齿轮泵热处理的新工艺

利用气相沉积TiN、TiC、Al_2O_3或其它沉积层来改善金属材料表面的性质,使其得到超硬膜,这项新技术在国内外受到普遍重视。按照气相沉积的性质,可分为化学气相沉积(CVD)和物理气相沉积(PVD)。CVD 设备简单,绕镀能力强,但沉积温度高达1000℃以上,使金属零件机械性能大大降低;PVD 沉积温度低(400～600℃),沉积速率高,且无公害,但设备昂贵,技术     

水浸法提取优质桐油的研究

目前我国桐油生产一般采用机榨法和６号溶剂浸出法，前者所产桐油质量不高，后者易引起桐油变性，为解决上述问题，在研究的基础上，提出了生产桐油的新方法，水浸法提取优质桐油。此法浸出的桐油油擀好，无变性现象，且其副产品桐粕，桐壳能综合利用。     

利用正演模拟识别各类地震假象

针对各类地震假象给地震解释人员带来的困扰,本文探讨了正演模拟方法研究假象问题优越性,并从理论方面简单介绍了不同正演模拟方法的优缺点。一般情况下,复杂的地质构造（包括起伏地层类、断层类、低速和高速充填体类、火山岩刺穿类及生物礁类的地质模型）往往在地震剖面上形成假构造,或出现偏离真实构造位置的情况,本文选取波动方程地震正演模拟方法模拟分析了起伏地层类和断层类地震假象的产生,指出了正确的解释方法和依据,对提高复杂研究区地震资料岩性解释的可靠性具有重大意义。     

基于LSTM与随机森林混合构架的钓鱼网站识别研究

针对传统的钓鱼站点攻击检测模型时延高、效率低、特征提取复杂的问题,提出一种使用长短期记忆网络(long short term memory,LSTM)和随机森林的混合算法模型。该模型主要包括网址上下文特征提取和混合特征分类两部分。首先,根据循环神经网络特点建立128步长的深度网络结构。实验数据参考开源社区提供的钓鱼网站网址和正常网址情报。利用自然语言处理技术对网址数据进行编码得到具有局部特征的网址序列。通过构建的LSTM网络对网址序列进行字符上下文特征提取,结合传统检测方法中的非字符序列特征,共同构成实验特征集。随后,利用随机森林获取每一个特征的最佳分裂点,构建混合特征分类模型。该模型以网址数据为检测源,一方面降低了随机森林的字符序列特征维度,另一方面结合传统钓鱼网址检测中的非序列特征,弥补了LSTM算法检测特征单一的问题。为验证该模型的有效性,设计了本文模型与随机森林算法、LSTM算法的对比实验,并进一步对不同LSTM训练规模的时间成本进行分析。从实验中发现,基于LSTM与随机森林的混合模型大幅度提高了钓鱼网站的识别准确率,模型准确率达到98.52%,比相同训练规模的LSTM准确率高3%,比实验中的单一随机森林准确率高7%。同时,相比于LSTM算法同等幅度的准确率提升,该混合算法具有更小的时间代价。实验结果表明,作者提出的混合模型克服了传统识别模型在特征提取、识别效率上的问题,适合于海量钓鱼网站攻击的快速识别。     

一种维修备件储备量决策分析模型

依据可靠性理论和设备维修决策理论 ,假设机械设备的寿命分布和维修时间分布均服从指数分布 ,将设备的部件分可修复部件和不可修复部件两大类 ,对维修备件储备量进行科学决策分析 ,提供在给定使用可靠度和给定工作时间的情况下 ,确定机械设备维修备件储备量的计算模型和方法     

MDI训练样本集构建对雷达探测旋翼无人机分类的影响分析

利用卷积神经网络对目标微多普勒特征进行深度学习是目前雷达探测无人机分类的重要手段。实际应用中,无人机参数如叶片转速、叶片长度、叶片初始相位、无人机方位角、无人机俯仰角、无人机径向速度等参数变化大,导致训练样本变化大。该文分析训练样本集对旋翼无人机分类结果的影响。首先建立单旋翼无人直升机、四旋翼无人机和六旋翼无人机雷达回波仿真模型。然后对其进行微多普勒特征分析提取,构建多种不同情况下的合并多普勒图像(Merged Doppler Images, MDI)训练样本集。最后利用GoogLeNet (Inception v1)得到不同情况下的无人机分类结果,分析训练样本集中样本数量、无人机单一参数变化、样本参数涵盖完整性以及无人机参数采样间隔对分类准确率的影响。实验结果表明:训练样本集的差异可能对分类准确率产生显著影响。      

丙烯酸(酯)生产现状与醋酸甲醛羟醛缩合制备丙烯酸研究进展

介绍了国内外丙烯酸的生产技术发展与市场现状。详细介绍了醋酸甲醛缩合制备丙烯酸的催化过程研究进展。着重介绍了V-P-O/SBA-15催化剂在催化醋酸甲醛羟醛缩合制备丙烯酸过程的构效关系与催化作用机理,提出了今后醋酸甲醛缩合制备丙烯酸的催化体系的研究方向。