等通道挤压纯铝的冷轧织构与组织演变

研究了冷轧形变量对等通道挤压纯铝的形变织构与显微组织的影响。结果表明：当形变量较小时，冷轧使挤压高纯铝的显微组织分布更加均匀。然而，随着形变量的增加，晶粒由等轴向纤维状转变。织构的演变规律为旋转立方织构和{111}<110>向冷轧织构（铜织构、黄铜织构和S织构）转变，同时出现了R织构。由此可见，等通道挤压变形对高纯铝的冷轧组织和织构存在一定的影响。     

飞机着陆下滑道与输电线路垂直防护间距分析

飞机着陆下滑过程中，应与穿越或接近机场飞行区端净空的架空输电线路保持一定的垂直间距，防止对机载导航电子设备干扰。根据不同类别飞机着陆系统的性能和防护指标，分析了无线电干扰程度，并验算了干扰防护率；结合下滑道净空特点和相关标准规定，计算出了下滑道关键点净空要求及防护间距。结果表明：对于双信标着陆系统，下滑道应与架空输电线路保持不小于150m的垂直间距；对于当前主流使用的仪表着陆系统，应根据下滑信标发射方向和飞行程序计算确定垂直间距，150m的垂直间距有很大裕度。     

利用改性蓖麻油制千性醇酸清漆

旅顺酿造厂以蓖麻油为原料,经改性做自干醇清漆,取得了较好的结果。此法试验成功,为解决桐油、亚麻油的供不应求的问题开辟了一条新途径。利用脱水的改性蓖麻油制成的自干性醇酸清漆耐水、耐热,且光亮性好,干燥快,得到用户满意。现将试验过程简要介绍如下:将原料油重1%的磷酸铝充分磨细,然后于反应器中与蓖麻油充分混合加热到250±2℃,保温5小时,冷却、过滤,即得脱水的改性蓖     

单端孢霉烯族毒素及其脱毒微生物国外研究进展

单端孢霉烯族毒素是一大类霉菌毒素,对人与动物具有非常大的毒性。它们广泛存在于粮食、饲料及以被污染粮食为原料的食品中,不仅给食品安全带来了一定的隐患,也影响到畜牧业生产。许多学者正在研究食品和饲料中单端孢霉烯族毒素的控制方法,其中生物脱毒是目前的研究热点,例如利用微生物将毒素转化成无毒或低毒的化合物。由于生物脱毒具有许多优点,因而具有广阔的前景。本文综述了单端孢霉烯族毒素的结构与毒性官能团,以及单端孢霉烯族毒素脱毒微生物方面的研究进展,旨在为单端孢霉烯族毒素的转化降解研究提供参考。     

基于模拟多曝光融合的低照度全景图像增强

针对低照度全景图像存在的对比度低、视觉效果差等问题,提出了一种基于模拟多曝光融合的低照度全景图像增强算法。首先,将原图像从RGB颜色空间转换到HSV颜色空间,以图像信息熵作为度量估计最佳曝光率,采用亮度映射函数对V分量进行增强处理,再将其转回RGB颜色空间得到过曝光图像;接着,以低照度图像和过曝光图像为输入,采用曝光插值法合成中等曝光图像;然后,采用多尺度融合策略将低照度图像、中等曝光图像和过曝光图像进行融合,得到融合后的图像;最后,通过多尺度细节增强算法对融合后的图像进行细节增强,得到最终的增强图像。通过与NPE,LIME,SRIE,Li,Ying,RtinexNet算法相比,在不同场景的全景图像上,亮度顺序误差(LOE)最小为322,自然图像质量评估器(NIQE)最小为2.32,无参考空间域图像质量评估器最小为5.71,结构相似度(SSIM)最高达到0.82,综合性能优于其他对比算法。实验结果表明,本文算法能够有效地提升低照度全景图像的质量。     

锂电池小电流放电的可靠性分析

根据水雷电源的特点,对锂电池小电流放电特性及其贮存寿命进行了试验.并利用数理统计的图估法对试验数据进行处理,得出了锂电池小电流放电特性的失效规律.同时应用极大似然法估计出锂电池的可靠度.对在水雷电源中合理地使用锂电池提供了依据.     

一种基于用户兴趣联合相似度的协同过滤算法

在推荐系统中数据稀疏性和推荐时效性是经常面对的问题,为了更好地反映不同用户在不同阶段的邻域相关性,从而能够挖掘出评分项目中所隐含的个性化信息,在基于用户的协同过滤算法预测评分过程中将联合相似度与用户兴趣的时序信息相结合,首先融合覆盖评分信息的用户间的协同相似度、偏好相似度和轨迹相似度等3种相似度,通过参数调节不同度量的权重及相似度阈值形成联合相似度以获取用户有效的邻居数目;其次在联合相似度计算过程中引入反映时间权重的Logistic函数以提高推荐的时效性;最后进行实验,结果表明,所提出的方法与经典算法相比,不仅提高了精度,而且可以更有效地预测用户的真实评分。     

基于长短期记忆的实时电价条件下智能电网短期负荷预测EI北大核心CSCD

在电力市场改革与智能电网建设的大背景下,电力将逐渐回归商品属性,电价也将实时波动,并对负荷产生影响。通过分析得出电价与负荷具有相关性,因此在预测模型中考虑了实时电价的影响,并对考虑实时电价的负荷预测模型与价格型需求侧响应之间的关系进行了讨论。针对前馈型神经网络不能处理序列间关联信息与传统循环神经网络无法记忆久远关键信息的缺陷,提出了基于长短期记忆循环神经网络的负荷预测模型,使用自适应矩估计算法进行深度学习。最后通过美国某地区的实际负荷和电价数据,验证了所提模型具有更高的预测精度。