厚壁方矩形管冷弯效应对比分析

为了对厚壁型钢管的冷弯工艺改进、性能分析、结构强度设计和数值模拟结果的验证提供重要依据,进行了冷弯厚壁钢管上截取的平板件、弯角件、母材和相应方、矩形截面短柱的力学性能试验研究,获得了短柱全截面屈服强度相对于母材强度的提高值。分别运用北美等国厚壁冷弯型钢规范、国内薄壁冷弯型钢规范以及相关文献中的修正规范,对我国厚壁冷弯方矩形型钢管全截面强度进行设计和对比分析。结果表明:因冷弯工艺不同,国外公式计算的结果高于国内短柱实测值,国内厚壁冷弯型钢的强度设计不能照搬现有的国外厚壁冷弯型钢设计规范;国内薄壁公式能否适用要视型钢的冷作硬化效应程度决定;原料的强屈比和冷弯应变程度越大,则冷作硬化效应越大;焊接热使板件受到低温"退火"的作用不可忽略,其常常导致竖直配辊冷弯厚壁矩形型钢时,两竖直侧平板件强度低于母材。     

通过阵列传感器获取固定板声辐射模态伴随系数

以固定支撑板为例,提出一种阵列式压电式传感器的设计方法测量前三阶声辐射模态幅值.在振动板表面布置一组形状相同的矩形PVDF(Polyvinylidene fluoride聚偏氟乙烯)薄膜作为传感器,根据所需要的声辐射模态伴随系数,通过对PVDF传感器阵列输出信号设计的加权系数,使PVDF传感器阵列输出信号为相应的声辐射模态伴随系数.结果表明这种PVDF传感器阵列设计与外激励力性质(如激励力类型、频率以及位置)无关,而且适用任意边界条件板结构.     

MHD角速度传感器磁场设计研究

MHD角速度传感器是在轨进行高精度角颤振测量的关键器件。通过对2种MHD角速度传感器进行对比研究,确定径向磁场方式的传感器为更适宜我国当前空间发展需要的MHD角速度传感器。并设计了其径向磁场结构,获得在导电流体间隙处需要的磁感应强度,测试结果与模拟设计结果一致,为MHD角速度传感器研制奠定了一定的基础。     

不同改性方式对发泡剂在铝熔体中分散性的影响

采用新型发泡剂制备了泡沫铝,研究了包覆改性和混合改性两种改性方式对新型发泡剂在铝熔体中分散性的影响。结果表明,采用Al溶胶和Si溶胶对新型发泡剂进行包覆改性处理,发泡剂分散性差,所制备的泡沫铝存在较多大孔和裂纹;采用TiB2粉末和AlSi合金粉末混合改性处理新型发泡剂时,发泡剂分散性良好,并且随着TiB2和AlSi含量的增加得到的泡沫铝样品裂纹明显减少、泡体趋于均匀,但孔隙率逐渐降低。相比较而言,合金粉末混合改性法比溶胶包覆改性法使发泡剂的分散更均匀,制备的泡沫铝裂纹较少,且泡体结构较均匀。     

温度作用下大直径钢筒仓热力耦合屈曲分析

落地式钢筒仓仓壁直接支承于混凝土环梁基础上,这种仓壁与基础的连接方式会使温度作用下筒仓根部产生显著的温度应力和变形,并对筒仓的屈曲性能产生影响.按照欧洲规范EN 1993-1-6推荐的5种壳体屈曲分析方法,分析太阳辐射作用下产生的非均匀温度场对大直径落地式平底圆柱钢筒仓稳定性的影响;并与均匀温度作用和无温度作用时筒仓的...     

广义预测控制中闭环系统稳定新的充分条件

基于被控对象的离散差分方程推导出广义预测控制中闭环系统特征多项式的阶数,然后给出一个新的保证闭环系统稳定的充分条件.     

一种基于肤色的人脸检测与定位方法

结合肤色信息与人脸几何分布特征,提出了一种快速的基于人脸特征的检测与定位方法。在标准RGB彩色空间,通过肤色轨迹进行肤色像素与嘴唇像素提取,根据提取的肤色区域是否有嘴唇像素可初步排除一些非人脸区域;利用人眼较高的蓝色分量及瞳孔反光形成的亮斑,在标准RGB色彩空间的B分量图中通过区域增长法产生潜在眼睛区域,利用人眼与嘴唇的面部几何分布特征,提出一些新的规则判断提取的肤色区域是否为人脸,如果是人脸,则对眼睛进行定位。实验结果表明,提出的方法是健壮的、有效的。     

基于XML菜谱可定制的Android点菜系统的设计与实现

对Android餐饮点菜系统设计可定制的端菜谱设计,餐厅操作员可以可视化的菜谱设计界面直观拖曳控件生成An-droid端的菜谱布局,可设置相应的组件属性、文字样式以及动作参数等,并保存为XML结构的布局文件。 Android端通过下载解析该布局XML文件生成匹配的Android组件,从而大大缩短平板设备菜谱更新的周期以及降低开发成本。     

基于并行运算的双层图像锐化方法

针对低清晰度照片或图像放大后边界模糊、画质差及人们对高清图像的实际需求,基于统一计算架构(CUDA)环境,提出了一个两层结构的图像并行锐化方法,设计并实现了一个基于GPU的并行锐化算法：第一层采用并行线性插值法,反复对图像非边界部分进行计算以及边缘区域锐化处理;第二层采用改进的梯度法对图像进一步优化。放大后的图像经该方法处理后,基本上可消除图像边缘区域的锯齿,使图像画质平滑、自然、清晰。经实验验证,设计的基于GPU的并行锐化算法在效率和画质上都优于目前流行的算法,提出的方法可应用于现有图像及照片放大后处理。     

联邦学习中的隐私保护技术研究综述

近年来,联邦学习成为解决机器学习中数据孤岛与隐私泄露问题的新思路。联邦学习架构不需要多方共享数据资源,只要参与方在本地数据上训练局部模型,并周期性地将参数上传至服务器来更新全局模型,就可以获得在大规模全局数据上建立的机器学习模型。联邦学习架构具有数据隐私保护的特质,是未来大规模数据机器学习的新方案。然而,该架构的参数交互方式可能导致数据隐私泄露。目前,研究如何加强联邦学习架构中的隐私保护机制已经成为新的热点。从联邦学习中存在的隐私泄露问题出发,探讨了联邦学习中的攻击模型与敏感信息泄露途径,并重点综述了联邦学习中的几类隐私保护技术：以差分隐私为基础的隐私保护技术、以同态加密为基础的隐私保护技术、以安全多方计算（SMC）为基础的隐私保护技术。最后,探讨了联邦学习中隐私保护中的若干关键问题,并展望了未来研究方向。