场下的氘离子俘获率。结果表明：随负径向电场的增大，氘离子轨迹由扩张通行轨迹向外翻香蕉轨迹再向内翻香蕉轨迹，最后向压缩通行轨迹演变；氘离子俘获率随负径向电场的增大而减小，氘离子初始速度越小，其变化越大。     

液相色谱法快速检测染色梅鱼中日落黄、柠檬黄的含量

目的建立一种快速、低成本检测染色梅鱼中日落黄、柠檬黄的方法。方法将染色梅鱼剥皮,鱼皮经70%甲醇氨水提取液提取,经EclipseXDB-C_(18)色谱柱分离,以甲醇和乙酸铵水溶液为流动相,进行梯度洗脱,流速为1.0 mL/min,柱温35℃,利用紫外检测器检测日落黄、柠檬黄的含量。结果日落黄、柠檬黄在1.25、2.5、12.5、25 mg/kg添加水平的加标回收率为80%～90%,相对标准偏差小于10%(n=6),柠檬黄检出限为0.05 mg/kg,日落黄检出限为0.025 mg/kg。结论该方法快速、准确、成本低,适合染色梅鱼中日落黄、柠檬黄的快速检测。     

基于分支定界法的相控阵雷达事件调度算法

为解决相控阵雷达事件调度问题中调度成功率、时间偏移率与算法时效性三者之间的矛盾，本文提出一种基于分支定界法的调度算法；该算法首先在现有调度结果上调取所有可执行事件，即获得若干"节点"，多步递推后由多"层"节点形成若干条备选"分支"，扩大解空间范围，提高算法性能；然后通过"删减"操作删减掉收益较低分支，将解空间控制在一适当范围内，减小搜索盲目性，降低算法计算量.仿真实验表明，与基于综合优先级算法的调度结果相比，利用本文算法调度时调度成功率提升了52%；与基于时间指针算法的调度结果相比，本身算法时间偏移率降低了61%；与基于遗传算法的调度结果相比，本文算法调度耗时仅为前者1~2%.     

Learning a Deep Predictive Coding Network for a Semi-Supervised 3D-Hand Pose Estimation

In this paper we present a CNN based approach for a real time 3D-hand pose estimation from the depth sequence. Prior discriminative approaches have achieved remarkable success but are facing two main challenges: Firstly, the methods are fully supervised hence require large numbers of annotated training data to extract the dynamic information from a hand representation. Secondly, unreliable hand detectors based on strong assumptions or a weak detector which often fail in several situations like complex environment and multiple hands. In contrast to these methods, this paper presents an approach that can be considered as semi-supervised by performing predictive coding of image sequences of hand poses in order to capture latent features underlying a given image without supervision. The hand is modelled using a novel latent tree dependency model (LDTM) which transforms internal joint location to an explicit representation. Then the modeled hand topology is integrated with the pose estimator using data dependent method to jointly learn latent variables of the posterior pose appearance and the pose configuration respectively. Finally, an unsupervised error term which is a part of the recurrent architecture ensures smooth estimations of the final pose. Experiments on three challenging public datasets, ICVL, MSRA, and NYU demonstrate the significant performance of the proposed method which is comparable or better than state-of-the-art approaches.      

花状与颗粒状NiMn2O4纳米材料的制备及其超级电容性能

分别以尿素和氨水为沉淀剂，采用热溶剂法制备了多孔的花状NiMn₂O₄和颗粒状NiMn₂O₄纳米电极材料，采用 X射线衍射仪、扫描电镜、透射电镜和N₂ 吸附-脱附等手段对NiMn₂O₄材料的物相、形貌结构和孔径分布进行了表征，并通过循环伏安、恒电流充放电、交流阻抗等方法测试了所制备材料的电化学性能。研究了沉淀剂对NiMn₂O₄材料形貌、微观结构及电化学性能的影响。结果表明：以尿素为沉淀剂的NiMn₂O₄是由纳米片组成的花状结构，纳米片厚度为50～60nm，比表面积为104m²/g。在 1A/g 电流密度下比电容为1614F/g，在5A/g电流密度下，尿素为沉淀剂的花状NiMn₂O₄材料经1000次恒电流充放电后其比电容可达初始值的89%。以氨水为沉淀剂的多孔NiMn₂O₄为直径约30nm的纳米颗粒结构，颗粒间团聚严重，比表面积为91m²/g。在1A/g电流密度下比电容为1147F/g，在5A/g电流密度下，氨水为沉淀剂的颗粒状NiMn₂O₄材料经1000次恒电流充放电后其比电容可达初始值的80%。尿素为沉淀剂的花状NiMn₂O₄具有优越的超级电容性能。