不锈钢板热处理过程温度测定及模拟计算

根据不锈钢板热处理过程的温度变化测定，考察了钢板头部横向和厚度方向的温度差别，采用有限元法拟合计算了炉内热交换参数，模拟计算了不同厚度的钢板升温至固溶温度所需时间。     

Ca对Mg-4Al-1RE合金的组织和力学性能的影响

通过配置6种成分的合金进行的试验发现，铸态AE41合金的显微组织具有典型的树枝晶特征，由α-Mg基体和针状的Al110RE3相组成。AE41合金中加入少量的Ca后，合金的组织得到了细化，同时有新的热稳定相Al2Ca形成。Al2Ca有两种形貌：一种是骨骼状，主要沿晶界分布；另一种呈颗粒状，主要存在于晶粒内部。加入Ca后合金的室温和高温屈服强度以及高温瞬时抗拉强度得到改善，但是同时也降低了合金的塑性。     

基于SPI双机通信的弧光保护系统

针对弧光保护系统的实际需要,设计了一种基于SPI的双机通信系统。简要阐述了该系统的设计思路,并给出了具体的实现方法。实验表明,采用该方法能够满足实际工程中的需求,对于其他SPI的应用也有很好的借鉴价值。     

电传动履带车用PMSM控制算法模型化设计与验证

以电传动履带车辆驱动电机控制算法设计为研究目的,提出了一种由图形化模型直接生成代码的编程方法,基于Matlab/Simulink构建了永磁同步电机矢量控制算法模型,在大量仿真分析后,运用实时工具箱自动生成了嵌入式C代码并选用电机专用型DSP实施了处理器在环的半实物测试。测试结果表明,算法调度运行时间最长为7.1633us,代码与算法模型间具有较高的功能等效性,该编程方法简单直观、易于调试、运行稳定,为电传动履带车辆电机驱动系统的软件开发提供了有效途径。     

基于结构组稀疏表示的遥感图像融合

目的 稀疏表示在遥感图像融合上取得引人注目的良好效果,但由于经典稀疏表示没有考虑图像块与块之间的相似性,导致求解出的稀疏系数不够准确及字典学习的计算复杂度高。为提高稀疏表示遥感图像融合算法的效果和快速性,提出一种基于结构组稀疏表示的遥感图像融合方法。方法 首先,将相似图像块组成结构组,再通过组稀疏表示算法分别计算亮度分量和全色图像的自适应组字典和组稀疏系数;然后,根据绝对值最大规则进行全色图像稀疏系数的部分替换得到新的稀疏系数,利用全色图像的组字典和新的稀疏系数重构出高空间分辨率亮度图像;最后,应用通用分量替换（GCOS）框架计算融合后的高分辨率多光谱图像。结果 针对3组不同类型遥感图像的全色图像和多光谱图像分别进行了退化和未退化遥感融合实验,实验结果表明：在退化融合实验中,本文方法的相关系数、均方根误差、相对全局融合误差、通用图像质量评价指标和光谱角等评价指标比传统的融合算法更优越,其中相对全局融合误差分别是2.326 1、1.888 5和1.816 8均远低于传统融合算法;在未退化融合实验中,除了在绿色植物融合效果上略差于AWLP（additive wavelet luminance proportional）方法外,其他融合结果仍占有优势。与经典稀疏表示方法相比,由于字典学习的优越性,计算复杂度上要远低于经典稀疏表示的遥感图像融合算法。结论 本文算法更能保持图像的光谱特性和空间信息,适用于不同类型遥感图像的全色图像和多光谱图像融合。     

聚类算法在高脂血症辨证分型研究中的应用

高脂血症的辨证分型标准化研究是中医基础研究的热点与难点,利用计算机挖掘技术中的聚类算法对高脂血症临床中医症状数据进行分析,得到具有统计学意义的分类结果,同时寻找其与中医证候相对应的关系具有重要研究价值.通过编写适用于中医证候分类的聚类算法并提供设置相似度阈值等交互界面,实现了大规模样本的自适应分类,从而使聚类结果更加科学客观.将得到的每个类别中所对应样本的病症特征与所属中医的证候类别联系起来,为辨证分型标准化奠定了基础.     

超球体多类支持向量机理论

目前的多类分类器大多是经二分类器组合而成的,存在训练速度较慢的问题,在分类类别多的时候,会遇到很大困难,超球体多类支持向量机将超球体单类支持向量机扩展到多类问题,由于每类样本只参与一个超球体支持向量机的训练.因此,这是一种直接多类分类器,训练效率明显提高.为了有效训练超球体多类支持向量机,利用SMO算法思想,提出了超球体支持向量机的快速训练算法.同时对超球体多类支持向量机的推广能力进行了理论上的估计.数值实验表明,在分类类别较多的情况,这种分类器的训练速度有很大提高,非常适合解决类别数较多的分类问题.超球体多类支持向量机为研究快速直接多类分类器提供了新的思路.     

遥感图像非监督计算机分类方法的研究

通过对几种常用的非监督计算机遥感图像分类方法,如k-means、层次聚类和神经网络的分析研究发现,由于这些方法不能克服数据噪声点的影响,输出结果对输入参数依赖性较大,使其对图像的分类效果受到影响。为了提高图像的非监督分类效果。本文提出了一种基于密度和自适应密度可达聚类算法。实验分析表明,与常用的分类方法相比,该算法具有良好的分类效果。