淬火硝盐的劣化和再生

使用扫描电镜及能谱分析、化学分析方法,全面分析了使用硝盐浴进行分级淬火和等温淬火时,淬火硝盐劣化产物。结果表明:硝盐反应生成物(Na₂CO₃、NaOH),设备(主要是盐槽、盐泵、管道)、夹具、料盘及工件等氧化产物(FeO·Fe₂O₃·Fe₃O₄),外来物(灰尘,炭黑)是造成硝盐劣化的主要原因。据此,提出了预防淬火硝盐劣化措施:选用品质好的基盐;选用热稳定性较高的混合盐;保持淬火盐浴温度均匀,淬火前后温升可控,尽量避免“瞬间”过热使用;尽量避免外来杂质进入;做好日常维护。并简要介绍了淬火硝盐再生处理方法。     

低功耗激光发生器最优概率跳变选取研究（英文）

传统低功耗激光发生器节能控制方法,未对激光扫描检测过程中的跳变功耗进行分析,不能对激光发生器进行准确的节能控制。面向该种问题,设计基于概率模型的低功耗激光发生器节能设计方法,分析了激光发生器扫描过程跳变功耗产生的原因。设计基于概率模型的激光发生器功耗检测方法,通过概率统计方法对激光扫描检测中的跳变功耗进行控制,对激光发生器的跳变进行快速预测,采用检测向量和激光扫描单元排序方法对扫描单元进行重新排序,降低激光发生器的跳变功耗。实验结果说明,所提方法能够降低激光发生器的扫描跳变,实现节能控制,具有较高的控制效率和精度。     

网络多信道多源信息融合技术的改进研究

由于D-S融合算法采用的证据合成规则无法有效处理证据冲突问题,并且BP神经网络融合算法在样本波动情况下需要再次训练完成融合,容易出现局部最小值问题。因此,融合D-S融合算法和BP神经网络融合算法,提出基于上下文权值的多信道多源信息复合融合算法,其先基于检测数据的上下文,采用D-S融合算法和BP神经网络融合算法,对对应上下文内的数据进行融合处理,获取的融合结果被设置相应的权值,再将多个并行融合结果进行加权汇总,得到最终的融合结果,并同设置的阀值实施对比,获取最终的判决结果。实验结果说明,所提算法可有效处理证据冲突的融合问题,具有较高的准确性,融合效果佳。     

博弈模型下云资源分配纳什均衡算法

为解决云资源分配中用户的异构性需求问题,以经济模型为基础,运用非合作博弈论研究了具有完全理性的云资源分配问题,提出基于非合作博弈的资源分配纳什均衡算法,该算法以博弈效用最优化为目标,利用正比例共享机制按用户出价分配云资源。求解了用户的出价函数,重点证明了出价函数的凹性以及多用户间的最优出价组合的纳什均衡存在性与唯一性,并提出了资源分配纳什均衡算法。实验结果表明:非合作博弈云资源分配算法不仅能够按市场变化反映资源价格与用户需求之间的浮动关系,从而规范用户间的资源公平竞争关系,而且可以使资源分配更加合理和均衡。     

基于仿生群智能优化RBF神经网络的机械手滑模控制方法研究

为了提高机械手滑模控制的准确度，采用RBF神经网络来完成机械手滑模控制，并借助群体智能算法中的混合蛙跳算法来实现模型参数的优化。在机械手滑模控制及机械手运动轨迹跟踪过程中，将RBF神经网络权重和阈值作为蛙跳算法的青蛙个体，随机产生的多个权重和阈值组合个体构成蛙群，并对蛙群进行分组，通过不断重新分组和组内迭代的方法来获取全局最优个体，得到最优权重和阈值，确定最优机械手滑模控制模型。经过实验证明，采用基于仿生群智能优化RBF神经网络的机械手滑模控制，跟踪准确度高。     

BN陶瓷波导CO_2激光器的研究

报导了利用国产氮化硼陶瓷研制的两种波导 CO_2激光器:圆孔波导 CO_2激光器(尺寸Φ1.6×100mm)输出功率700毫瓦和方孔波导 CO_2,激光器(尺寸是1.5×1.5×150mm~3)输出功率是1.5瓦。BN 陶瓷具有热传导性好和热膨胀系数极低的优点。     

高重复频率小型TEA CO_2激光器及其气体流动效应

本文报道了一种采用磁力拖动气体循环系统和两次谐振充电倍压电路与预电离电路兼容的自动预电离电路的高重复率小型TEA CO_2激光器。在CO_2:N_2:He=1:1:3,总气压为500Torr,充电电压为19kV时,得到单脉冲输出能量≥200mJ,当气体流速为10m/s,在每秒50次的重复频率下工作时,平均输出功率为7～8W。并利用该器件研究了气体流速对放电均匀性的影响。注入能量与重复频率的关系以及重复频率与气体流速之间的关系,与Dzakowic的     

人工智能在主题搜索策略中的应用

介绍了主题搜索策略,重点对比分析了三种人工智能启发式搜索算法--最好优先、模拟退火和非常快速退火算法作为主题搜索策略的局限性和优越性.阐述了非常快速退火算法在主题搜索策略中的应用,最后通过一个对比试验证明非常快速退火主题搜索算法的优越性.     

基于多效用阈值的分布式高效用序列模式挖掘

针对序列模式的高效用模式挖掘过程中搜索空间大、计算复杂度高的问题,提出一种基于多效用阈值的分布式高效用序列模式挖掘算法。采用数组结构保存模式的效用信息,解决效用矩阵导致的内存消耗大的缺点。设计1-项集与2-项集的深度剪枝策略,深入地缩小候选模式的搜索空间,减少搜索时间成本与缓存成本。提出挖掘算法的分布式实现方案,通过并行处理进一步降低模式挖掘的时间。基于中等规模与大规模的序列数据集分别进行实验,实验结果表明,该算法有效减少了候选模式的数量,降低了挖掘的时间成本与存储成本,对于大数据集表现出较好的可扩展能力与稳定性。     

图书信息检索中读者兴趣偏好挖掘模型的建立仿真

针对传统挖掘模型对图书信息检索中读者兴趣偏好数据进行挖掘时,存在的挖掘效率低、耗时长等问题,提出基于聚类分析的读者兴趣偏好挖掘模型.采用分类索引分布树法对图书相似度与读者兴趣距离进行计算,通过兴趣因子对兴趣偏好度进行度量,并以此为基础,采用相关反馈模型Rocchio算法对读者兴趣图书检索进行扩展,引入聚类分析法建立图书信息检索中读者兴趣偏好挖掘模型.实验仿真结果表明,采用改进模型时,其挖掘效率、时间及误差均优于传统模型.