锆合金表面Mo/Al/Cr复合涂层的抗高温水蒸气氧化性能

锆合金是重要的核燃料包壳材料,在包壳表面沉积抗高温水蒸气氧化涂层是在失水事故中避免核泄漏的有效途径,然而涂层在高温氧化过程中存在氧化产物不稳定及界面扩散问题。用磁控溅射的方法在Zr-4合金表面沉积Mo/Al/Cr复合涂层,拟利用Al层生成氧化铝提升抗氧化温度上限,利用Mo层阻挡Al与Zr-4基体的扩散。用SEM表征涂层的表面及横截面形貌,利用XRD分析涂层物相结构,用纳米压痕的方法评价涂层的力学性能,用管式炉连接水蒸气发生器来评价涂层的抗高温水蒸气氧化性能。结果表明：在锆合金表面制备的Mo/Al/Cr复合涂层与基体结合良好,结构完整,界面清晰,硬度高于Zr-4合金基体。在高温水蒸气氧化试验中,复合涂层中的Al会发生熔融,导致涂层结构的破坏而不能生成连续致密氧化铝膜。在Cr层、Al层失效的情况下,Mo层可以有效阻挡Al及O元素向基体内部扩散。探讨了Al作为抗氧化层及Mo作为扩散阻挡层的可行性,试验结果可为核燃料包壳涂层的设计选材提供借鉴和支撑。     

近似计算B_2键能的一种新方法

借助平均电势能密度理论,将氢分子成键模型推广到硼硼体系,得到了硼硼体系键能与其结构之间的方程式,通过求解该方程式,得到硼硼键键能为De=294 kJ/mol,理论值与实验值吻合的比较好,成键模型直观,物理意义清晰明确,计算中不含任何人为性参数。     

双氧泵在线倒炉实施及运行总结

本文介绍了仅用两台液氧泵打破常规倒炉法的背景、思路及实施过程。该方法通过降低系统负荷停一对烧嘴减少用氧量后进行备用炉投料,待并气后再停另一对烧嘴的方式,成功实现了在线倒炉,并快速恢复正常生产负荷,有效为公司节能降耗,增产创效,切实达到了生产系统安全稳定长周期运行的目的。     

基于语音识别和无线传感网络的智能家居系统设计

基于语音识别技术和无线传感网络,设计了一套能够通过远程语音遥控进行便捷控制的智能家居系统;分析了语音识别技术的基本原理和无线传感网络在智能家居中的应用,重点阐述了系统的设计方案以及主要硬件组成和软件设计思路;通过对特定人语音识别的训练和测试,该系统能够以较高的识别率和灵敏度完成对智能家电的远程控制;系统实时输出识别结果,识别速度快,抗干扰能力强,识别率可以达到98%,在语音远程控制领域具有广阔的市场前景和应用推广价值。     

过渡层对TC4钛合金基类金刚石多层薄膜磨损特性的影响

在钛合金(TC4)表面制备类金刚石(DLC)薄膜是提高其耐磨损性能和使用寿命的一种有效方法。本文采用磁过滤阴极弧源技术在钛合金表面上制备软硬相间的类金刚石多层薄膜、Ti和Ti/TiC过渡层组成的类金刚石多层薄膜。利用光学显微镜和扫描电镜分析多层膜表面外观形态,并使用台阶仪、纳米压痕仪、摩擦实验机等分析多层膜的残余应力、纳米硬度、膜基结合力和摩擦磨损特性。研究结果表明：DLC多层薄膜的残余应力均低于单层DLC薄膜,残余应力从12.63 GPa降低到6.21 GPa,增加Ti/TiC过渡层的DLC多层薄膜的残余应力最小。压痕结合力研究结果表明,加入Ti/TiC过渡层的DLC多层薄膜的结合状况得到了显著提高。Ti/TiC过渡层构成的类金刚石多层薄膜,有较大的硬度和良好减摩耐磨性能。试验结果将为TC4钛合金基体上制备硬质耐磨损DLC多层薄膜提供技术方案和理论依据。     

基于介词用法的事件信息抽取研究

事件信息抽取是目前信息抽取领域的主要研究方向,为了提高事件信息抽取的准确率,提出一种基于介词用法的事件信息抽取方法.通过对介词用法的研究,掌握了不同介词用法在语言结构中的不同作用,以介词用法信息为背景,完成抽取规则编写.针对规则,完成抽取系统的编写,以达到理想的抽取结果.采用郑州大学提供的语料,通过大量实验,结果准确率、召回率及F值分别达到90.88％、86.92％、88.86％,表明了该方法的有效性.     

规则与统计相结合的介词用法自动识别研究

对介词用法自动识别的研究是现代汉语虚词用法知识库建设的重要组成部分.在已有工作的基础上,分析对比了规则方法与统计方法的优劣,提出一种规则与条件随机场统计模型相结合的介词用法自动识别算法.该算法在2000年2月-5月《人民日报》语料的介词用法自动识别测试中,准确率比单独使用规则方法和统计方法分别提高了14.64％及5.22％.     

嵌入式系统创新实验室建设与实践探索

"嵌入式系统"是一门实践性相当强的课程,依托南京邮电大学自动化省级实验教学示范中心以及智能电网信息工程省级综合训练中心,结合电气信息类专业的"嵌入式系统"相关课程设置,通过建立嵌入式创新实验室及嵌入式模块化实验教学平台,构建了多种实训环节相结合的循序渐进的嵌入式系统实践教学体系,探索了创新实验室的开放运行管理机制,强化了对学生创新能力的培养。     

基于改进邻域空间的高维混合数据特征选择算法

作为数据挖掘领域中一项重要的数据预处理技术,特征选择算法能够有效应对高维数据带来的“维数灾难”问题.然而,如何对高维的混合数据进行特征选取仍然是当前研究的重点和难点之一.基于邻域关系的邻域粗糙集模型因其能够处理名词型属性与数值型属性并存的混合数据,已成功应用于混合数据的特征选择.但是,现有邻域粗糙集对混合数据邻域关系的度量,仍然是基于等价关系的名词型数据划分与基于相似关系的数值型数据划分的简单融合,在利用模型划分的邻域空间和预定义的评价函数对高维混合数据进行特征选取时,适应性较差.为此,在邻域粗糙集模型的基础上,提出一种改进的邻域空间构造方法,并设计相应的邻域空间度量公式作为判别指标,自适应地调节邻域空间下邻域粒的大小;为了准确地表征高维混合数据邻域空间的判别能力,设计一种考虑边界数据和邻域空间大小的评价函数;在此基础上,提出一种启发式的高维混合数据特征选择算法.通过UCI标准数据集验证所提出算法的有效性.