TC4合金激光焊接工艺参数与接头组织性能研究

用OM、SEM等手段分析了不同激光焊接工艺参数下焊缝成形和其微观组织特征，并测试了焊缝的力学性能。结果表明：0．8mm厚钛合金板激光穿透焊离焦量范围约在-2mm～＋2mm之间，最佳离焦量为-0．5mm。随焊接线能量的增大，焊缝熔宽和背面宽度都呈增大趋势，且背面宽度的增加更为显著。TC4合金焊缝为针状马氏体α′组成的网篮组织。随着焊接热输入量的增加，马氏体的形态由平行的单相针转变为多相针，分布更加密集和散乱。不同焊接工艺参数下接头的强度均高于母材，塑性低于母材。     

雷达天线座静压轴承的可视化设计

本文通过对雷达天线座液体静压轴承的受力分析与结构设计，利用可视化编程工具Visual Basic6.0编制了一套快捷，实用的垫式静压轴承及节流器的设计软件，应用表明，该软件有助于提高设计效率和质量。     

针对民航空中管制通信系统可靠性的研究

随着我国民航事业的发展,飞行流量也随之增大,因此对于航空管制部门的要求也越来越严格,对于通信系统的质量要求也随之提高,在甚高频设备的数量和使用频点不断提升的过程中,无线电通讯系统也有明显的增加,因此无线电干扰问题日益严重,逐渐成为了民航空中管制通信系统中的难题。     

一体化小桥式称重传感器的设计

电子称量系统在各个称量领域的应用极为广泛,而桥式称重传感器是电子称量系统的核心元器件。一体化小桥式称重传感器是将底座与弹性体合为一体来大大缩小传感器的几何形体,并将传感器的自重大幅度降低的一种设计方法。这样更便于电子称量系统的安装和维护,缩短电子称量系统的安装和维护周期。     

基于Struts＋Spring的动态概率选课系统设计

分析当前学院的.NET平台的选修课系统存在的问题：选课系统采用先到先服务的算法,当学生大量选课时会导致服务器负载加重,产生拒绝服务的现象。在分析多志愿分级处理算法、基于神经网络选课系统的特点和学院自身特点的基础上,提出以动态概率实时抽签算法解决学生选课公平性问题,选课系统采用J2EE平台的Struts框架和Spring技术,这种MVC系统结构的采用不仅实现功能模块和显示模块的分离,同时它还提高应用系统的可扩展性、可移植性和组件的可复用性。采用UML面向对象分析与建模的思想,实现本校选课系统的优化,提升系统运行的效率,并实现良好的选课管理的功能。     

通信基站智能换热设备

伴随着社会的不断发展,手机已经成为人们生活中不可或缺的一部分。手机的业务量需求在不断增加,运营公司的基站规模、设备数量也在不断扩大。现实中,绝大多数的通信基站均采用无人值守,为了保证通信设备长期正常地运行,使基站处于标准的环境温度,是非常必要的,所以几乎每个通信基站都配备了空调,而这些空调长年处于运行状态,电费支出不断增大,极大造成了电力资源的浪费。     

动态描述逻辑的可拓集合扩展

通过对可拓集合与经典集合、模糊集合的分析比较,说明可拓集合的特点和优点,用可拓集合代替经典集合或模糊集合作为动态描述逻辑DDL的集合论基础,对DDL进行扩展,生成了一种新的描述逻辑DDES,并给出了DDLES中概念、关系和实例的描述形式以及它们的语义解释,最后对传统描述逻辑ALC、模糊DDL和DDES中的Abox形式进行了比较.     

授权中异常冲突的一种解决方法

冲突检测和解决是访问控制授权中的重要问题.对这些问题的探索我们通过研究方法比较进行.首先研究基于逻辑程序的一种授权系统规范,然后通过一个保健部门的典型问题来分析基于传统优先和组织结构的两种冲突解决方案,最后提出基于逻辑程序LPOD(带有序析取的逻辑程序)的针对高水平授权规范中异常冲突的一种解决方法.     

一种嵌入式的实时视频采集系统

设计实现了一种智能移动机器人的前端视频采集系统,该系统采用视频解码芯片SAA7111A和灵活可配置的FPGA芯片实现了实时的视频采集,满足了机器人后续视频处理的需要.实验证明:该系统具有结构简单、可靠性高、使用灵活和性价比高等优点.     

Re-YOLOv5:一种基于结构重参数化的钢材缺陷检测方法

钢材在生产的过程中很容易产生裂纹、斑点等缺陷,而目前对于所产生缺陷的检测技术还不是很成熟。为了实现对工业钢材生产过程中所产生的钢材缺陷进行实时鲁棒检测,以YOLOv5为基础,引入了结构重参数化方法,建立了Re-YOLOv5工业钢材缺陷检测模型。在该模型中,将YOLOv5的Neck层与Head层合并为Head层,用作预测,并且加入RepVGG模块和卷积层,输出预测结果。Backbone用作特征提取,可以在改善模型推理速度的同时提高检测准确率。同时,采用改进后的空间金字塔池化模块SPP^*对候选框进行分类和修正,以获取多尺度特征信息,并引入了有助于模型加深的CCBL模块。在公开的NEU-DET钢材缺陷图片数据集上进行测试,提出的模型的检测精度可达77.8%,与基线模型YOLOv5s相比,实现了6%的精度提升,且单幅图片的推理时间仅为8.9 ms,满足工业生产实时性需求。此外,该模型所占内存较小,便于部署到工业设备中。