复杂型面的复合光整加工实验研究

利用电火花-超声和脉冲电化学复合加工工艺对三维复杂型面的光整加工进行了研究,论述了电火花超声复合加工的原理及超声装置的设计,进行了工艺参数实验研究,通过Master CAM软件实现型面的造型、编程,进行了三维型面的精密成形加工,经过脉冲电化学抛光后使型面达到镜面效果.     

熔化工部的技术改造

对原熔化工部进行了技术改造，两个冲天炉共用一送风管道，启用了闲置几年的5t／h冷风冲天炉。结合5t／h冷风冲天炉的运行效果，把3t／h密筋炉胆式热风冲天炉改造为冷风，取得了良好的效果。     

牵引板球铁铸件的无冒口铸造

不采用传统的冒口补缩工艺,按照均衡凝固原理,采取冷铁与飞边浇道,使牵引板球铁铸件实现了无冒口铸造。     

磷酸铵溶液中不锈钢闸阀的失效分析

采用金相显微镜和扫描电镜,对磷酸铵溶液中发生泄漏的316L不锈钢闸阀进行了宏、微观形貌和显微组织的分析,并用光电直读能谱仪、X射线荧光光谱仪和N H O分析仪对闸阀材质和表面的沉积物进行了化学成分分析.结果表明,该批闸阀的失效是由于材质不符合设计要求、环境介质的电化学腐蚀和结垢引起的.在研究的基础上提出了在该介质条件下防止闸阀失效的相应对策.     

钒和铜对高合金白口铸铁铸态组织及性能的影响

针对磨钼矿用磨球的湿式磨损工矿条件,通过对高合金白口铸铁进行成分设计、材料制备以及相应的性能测试和组织观察,分析了不同配比的Cu和V对高合金白口铸铁铸态组织及性能的影响.研究结果表明,不同的Cu和V含量对高合金白口铸铁碳化物的形态和分布影响不同.含量为1.0%的Cu和V的该合金（12.0%Cr）,其碳化物呈现短杆状、块状,均匀弥散分布于基体中,材料的硬度、冲击韧度和耐腐蚀磨损性能得到有效提高,相对耐磨性比不含Cu、V的普通高铬铸铁（18.0%Cr）约提高了15%.     

Mg,Ca,Y,La和Ce在Ni3Al中的合金化行为

利用Ｘ射线衍射法确定了合金元素Ｍｇ，Ｃａ，Ｙ，Ｌａ及Ｃｅ在Ｎｉ３Ａｌ中的合金化行为。结果表明，Ｍｇ，Ｃａ，Ｙ，Ｌａ及Ｃｅ原子占据Ｎｉ３Ａｌ中的Ａｌ位，并按以下顺序增加Ｎｉ３Ａｌ的有序度：Ｍｇ，Ｃａ，Ｙ和Ｌａ－Ｃｅ。随着合金元素含量的增加，Ｎｉ３Ａｌ的点阵常数亦按Ｍｇ，Ｃａ，Ｙ，Ｌａ－Ｃｅ的顺序呈线性增大。     

群机器人多目标搜索中的合作协同和竞争协同

群机器人进行多目标搜索时,通过任务分工形成多个子群,各子群分别针对一个意向目标协同搜索,故围绕子群协同中存在的合作关系和竞争关系提出控制策略.为进行合作协同,建立子群发言人的动态遴选机制,不同子群的发言人进行通信,交换所属各子群的最优信息,引导本子群的搜索行为;为进行竞争协同,引入承包机制,按子群的优势地位高低决定是承包还是放弃对某些目标的搜索.两类协同控制的仿真结果表明,合作协同扩大了机器人的感知范围,竞争协同降低了空间冲突机率.二者综合作用,明显提高了群机器人的搜索效率.     

基于BP神经网络的排爆机械臂逆运动学分析

机械臂逆运动学是已知末端执行器的位姿求解机械臂各关节变量,主要用于机械臂末端执行器的精确定位和轨迹规划,如何高效的求解机械臂运动学逆解是机械臂轨迹控制的难点;针对传统的机械臂逆运动学求解方法复杂且存在多解等问题,提出一种基于BP神经网络的机械臂逆运动学求解方法;以四自由度机械臂为研究对象,对其运动学原理进行分析,建立BP神经网络模型并对神经网络算法进行改进,最后使用MATLAB进行仿真验证;仿真结果表明:使用BP神经网络模型求解机械臂逆运动学问题设计过程简单,求解精度较高,一定程度上避免了传统方法的不足,是一种可行的机械臂逆运动学求解方法。     

化工材料受热时间与可燃性的关系建模仿真

研究化工材料受热时间与可燃性间的关系,对于提高化工材料质量具有重要作用,传统依据模糊神经网络模型仅在特定温度下塑造化工材料受热时间与可燃性的关系模型,长期受热关系较为复杂,波动呈现较强非线性,模型不能得到在任意受热时间下的化工材料可燃性准确值,不能对化工材料受热时间和可燃性的关系,进行有效的建模分析。提出一种依据前馈式神经网络的化工材料受热时间与可燃性关系模型,依据化工材料受热模型,采用Themecmastor-Z型热加工仿真试验机对化工材料进行不同程度的加热试验,得到不同受热时间、不同受热温度下的可燃性数据,融合可燃性数据以及神经网络,塑造具有前馈式算法的人工神经网络,进行训练后的神经网络则是化工材料受热时间与可燃性的关系模型。实验结果说明,改进神经网络模型具有较高的精度,最大误差为3%,不超过5%,远远低于传统模型,并且所提模型的拟合度为4.3%,可以很好地描述化工材料受热时间与可燃性的复杂关系。     

视频大数据研究综述

科学技术与生产力的发展带来了数据量的高速增长,其中视频图像等多媒体数据占了很大的比重。如何高效处理这些海量数据并从中快速挖掘有价值的信息是当前的研究热点。通常大数据具有四个特点,即数据量大、需要快速响应、数据类型多样和价值密度低。视频大数据同样具有以上特点,但其特殊性在于数据冗余更大,需要进行高效的压缩编码与分析处理。总的来说,视频大数据的研究内容包括了视频数据表示、智能视频分析、视频压缩与传输、视频显示与评价等方面。在发展趋势上,视频数据的表示将向真实感与智能化两个方向发展;智能视频分析技术将会借助深度神经网络获得更准确的识别分类结果;视频压缩技术在提升压缩效率的同时也会探索降低编码复杂度的方法,并通过结合人眼视觉感知特性的编码算法来减少视频大数据的视觉冗余;视频显示设备将伴随着视频数据表示形式的改变而进行相应的升级换代;视频质量的评价准则将由单一的图像质量评价向更加综合全面的用户体验质量评价发展。