压下率对大厚度比Al/Mg/Al层合板性能的影响

采用0.2 mm Al+5 mm Mg+0.2 mm Al的组坯方式,400℃保温10 min热轧制得大厚度比Al/Mg/Al层合板,研究了压下率对其界面结合、镁基材组织及拉伸性能的影响。对压下率为41%、49%和60%热轧制备的Al/Mg/Al层合板进行了界面SEM观察、微观组织观察、拉伸实验及拉伸断口的观察。结果表明,大厚度比Al/Mg/Al层合板在压下率为60%时,边部的附加拉应力造成边裂的出现;经41%压下率热轧可实现界面结合,但存在微缺陷,压下率为49%及以上可实现良好结合;压下率对Al/Mg/Al层合板的屈服强度和抗拉强度影响较小,对其伸长率影响较大。随着压下率增加,伸长率先增加后减小。压下率为49%时,伸长率最大为26%,其原因在于该工艺下镁基材的晶粒均匀细小,韧性提高。     

基于多维异构特征与反馈感知调度的SDN内生安全控制平面

为弥补现有研究在软件定义网络(Software-Defined Networking,SDN)控制平面未知漏洞防御方面的空白,本文提出了一种基于多维异构特征与反馈感知调度的内生安全控制平面的设计方案.该方案以"冗余、异构和动态"为切入点,通过组合执行体冗余集构建策略、多维异构元素着色策略和动态反馈感知调度策略,有效增加SDN控制平面对攻击者所呈现的执行体时空不确定性(逆转攻防不对称性).相关仿真结果表明该方案可以收敛全局执行体数目、增加执行体之间的多维异构度并降低系统全局失效率.     

宋起柱调研SMG、东方明珠,支持开展5G频道建设、移动融合业务建设合作

2月24日,中国广播电视网络有限公司董事长宋起柱在上海广播电视台、上海文化广播影视集团有限公司(SMG)、东方明珠新媒体股份有限公司(东方明珠)进行调研座谈。在座谈会上,东方明珠相关负责人介绍了东方有线整体经营管理情况、东方明珠筹备国网5G频道播出平台的建设方案。     

伊拉克米桑油田水平井钻井关键技术

针对伊拉克米桑油田盐膏层巨厚、钻井液密度窗口窄、存在高压盐水层,储层段漏塌同层导致复杂时效高等问题,通过对比分析国内外盐膏层和窄压力窗口地层钻井技术,总结了米桑油田钻井面临的主要技术难点,从井身结构优化、钻井提速和复杂预防等方面入手,研究形成了适合米桑油田的钻井关键技术,并进行了现场试验应用,取得了显著的效果.伊拉克米桑油田钻井关键技术对该地区钻井技术方案设计和钻井提速提效具有较强的借鉴和指导作用.     

基于数据融合与迁移学习的学生表情识别研究

学生表情逐渐成为感知学生状态的重要途径,因此准确的识别学生表情因具有重要价值而受到广泛的关注.本文针对学生表情识别这一问题,提出基于数据融合与迁移学习的识别模型,该模型融合3个数据集,以解决学生表情数据缺乏与多样性问题,同时引入迁移学习来提升预测精度.在数据集及实际学生表情图像上的实验结果表明,本文提出的模型可以准确识别学生表情,提升了预测精度.     

多特征检测人形识别安防摄像机设计

针对高准确率和快速跟踪摄像功能的需求,基于机器视觉设计了人形识别安防摄像机。首先,确定了整体工作方案;其次,提出一种多特征组合人形识别方法,通过训练3个分类器,分别识别人形正身、侧身和背身,并采用haar特征+adaboost算法实现人形识别和定位功能,再利用PID算法控制步进电机和舵机实现人形跟踪;最后,开发了安卓手机端APP。测试结果表明:多特征组合识别方法能够快速识别人形目标,帧率不低于20Hz;与单特征人形识别方法相比,识别准确率提高27.3%;人形目标追踪时间不超过1.7s;摄像机能够流畅实现WiFi控制、无线监视和录像下载等功能。     

价格传真

以往,MC推荐的大多都是针对游戏类的高性能PC配置,而对很多用户而言,他们对游戏性能需求不高,能够满足日常学习、工作、简单娱乐足矣。比如炒股、运行Photoshop或Office办公软件、能玩《CS:GO》之类的网游等。这类用户的需求明确,如果装机配置超过使用需求,会出现性能过剩,这其实是一种资金上的浪费。本期,我们将针对需求不高的用户带来一套高性价比的融合型配置和两款办公型笔记本电脑。其中,融合型配置的好处是既满足了日常使用需求又节约了装机成本。     

媒体融合视角下短视频剪辑技术分析

短视频剪辑技术是一种重要的媒体技术.随着媒体融合时代的到来,尤其是短视频平台的兴起,短视频剪辑技术得到越来越多短视频创作者的研究与运用.在媒体融合视角下,短视频剪辑技术愈发多元,成为对视频艺术的广泛探索.短视频属于视听传达的范畴,需要利用有趣的画面及精细的设计,以达到言之有物的境界.据此,为使短视频能够更加清晰、富有美感,必须利用短视频剪辑技术,对视频内容进行精炼和再创造,以达到传达艺术和适应市场的要求.基于此,在媒体融合视角下,探讨短视频剪辑技术的特点及原则,并以FFmpeg为基础进行实例分析,以供参考.     

基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.