BS960E高强钢激光-电弧复合焊接头氢脆行为研究

氢脆具有很强的微观组织敏感性,威胁着各类高强结构材料的安全服役.采用激光-电弧复合焊工艺对BS960E型高强钢进行焊接,并对接头在原位电化学充氢的条件下进行慢应变速率(10-5s-1)拉伸试验,结合微观组织和断裂特征进行分析并对接头的氢脆行为进行研究.结果 表明,焊接热循环所形成的富马氏体中的细晶区可以使接头表现出一定的氢脆敏感性,马氏体较大的氢扩散系数和较低的氢溶解度以及氢在晶界上的快速扩散是引起接头对氢脆敏感的主要原因,通过控制焊接工艺参数可抑制焊接热循环所引起的马氏体转变量,能够降低BS960E型高强钢激光-电弧复合焊接头的氢脆敏感性.     

复合包装膜袋中芥酸酰胺在不同模拟物中的迁移研究

采用气质联用法检测复合包装膜袋中芥酸酰胺在4种模拟物中(水、4％乙酸、20％乙醇和95％乙醇)的迁移量,并研究其影响因素.迁移试验所得的模拟物浓缩至干后用无水乙醇定容,外标法定量.结果表明,芥酸酰胺在浓度为0.2～4.0 mg/L范围内线性关系良好,相关系数为0.9991,检出限为0.05 mg/kg,回收率为90.8％～95.0％,RSD值为1.81％～3.85％.迁移条件一致时,芥酸酰胺在95％乙醇中的迁移量最大;样品中芥酸酰胺的残留量越大,同等条件下其向食品模拟物的迁移量就越大.     

论软件系统复合架构设计与应用

软件系统常用的架构设计有很多种,如B/S架构、C/S架构、分层架构、MVC架构、面向对象的架构、面向构件的架构、面向服务的架构等。实际应用中,一个系统往往会同时使用多种架构设计,称为复合架构。本文以某市政府采购系统项目为例,根据自己在项目中的实践论述分析了复合架构设计与应用。政府采购系统采用B/S架构开发,其中政府采购监督管理平台、政府采购项目管理平台、基础库建设采用了面向构件的架构设计,数据服务采用了面向服务的架构。     

基于可穿戴传感器数据的人体行为识别数据特征提取方法

随着可穿戴设备的发展与普及,基于可穿戴传感数据进行人体行为检测展现了巨大的研究价值.目前大多人类行为识别工作都是基于视频图像展开的,然而,使用计算机视觉技术进行人类行为识别存在2个挑战:一是很难使参与数据采集的人员在自然状态下采集真实状态下的运动数据,在开展数据采集之前往往需要对参与数据采集的人员进行培训并严格规范其采集动作,最终得到的数据将是背离真实生活的数据,其研究价值将大打折扣;二是数据采集过程中还涉及采集人员的隐私保护问题.为此,提出一种基于深度学习的数据特征提取方法.首先在灵活设置卷积核的基础上引入神经网络的分支结构多尺度提取原始数据的深度特征;然后将各分支得到的数据特征进行融合并作为下一个卷积层的输入.实验结果表明,与目前主流方法相比,该方法在MHEALTH,WHARF和USCHAD这3个标准数据集上的准确率和召回率都取得了更好的效果.此外,该方法还在2个较新数据集Stanford-ECM Dataset和DATAEGO上做了验证,结果表明该方法具有较好的泛化能力.     

欢迎订阅《复合材料学报》

《复合材料学报》(月刊)是中国复合材料领域的基础性、学术性科技期刊;主要刊载复合材料基础研究和应用研究方面具有创造性、高水平和有重要意义的最新研究成果的论文,以及由该领域专家亲自撰写的反映本学科最新发展状况的文献综述和信息性文章;所刊载的研究成果对科学研究具有参考价值,对生产实践具有指导作用。     

毫米波三维异质异构集成技术的进展与应用

三维异质异构集成技术是实现电子信息系统向着微型化、高效能、高整合、低功耗及低成本方向发展的最重要方法,也是决定信息化平台中微电子和微纳系统领域未来发展的一项核心高技术。文章详细介绍了毫米波频段三维异质异构集成技术的优势、近年来的发展趋势以及面临的挑战。利用硅基MEMS 光敏复合薄膜多层布线工艺可实现异质芯片的低损耗互连,同时三维集成高性能封装滤波器、高辐射效率封装天线等无源元件,还能很好地处理布线间的电磁兼容和芯片间的屏蔽问题。最后介绍了一款新型毫米波三维异质异构集成雷达及其在远距离生命体征探测方面的应用。     

CDBN‑IKELM的轴承变工况故障诊断方法

针对现有方法在轴承变工况方面存在的诊断精度低、人工提取特征不充分等问题，提出了基于卷积深度置信网络（convolutional deep belief network，简称CDBN）与改进核极限学习机 （improved Kernel?based extreme learning machine，简称IKELM）的滚动轴承故障智能识别方法。首先，由卷积深度置信网络对原始信号内的故障特征进行深层自适应提取；其次，利用等距特征映射对提取的多维特征进行降维，去除冗余特征信息；然后，采用改进的核极限学习机对特征进行分类，使用粒子群（particle swarm optimization， 简称PSO）对模型重要参数进行优化，实现滚动轴承变工况下的故障识别；最后，将所提方法应用于不同工况下多种轴承故障的诊断。实验结果表明，该方法能够智能有效地识别变工况的轴承故障，诊断结果优于已有的智能故障诊断方法。