加载方式对Cu/Al真空扩散连接的影响

采用恒压和脉冲加压两种加压方式下的真空扩散连接工艺对Cu/Al异种材料进行连接,利用扫描电镜和EDS对焊接接头的微观组织及元素扩散行为进行了研究.在焊接温度为540℃、扩散时间为60 min、焊接压力为2～5MPa的工艺下,焊接接头最高抗拉强度为197MPa.     

基于ε-不敏感准则和结构风险的鲁棒径向基函数神经网络学习

该文提出一种新的基于ε-不敏感准则和结构风险的径向基神经网络(RBF-NN)建模方法。通过引入ε-不敏感准则和结构风险项,把RBF-NN训练转化为线性回归和经典的二次规划优化问题。和传统的基于最小平方误差准则的RBF-NN训练算法相比,提出的新方法对小样本数据集和噪声数据显示出较好的鲁棒性,具有较好的泛化能力。通过模拟和真实数据集进行仿真试验,上述优点得到了有效验证。     

基于人工神经网络的装填条件对最大压力和初速的影响初探

给出BP网的结构和算法,提出了用BP网研究装填条件对最大压力和初速影响的新方法,并且利用BP网特有的"反转”特性,对保持最大压力不变方法作了一点讨论.由于神经网具有较强的自组织和自适应能力,使得这一方法比经验公式有更好的适应性.数值分析结果表明了该方法的有效性.     

VPI制备车用Cf/Al材料结构及弯曲性能研究

通过真空压力浸渗制备车用Cf/Al材料,测试其显微组织与抗弯曲性能.结果表明:Cf/Al材料致密度均值为95.1％,浸渗效果良好.径向、纬向形成黏连状纤维丝,部分具有微米孔洞.Cf/Al材料弯曲强度为341 MPa,弯曲模量为116 GPa.最初阶段都表现线弹性特点,具有较大载荷增量与较小位移增量.增大弯曲位移后,材料基体形成更多损伤缺陷,达弯曲极限时,曲线表现出缓慢卸载趋势.试样室温伸长率较小,呈脆性失效.Cf/Al材料弯曲处断口于内侧面受压形成黏连结构,径向纤维束发生较大屈曲变形而压断,纬向纤维束在挤压作用下变形,外侧材料受到拉伸破坏,基体组织开裂.     

一种融合光流的分通道帧差目标检测方法

针对目前方法在复杂环境下很难有效检测出运动目标的问题,提出了融合光流的分通道帧差目标检测方法。首先通过降噪和平滑预处理工作增强有效信息,然后使用实时分通道图像差分精确检测运动目标,最终融合光流检测信息,以运动信息修正检测误差,很好的逼近真实目标。在检测算法中使用数学形态学方法去除噪声和斑点以提高检测效果。实验结果证明,该算法能对运动目标快速而准确的检测。     

点火问题分析解研究

对点火问题进行研究，给出了两种点火的数学模型；平板定常模型和球对称非定常模型．从火药颗粒的球对称非定常模型出发，利用叠加原理和数学变换导出了火药颗粒表面温度的分析解．该研究对深入研究点火理论和起始弹道学有一定的作用     

基于多特征自适应融合的分类采样跟踪算法

针对目标跟踪中的场景易变和目标模板不稳定等问 题,提出了一种基于多特征自适应 融合的分类采样跟踪算法。算法利用密集特征信息将目标模板用多个重叠子区域划分,每 个子区域对应一个多特征采样窗口。利用多特征自适应融合构造强可区分性的目标模型,最 大程度地提高各子区域之间的互补性,以增强目标模板的区分能力。在粒子滤波(PF)框架下 , 多特征自适应融合策略提高了目标观测质量,保证跟踪的持续稳定。实验结果表明,本文所 提算法具 有良好的目标跟踪性能,并对动态场景、目标形变及遮挡情况具有较好的跟踪准确性和鲁棒 性。     

多尺度分解和八度卷积相结合的红外与可见光图像融合

目的 在基于深度学习的红外与可见光图像融合方法中,多尺度分解是一种提取不同尺度特征的重要方式。针对传统多尺度分解方法里尺度设置粗糙的问题,提出了一种基于八度(octave)卷积的改进图像融合算法。方法 融合方法由4部分组成：编码器、特征增强、融合策略和解码器。首先,使用改进后的编码器获取源图像的多尺度上的低频、次低频和高频特征。这些特征会被从顶层到底层进行强化。其次,将这些特征按照对应的融合策略进行融合。最后,融合后的深度特征由本文设计的解码器重构为信息丰富的融合图像。结果 实验在TNO和RoadScene数据集上与9种图像融合算法进行比较。主观评价方面,所提算法可以充分保留源图像中的有效信息,融合结果也符合人的视觉感知;客观指标方面,在TNO数据集上所提算法在信息熵、标准差、视觉信息保真度、互信息和基于小波变换提取局部特征的特征互信息5个指标上均有最优表现,相较于9种对比方法中最优值分别提升了0.54%,4.14%,5.01%,0.55%,0.68%。在RoadScene数据集上所提算法在信息熵、标准差、视觉信息保真度和互信息4个指标上取得了最优值,相较9种对比方法的最优值分别提升了...     

结合面部纹理和前/背景差异的人脸活体检测

目的 人脸活体检测是人脸识别技术安全的重要保障,而背景环境的负面干扰是限制检测系统性能的关键问题。针对这一问题,提出了一种基于面部纹理和前/背景差异分析的人脸活体检测模型。方法 首先,基于新型骨干网络构建面部纹理分析模块,为模型提供充足的面部纹理信息,减缓模型受背景差异的负面干扰;接着,结合边缘检测算法思想对前/背景差异分析模块的卷积核重新改写,以此突出面部边缘的细节特征;最后,设计注意力特征融合模块将两个分流模块有机结合,提升模型在各种复杂环境下的可靠性。结果 在CASIA-MFSD(CASIA-mobile face spoofing dataset)、Replay-Attack和OULU-NPU等3个数据集上做了多组对比实验,在CASIA-MFSD数据集上的等错误率(equal error rate,EER)为0.19%,在Replay-Attack数据集上的等错误率和半错误率(half total error rate,HTER)均为0.00%和0.00%,在OULU-NPU数据集4个协议上的平均分类错误率(average classification error rate,A...     

超分辨率人脸图像重构识别

为了解决单幅低分辨率人脸图像重构问题,提出了基于线性物体类理论重构超分辨率人脸图像的新方法。首先利用ICA和PCA提取不同分辨率人脸的特征子空间,然后利用通过训练得到的分辨率转换矩阵重构其相对应的超分辨率人脸图像,实验表明该算法与传统的算法相比重构出的人脸图像质量和识别率都有了很大的提高。