ERW焊管首检工艺流程对首检质量和效率的影响

ERW（高频电阻焊）焊管的生产特点要求其在批量生产前要进行工艺评定,俗称首检。如果首检质量控制不当,会导致批量降级管的产生。分析了宝山钢铁股份有限公司宝钢分公司钢管厂610 ERW机组原有首检工艺流程存在的不足,提出了改进首检工艺流程、制作常用钢级非标准试样和标准试样力学性能对比表、提高首检夏比冲击值等措施,使首检质量和效率显著提高,取得了良好的效果。     

改进YOLOv7的视频监控小目标检测

小目标检测作为目标检测中一项极具挑战性的项目, 广泛分布于日常生活中, 在视频监控场景中, 距离摄像头约20 m远处的行人人脸就可以被认为是小目标. 由于人脸可能相互遮挡并容易受到噪声和天气光照条件的影响, 现有的目标检测模型在这类小目标上的性能劣于中大型目标. 针对此类问题, 本文提出了改进后的YOLOv7模型, 添加了高分辨率检测头, 并基于GhostNetV2对骨干网络进行了改造; 同时基于BiFPN和SA注意力模块替换PANet结构, 增强多尺度特征融合能力; 结合Wasserstein距离改进了原来的CIoU损失函数, 降低了小目标对锚框位置偏移的敏感性. 本文在公开数据集VisDrone2019以及自制的视频监控数据集上进行了对比实验. 实验表明, 本文提出的改进方法mAP指标在VisDrone2019数据集上提高到了50.1%, 在自制视频监控数据集上高于现有方法1.6个百分点, 有效提高了小目标检测的能力, 并在GTX1080Ti上达到了较好的实时性.     

基于图神经网络的最大化代数连通度算法

随着智能体数量的增加, 多智能体系统中潜在的通信链路数量呈指数级增长. 过多冗余链路的存在给系统带来了大量的能源浪费和维护成本, 而盲目地去除链路又会降低系统的稳定性和安全性. 代数连通度是衡量图连通性的重要指标之一. 然而, 传统的半正定规划(SDP)方法和启发式算法在求解大规模场景下的最大化代数连通度问题时非常耗时. 在本文中, 我们提出了一种监督式的图神经网络模型来优化多智能体系统的代数连通度. 我们将传统的SDP方法应用于小规模任务场景中, 得到足够丰富的训练样本和标签. 在此基础上, 我们训练了一个图神经网络模型, 该模型可用于更大规模的任务场景中. 实验结果表明, 当需要去除15条边时, 我们的模型的平均性能达到了传统SDP方法的98.39%. 此外, 我们的模型计算时间极其有限, 可以推广到实时场景中去.     

基于改进GMM与帧差法的运动棉杂率分析算法研究

针对清梳棉流程中产出棉含杂高、质量差的问题,结合改进高斯混合模型(Gaussian mixed model,GMM)与帧差法,提出一种局部运动棉杂率控制优化方法。首先针对清棉机除杂原理及棉杂特性进行分析;其次通过提取视频关键帧并改进GMM与帧差法对图像序列“与”运算实现目标的精确提取,进而通过设计GMM分类器获得棉杂率并进行分析;最后与传统的检测算法作对比验证。实验表明,改进后的算法在有效性以及实用性方面优于传统算法。同时,通过引入闭环控制能满足工业高精度、实时性的需求。     

P对Sn-Cu无铅钎料性能的影响

添加了P到Sn-Cu系无铅钎料中,测定了钎料的熔化温度、抗氧化性能和接头蠕变疲劳寿命。结果表明:在Sn0.7Cu中添加微量的P,提高了无铅钎料的抗氧化性能,对熔化温度基本无影响。Sn0.7Cu0.005P无铅钎料合金熔化温度的峰值为226.7℃,在恒定应力为2MPa的蠕变疲劳试验中,钎料接头蠕变疲劳寿命为337.357min。     

空间的索引性：当下国风手游中的空间构建

近年来手机因其便携性、交互性、传播性的特点成为游戏发展的重要阵地,由此诞生出的手游空间也成为玩家的 精神空间与“第二生活空间”。援引列斐伏尔相关空间理论进一步探讨手机游戏所构建出空间的哲思性,以及手机游戏所构建 出的空间与现实社会的关联性。手游虚拟空间内以网络信息为基础承载着虚拟性的社会关系,信息的饱和度不断增加使其具 有索引性的属性,因此需要用利弊的观点探讨手机游戏所带给玩家的引导性。尤其是要明晰传统文化元素该如何与手机游戏 融合共生。     

500 kV世博地下变电站环境保护研究

分析了常规地面变电站和地下变电站的环境影响因素.就世博变电站的噪声、热污染、电磁场等方面的环境影响及治理方案提出了相应的技术措施.     

基于不确定性度量的证据组合方法

针对Dempster组合规则不能有效组合冲突证据,已有的基于证据间距离的改进组合方法计算复杂度较大的情况,提出了一种证据加权平均组合方法。首先以邓勇等人的组合方法为例计算了基于证据间距离的改进组合方法的计算复杂度,分析了造成计算复杂度较大的原因;然后通过引入证据的不确定性度量概念来描述证据的不确定性并以此为基础定义证据的权重;最后给出算法步骤。理论分析和数值算例表明,该方法能有效融合冲突证据,收敛速度快且降低了计算复杂度。     

一种基于元启发式策略的迭代自学习K-Means算法

类内误差平方和最小化的聚类准则求解是NP难问题,K-Means采用的迭代重定位方法本质上是一种局部搜索的爬山算法,因此聚类结果对初始代表点的选择非常敏感,只能保证局部最优.为此,引入元启发式策略,通过建立评估函数对K-Means初始代表点和目标函数之间的依赖关系进行近似,然后利用近似评估函数指导新的初始代表点的选择,构成一种迭代自学习框架下的K-Means算法.实验表明算法可以很好地克服K-Means对初始代表点的依赖性,获得较高质量的聚类结果.