微区电化学测量技术及其在腐蚀中的应用

综述了近几年来用于研究金属腐蚀的几种微区电化学测量技术,重点介绍了扫描电化学显微镜技术及其应用,并对它未来的发展趋势进行阐述。     

静载试验在确定单桩竖向承载力中的应用

某工程的地基土中遍布墓坑,且埋置较深,地下部分处理起来非常困难,若按当地的习惯做法,应采用干作业成孔灌注桩,但是其桩长将很长,浪费的人力、物力会比较大。采用新型的复合载体夯扩桩,不但可以满足基础安全度的要求,还可以节约可观的基础投资。经过现场的静荷载试验,证实了设计人员对桩端承载力以及沉降变形的预测是准确的,说明复合载体夯扩桩基形式不但安全,而且还更经济。     

高钨不锈钢合金电镀硬铬工艺

为了在高钨不锈钢基体上获得符合技术要求的电镀硬铬层,研制了一种特殊的镀铬新工艺.由于高钨不锈钢合金零件表面具有比一般不锈钢更不易活化的特性,采用前处理以及特殊的电镀方法能有效地解决这个问题.经试验得出的在高钨不锈钢合金上电镀铬层的各项性能数据均符合QQ-C-320的技术要求.实践证明,该工艺能较好地指导实际生产.     

飞机零件氨基磺酸盐电镀镍修复工艺

飞机零件工作环境的特殊性要求尽量降低表面处理过程所带来的脆性及应力.氨基磺酸盐电镀镍工艺镀层内应力小、沉积速度快,且具有较好的结合力,可以很好地应用于飞机零件维修.氨基磺酸盐电镀镍的工艺规范为:氨基磺酸镍≥322.50g/L,硼酸≥30.00g/L,氯离子3.38～4.88g/L,pH值3.0～5.0,温度50～60℃,电流密度6～9A/dm2.在此较佳工艺条件下处理的试件经190℃,23 h以上除氢后,所处理的零件符合各项技术要求.     

某煤矿主采煤层自燃监测与防灭火技术研究

某煤矿4-1号煤层工作面中顶板出现自燃征兆,因此,对该煤层进行自燃倾向性研究,结果表明,4-1号煤层煤样临界温度为108.2℃,煤层最短自燃发火期为39 d,自燃倾向性等级属Ⅰ类。并对煤矿主采煤层采用防罗克休泡沫防灭火技术,可消除4-23102风巷高温点的自燃隐患。     

浅谈高锰酸盐指数测定影响的若干因素

为了准确测定高锰酸盐指数,文中从试剂的配制、蒸馏水水质、空白值、滴定速度、水浴的温度、加热的时间、样品酸度、滴定终点的判断等诸多因素,会影响测定结果,实验操作中,应控制好上述因素的关键点,以提高测试的准确性。     

油田配网补偿电容器串联电抗器产生谐振的探讨

本文主要介绍了采油五厂在电容补偿器串联电抗器时发生的谐振进行了分析。提出了防止谐振的措施对补偿电容器及串联电抗器长期容许高次谐波电流值进行了计算。     

基于结构功能交叉神经网络的多模态医学图像融合

针对多模态医学图像融合中存在纹理细节模糊和对比度低的问题,提出了一种结构功能交叉神经网络的多模态医学图像融合方法。首先,根据医学图像的结构信息和功能信息设计了结构功能交叉神经网络模型,不仅有效地提取解剖学和功能学医学图像的结构信息和功能信息,而且能够实现这两种信息之间的交互,从而很好地提取医学图像的纹理细节信息。其次,利用交叉网络通道和空间特征变化构造了一种新的注意力机制,通过不断调整结构信息和功能信息权重来融合图像,提高了融合图像的对比度和轮廓信息。最后,设计了一个从融合图像到源图像的分解过程,由于分解图像的质量直接取决于融合结果,因此分解过程可以使融合图像包含更多的细节信息。通过与近年来提出的7种高水平方法相比,本文方法的AG,EN,SF,MI,Q^AB/F和CC客观评价指标分别平均提高了22.87%,19.64%,23.02%,12.70%,6.79%,30.35%,说明本文方法能够获得纹理细节更清晰、对比度更好的融合结果,在主观视觉和客观指标上都优于其他对比算法。     

基于规则的汉语兼类词标注方法

针对目前汉语兼类词标注的准确率不高的问题,提出了规则与统计模型相结合的兼类词标注方法。首先,利用隐马尔可夫、最大熵和条件随机场3种统计模型进行兼类词标注;然后,将改进的互信息算法应用到词性(POS)标注规则的获取上,通过计算目标词前后词单元与目标词的相关性获得词性标注规则;最后,将获取的规则与基于统计模型的词性标注算法结合起来进行兼类词标注。实验结果表明加入规则算法之后,平均词性标注准确率提升了5%左右。     

一种用于不平衡数据的分类算法

为提高不平衡数据集中少数类的分类性能,本研究提出一种改进的AdaBoost算法(UnAdaBoost算法)来解决数据不平衡问题。该方法首先改进基分类器,使其在损失一定程度的多数类分类性能的情况下提高少数类的分类性能,而多数类分类性能的损失可通过后面的多个分类器集成弥补回来,这样既提高了少数类的分类性能又不会损失多数类的分类精度。本研究把改进的朴素贝叶斯方法作为基分类器,用改进投票权值的AdaBoost算法对基分类器进行融合。实验结果表明,与传统的Adaboost算法相比,该方法可以有效地提高不平衡数据的分类性能。