纳米TiN改性金属陶瓷刀具的磨损性能

Ti(C,N)基金属陶瓷由于具有优良的综合性能因而被广泛用作刀具材料。本文探讨了纳米 Ti N对 Ti C基金属陶瓷刀具显微组织的影响 ;还研究了它与 Ti(C,N)基金属陶瓷刀具 (cermetμm,下同 )及 YG8刀具在切削灰铸铁时的磨损曲线及磨损机理。结果表明 ,纳米 Ti N改性 Ti C基金属陶瓷刀具 (cerm etnm,下同 )的效果显著 ;与 cermetμm刀具及 YG8刀具相比 ,cermetnm刀具具有更高的寿命与耐磨性 ;崩刃是 cermetnm刀具主要的失效形式     

(Ti,Mo,W,Ta,V,Nb)(C,N)多元陶瓷相的价电子结构

运用固体与分子经验电子理论(EET理论)计算了(Ti,Mo,W,Ta,V,Nb)(C,N)多元陶瓷相的价电子结构.结果表明,价电子结构参数(nA)随碳化物添加量的增加而增加.不同碳化物对价电子结构参数的影响不同,其中VC的影响最为显著.价电子结构参数(nA)可以用来评价金属陶瓷的力学性能,提出了相关的判据关系式.     

基于AVS的变换域帧内转码研究

根据MPEG-2与先进音视频编码（AVS,Advanced Coding of Audio and Video）标准在帧内预测中的不同点,介绍了一种基于变换域的帧内预测转码算法。新算法提出一种新的变换域转码结构,通过矩阵变换计算出AVS帧内预测的各种模式所对应的离散余弦变换（DCT,Discrete Cosine Transform）预测矩阵,推导出DCT域到AVS整数变换域的系数转换矩阵,同时给出DCT域内预测矩阵转换所需的运算量。实验结果表明,提出的帧内预测转换方法可以使计算复杂度降低50%,达到实时转码的要求。     

一种新型的视频序列运动目标检测方法

针对传统运动目标检测方法的不足,提出一种新型的背景减法和背景更新相结合的运动目标检测方法。在该方法中,首先应用动态阀值背景减法能很好地弥补固定阀值背景减法容易造成误判的不足,实现绝大部分运动像素的提取;接着基于双阀值计数的局部背景更新策略能及时更新背景,克服传统背景更新方法的缺点;最后运用多次形态学处理去除各类噪声,并起到磨光图像边缘的效果。实验结果表明,所提出的新方法运算复杂度低,能够在复杂的背景环境下很好地检测出运动目标。     

虚拟样机技术及其在印刷机械行业中的应用研究

随着我国社会经济的迅速发展,在激烈的市场竞争环境中,印刷机械要想进一步提升市场竞争力必须要不断提升产品质量、缩短更新周期、降低研发成本。在这一迫切需求下,虚拟样机技术为代表的计算机技术不断发展并应用与印刷机械行业中。对此,本文就虚拟样机技术进行简单的阐述,然后对其在印刷机械行业中的应用进行简单的分析与研究并提出一些可供参考的意见与措施。     

厚度的阶梯性变化对远红外高反射光子晶体带隙的调制研究

利用特征矩阵法,研究了光波正入射时,厚度的阶梯性变化对远红外高反射光子晶体带隙的影响。结果表明,随着高折射介质层厚度的阶梯性增加,光子晶体高反射带的起始波长和截止波长都逐渐向长波方向移动,高反射带宽度也逐渐增大。高反射带起始波长、截止波长和高折射介质层厚度变化之间的关系可以分别利用一次方拟合表示,而高反射带宽度则需要利用二次方拟合才能达到理想的结果。     

一种有效的隐式约束动力学布料动画方法

布料动画中,通常采用施加约束的方式限制布料的过度拉伸.已有的研究工作没有充分考虑拉伸约束与弯曲形变之间的关系,构造的动画模型并不完善,无法模拟布料无拉伸而多褶皱的“刚柔”相混的复杂变形效果.针对此问题,提出一种基于隐式约束力的布料动画方法.首先,建立有效的布料弯曲受力模型,并提出一种动态适应性约束方法,能够同时处理布料运动过程中结构和剪切2种不同类型的拉伸,避免单一结构拉伸约束导致的“过剪切”变形或者过约束导致的“刚性”失真效果;建立碰撞约束,避免局部调整穿透质点引起的过度拉伸问题.其次,将各种约束以隐式约束力的形式增加到动力学系统中,采用约束型迭代精化的方法进行求解.实验结果表明,该方法稳定有效,能够在保持布料弯曲形变的前提下,将拉伸控制在合理范围内,真实地刻画布料“易弯抗拉”的变形特征,实现逼真的布料变形动画模拟.     

一种改进的基于FFT弱信号捕获算法

提出一种基于FFT弱信号的中频信号块累加的差分相干累积算法。新算法利用中频信号块累加在中频信号FFT之前进行累加,减少相干运算量;利用差分相干累积在IFFT之后进行累积,消除平方损耗,解决了传统的基于FFT弱信号捕获时相干积分运算量过大和非相干累加算法引起的平方损耗问题。仿真实验表明该算法完成了对输入信噪比为－39 dB/2 MHz的信号的快速准确捕获,减少相干运算量,消除了平方损耗,提高了信噪比。     

一种基于视频数据的服装显著性预测方法

人眼视觉注意机制表明当人眼观察目标时,注意力只会放在少数感兴趣的区域, 而自动忽略视野中大部分不感兴趣的其他区域。研究人类视觉注意机制,并构建有效的服装显 著性预测模型,可在后期用于指导更加逼真有效的服装运动建模,提高模拟效率。为此,对着 装人体运动视频数据进行分析,构造了种类多样的视频样本,并利用眼动技术采集真实人眼的 注视数据,采用高斯卷积生成视频帧的显著图作为训练模型所需的 Ground-truth。在进行视频特 征提取时,结合了底层图像特征、高层语义特征以及运动特征,共同构造特征向量和标签,并 通过支持向量机(SVM)训练得到基于服装视频的显著性预测模型。通过实验验证,该方法的性 能在服装显著性预测时,优于传统的显著性预测算法,具有一定的鲁棒性。     

基于残差注意力网络的地震数据超分辨率方法

地震数据在油气勘探、地质勘探领域发挥着至关重要的作用。精确详细的地震数据有助于对油气勘探做出精确指导,减小勘探的风险,从而产生巨大的社会效益和经济效益。在提升地震数据分辨率方面,现有的方法在面对海量数据时,在高分辨恢复、去噪性能和效率上效果欠佳,难以恢复出细节丰富的地质信息,无法满足实际需求。地震数据能够反映地质构造以及地层的组成,具有局部相关性高、全局相关性低的特点。同时,地震数据高频部分通常蕴含着地质勘探等重要信息,如分层、断层信息等。针对地震数据的特点,文中将地震数据重建问题转化为图像超分辨率问题,提出了采用基于生成对抗网络的地震数据超分辨方法。针对地震数据分布具有局部相关性高、全局相关性低的特点,设计残差注意力模块,挖掘地震数据的内在相关性,通过训练含有相对生成对抗损失函数的生成对抗网络模型,来对地震数据进行超分辨率恢复,以得到更加精确的地震数据。在真实的地震数据集上进行了实验验证,结果表明,所提方法在地震数据超分辨上效果良好,在性能指标PSNR和SSIM上有3%～4%的提升,具有较强的实用性。