困难重重的光交换组件市场

不久前，全光网络的概念已经是很明显的、不可逆转的了。唯一的问题在于：“哪一种元件级的技术最适合于光纤网络？”自从出现光纤网络以来，很多事情已经发生了变化。市场低迷加上从光-电-光到纯光纤技术转变的艰巨任务，已经使人们对全球全光网络的期望冷却下来。光交换机的前景已变得越来越确定，但对于刚刚发展起来的小公司来说，仍在苦苦挣扎之中。JeffMontgomery是美国加州ElectroniCast 公司的创始人兼董事长。他说：“2002年将很难得到基金支持了。因此我们可以看到大量的公司在年底退出市场。同时，我们期望存活下来的公司在2003…     

臂架开裂成因分析

组装在混凝土泵车上的臂架在使用中断裂。采用低倍和断口检验方法，以及相关法和有限元分析法对断裂失效原因进行了分析。结果表明，臂架断裂属疲劳断裂，而焊接缺陷的存在是导致断裂的原因。     

半导体制冷散热强度对制冷性能的影响

通过对半导体制冷电偶对进行传热分析,得到了半导体制冷性能与热端散热强度之间的微分方程。在第三类边界条件下对微分方程进行数值计算和求解得出了散热强度对制冷性能影响的曲线。由此得出：随着散热强度的不断增强,热电制冷的性能逐渐提高,然后就趋于缓慢。从经济性考虑,半导体制冷中存在最佳热端散热强度。所以,在实际应用中应合理优化设计和改进热端散热系统。     

金属线膨胀系数测定仪研究

在金属线膨胀系数测量中,通过引入半导体恒温加热器与温度自动控制电路配合实现温差控制.通过光纤位移传感器测量微小位移.对现有的仪器进行改进,可以更加精确地测定金属线膨胀系数.     

XMLBeans在网元管理中的应用

随着当前通信业务和网络规模的成倍增长．使得电信管理网中网元的数量和类型也在不断的增加。这就导致了在网元管理中需要格式统一、易于探作的接口文件。本文提出了使用XML文档格式来定义网元管理中的接口文件,同时使用XMLBeans工具来探作接口文件。XML文档有着规范而且简单的格式,非常适合于充当网元管理过程中的接口文件,而XMLBeans技术可以简易、高效地操作XML文档。这两种技术的结合可以很好地解决统一文件格式和高效网元管理方面的问题。     

基于改进卷积神经网络的多源数字识别算法

现有的数字识别算法多是对单一类型数字进行识别,无法应对识别多源数字。针对包含手写体数字与数码管数字的字符识别场景,提出一种基于改进卷积神经网络（CNN）的多源数字识别算法。首先,使用从数显仪表生产企业现场采集的样本,结合MINIST数据集,建立起包含手写体和数码管的混合数据集;然后,考虑更好的鲁棒性,提出一种改进的CNN,并用上述混合数据集对其训练,实现了一个网络识别多类型数字;最后,训练好的神经网络模型被成功应用于RoboMaster机甲大赛的多源数字识别场景中。测试结果表明,所提算法整体识别准确率稳定且较高,具有较好的鲁棒性和泛化能力。     

基于分布共识的联邦增量迁移学习

相同生产工艺的工业过程协同建模是解决工业难测参数在线软测量的有效方法,但因生产原料、设备等因素差异,所形成的分布式数据往往呈现非独立同分布特性(Nonindependent Identically Distribution, Non-IID).同时,受生产环境变化影响,数据分布特性会随时间发生变化.因此,工业建模场景对模型的个性化配置和自主调整能力提出了更高的要求.为此,本文提出一种结构与参数并行优化的联邦增量迁移学习方法(Federated Incremental Transfer Learning, FITL).所提方法在增量式联邦学习框架下,建立了基于模型输出信息的联邦共识组织,并利用横向联邦进行组内增强;进而,面向联邦共识组织,通过最小化组间共识差异增量迁移不同共识组织信息;最后,结合组内横向增强和跨组织迁移学习,构造增量迁移下的联邦学习模型.在工业数据集和基准数据集上的实验结果表明,与现有方法相比,所提模型能更好地实现不同工况Non-IID情况下的协同建模.在过程工业回归任务和公开数据集的分类任务中,FITL能在多工况环境下相较基线方法提升9%和16%的模型预测精度.     

镁合金表面类金刚石膜的研究进展

类金刚石碳(DLC)膜具有高硬度、低摩擦系数、强化学惰性及生物相容性好等优异性能,镁合金表面制备DLC膜可极大地改善基体的使用性能。综述了采用不同制备技术在镁基体表面获得的多种DLC膜系的抗磨损及耐腐蚀性能,并展望了DLC膜表面改性镁合金的医用前景,指出镁合金表面制备DLC膜是其表面改性技术中具有前景的一个研究方向。     

带钢欠酸洗质量问题分析

通过分析带钢欠酸洗的所有可能原因,在实际生产中,对照现象找问题、定措施,有效地解决了带钢欠酸洗的质量问题。     

数据驱动的最优运行状态鲁棒评价方法及应用

在现代复杂工业生产过程中, 细致而稳健的运行状态评价及非优因素识别对指导工业生产具有十分重要的实际意义.考虑到复杂工业过程难以建立准确的数学模型和实际工业过程数据噪声及离群点污染比较严重的问题, 本文提出一种全潜鲁棒偏M估计的复杂工业过程最优状态的鲁棒评价方法.在建立离线评价模型时, 通过对过程数据主元和残差子空间的进一步分解, 提取出能够反映与原材料、生产消耗和产品质量等因素相关的经济指标的变化信息, 同时采用样本数据加权的方法消除离群点对评价模型的不利影响, 提高算法的鲁棒性; 在线评价时, 针对生产过程中存在不确定性因素, 引入在线数据窗口及相似度分析进行在线评价, 并给出在线评价的准则和流程, 提高评价结果的可靠性, 当评价结果非优时, 通过计算相应变量的贡献率识别非优因素.最后, 通过重介质选煤过程验证了所提方法的有效性.