航空发动机滑油系统金属屑末在线监测技术

针对航空发动机滑油系统中金属屑末在线监测难、检测灵敏度低的现状,基于电磁感应原理,理论推导出了金属屑末通过传感器线圈引起的感应线圈输出电压的表达式,仿真分析了金属颗粒通过传感器时的输出电压,并通过相敏检波(Phase Sensitive Detection, PSD)技术对传感器感应线圈采集到的信号进行解调处理,以提高传感器的采集灵敏度。实验验证了在使用频率为80 kHz、幅值为±10 V的正弦激励信号对13 mm管径进行监测时,传感器对铁磁性金属颗粒的检测灵敏度为80μm,对非铁磁性金属颗粒的检测灵敏度为350μm;为感应式金属屑末传感器的设计提供了理论和技术支持,为航空发动机滑油系统中的金属屑末在线监测提供了技术保障。     

多面体镧铈铽氧化物荧光粉的制备研究

采用共沉淀-焙烧法制备镧铈铽氧化物绿色荧光粉,研究了表面助剂、酸碱度、底液溶剂及反应温度对镧铈铽氧化物形貌的影响.用X衍射、扫描电镜以及光学显微镜对产物进行分析表征.结果表明,前驱体镧铈铽草酸盐的结晶环境对镧铈铽氧化物的形貌有着重要影响;在非离子表面助剂、强酸性和有机溶剂做底液的体系环境中更利于得到分散性好、形貌规则、球形度较高的多面体镧铈铽氧化物.     

关于建立符合科学发展观的管理人员考核评价体系的思考

管理人员考核评价体系要以科学发展观为指导,应用现代管理理念,在内容上既要继承又要创新,在方法上既要规范又要可行,在推行步骤上既要积极又要稳妥。如何建立符合科学发展观的管理人员考核评价体系,本文对此进行了一些探索和思考。     

年产20t纳米ZnO中试研究及生产*

用均匀沉淀法制备纳米ZnO中试研究表明 :尿素水解和沉淀反应采用间歇操作的搅拌釜式反应器是合适的 ;小试提供的原料路线是可行的 ,工艺条件是正确的 ;进一步放大在满足工艺条件的前提下 ,反应前升温的供热强度不小于 60kJ/(min·L) ;反应结束后的冷却换热强度不小于 2 7kJ/(min·L)。中试装置的生产能力为 2 0t/年 ,产品纳米氧化锌粒径为 35～80nm ,收率达到 80 %。     

论企业管理中的激励问题

如何才能使企业在激烈的市场竞争中立于不败之地?企业长久发展的动力在哪里?无数优秀企业的实践告诉我们:人力资源作为现代企业的一种战略性资源,已经成为企业发展的最关键因素.在人力资源管理的众多内容中,激励问题是重要内容之一.激励的科学与否,直接关系到人力资源运用的好坏.很多企业都有人才外流现象,留不住人才已经成为制约企业发展的重要因素之一,运用好有效激励的方法是解决这个问题的关键.     

沉淀法制备纳米氧化锌的研究

通过实验和理论分析 ,对均匀沉淀法和直接沉淀法制备纳米氧化锌进行了比较 ,以硝酸锌为原料 ,尿素为均匀沉淀剂制得的氧化锌粒径小、分布窄、分散性好 ,远优于直接沉淀法制备的纳米氧化锌。     

基于静态特征融合的恶意软件分类方法

针对现有恶意软件分类方法融合的静态特征维度高、特征提取耗时、Boosting算法对大量高维特征样本串行训练时间长的问题,提出一种基于静态特征融合的分类方法。提取原文件和其反编译的Lst文件的灰度图像素特征、原文件的结构特征和Lst文件的内容特征,对特征融合和分类。在训练集采样时启用GOSS算法减少对训练样本的采样,使用LightGBM作为分类器,该分类器通过EFB对互斥特征降维。实验证明在三类特征融合下分类准确率达到了97.04%,通过启用GOSS采样减少了29%的训练时间,在分类效果上,融合的特征优于融合Opcode n-gram的特征,LightGBM优于传统深度学习和机器学习算法。     

浅谈煤炭企业的人力资源开发

人力资源的开发管理是提高企业市场竞争力的关键,目前许多煤炭企业面临人才难得、人才难留的问题,如何进行煤炭企业的人力资源开发,文中就有关煤炭企业人力资源开发存在的问题及对策做了阐述。     

基于CNN-SIndRNN的恶意TLS流量快速识别方法

传统浅层机器学习方法在识别恶意TLS流量时依赖专家经验且流量表征不足,而现有的深度神经网络检测模型因层次结构复杂导致训练时间过长。提出一种基于CNN-SIndRNN端到端的轻量级恶意加密流量识别方法,使用多层一维卷积神经网络提取流量字节序列局部模式特征,并利用全局最大池化降维以减少计算参数。为增强流量表征,设计一种改进的循环神经网络用于捕获流量字节长距离依赖关系。在此基础上,采用独立循环神经网络IndRNN单元代替传统RNN循环单元,使用切片并行计算结构代替传统RNN的串行计算结构,并将两种类型深度神经网络所提取的特征拼接作为恶意TLS流量表征。在CTU-Maluware-Capure公开数据集上的实验结果表明,该方法在二分类实验上F1值高达0.965 7,在多分类实验上整体准确率为0.848 9,相比BotCatcher模型训练时间与检测时间分别节省了98.47%和98.28%。     

一种改进的支持向量机在入侵检测系统中的应用

入侵检测作为一种积极主动的防御技术,已成为信息安全领域的重要研究内容。将统计机器学习方法引入到入侵检测技术中,具有重要的现实意义。但单纯使用支持向量机的机器学习方法对网络连接记录进行分类,对于远离分类超平面的正负实例点能以充分大的确信度将它们区分开来,但对于离分类面比较近的实例点,被正确分类的可信度较低,还有可能因为各种主客观的因素造成误分类。为此,引入K近邻法,对分类面附近的实例点进行二次分类,并借鉴KDDCUP99公共数据集描述网络连接的41个特征进行了仿真实验,实验结果表明,相比单独使用支持向量机的方法,分类的准确率有了进一步的提高。