铝熔体泡沫化过程中孔结构的控制

在大量试验研究的基础上，探索了铝熔体泡沫过程中控制泡沫铝孔径、孔隙率等结构参数的工艺方法，研究了发泡剂加入量，搅拌及保温时间等对孔结构的影响。     

焊接结构应力松弛开裂模拟试验研究

利用Ｇｌｅｅｂｌｅ模拟试验机进行了一种新的不等温应力松弛试验来考察两种低合金钢的焊后应力松弛开裂敏感性。该试验方法以热膨胀量补偿法模拟整个去应力处理（包括加热和保温）中与应力松弛开裂产生过程吻合的应力—温度条件。试验获得了一种连续加热断裂时间—温度“Ｃ”曲线及不等温应力松弛塑性的新概念，并定量测出了材料在此过程中的应力松弛塑性及其与温度的关系。     

采用二次浮硅孕育消除球化衰退

一、球化衰退与孕育衰退稀土镁球墨铸铁一经球化处理完毕就应立即浇注,若停留时间过长(一般以不超过15分钟为宜),则将出现球化衰退。而且,即使是同一包铁水,也存在着先期浇注的铸件球化良好,后期浇注的铸件球化率降低的现象。产生球化衰退的主要原因不外乎两个方面:一是由于氧化烧损,铁水中的镁和稀土的残留量随着铁水停留时间的延长而逐步减少,到一定时间后,球化剂的残留量已不足以保证铁水中石墨的球化,从而造成球化不良。对此,若能加强脱硫措施,扒净熔渣,尽可能削弱“回硫作用”,厚厚地复盖草灰和木炭,加强保温并防止     

基于CTR模式的GPU并行AES算法的研究与实现

为了对任意长的明/密文进行并行加密/解密,在分析了AES(Advanced Encryption Standard)的多种模式后,采用了最合适的CTR(Counter)模式设计和实现了GPU(Graphics Processing Unit)并行AES算法,并进行了优化.针对Nvidia Geforce GTX460平台理论分析了CTR模式的并行AES算法和串行AES算法的时间复杂度,得到综合的加速比为31.59,然后在Nvidia Geforce GTX 460平台上实验运行,结果显示CTR模式的AES-256的GPU并行算法相对串行CTR模式的AES算法,实验加速比跟理论加速比基本吻合.在此基础上,对CTR模式的AES-256进行了优化.实验结果显示,优化的CTR模式的AES-256并行算法在加速比上随着明文的增大提升的比例渐渐减少并趋于稳定.优化的CTR模式的AES算法加密数据量小的明文时,其优化效果更为明显,故能有效地提升SSL(Secure Socket Layer,其明文区间为35KB-150KB)的加密性能.     

AFDX总线10M接口电气参数极限适应性测试方法

AFDX(航空电子全双工交换式以太网)作为新型机载数据总线应用于大中型飞机,其通信接口电气参数的极限适应性测试是一项重要测试内容.提出一种10M标准AFDX总线信号发生器实现方案,采用4路非归零(NRZ)编码模拟双极性差分曼彻斯特编码,产生符合ARINC664规约要求的总线数据信号,并实现数据信号的传输速率、差分信号幅度、上升/下降时间等电气特性参数连续可调,满足AFDX总线10M接口电气参数极限适应性测试需求.     

Pollard p-1因子分解的DNA计算机算法

如何有效地对大整数进行因子分解是数学上的一个难题.给出了基于分子生物技术的因子分解问题的DNA计算机算法.算法以Pollard p-1算法为基础,利用DNA分子生物操作完成加、减、乘、除运算,实现平方-乘以及欧几里德算法,产生并得到最终解.基于分子生物学的实验表明,该算法是可行和有效的.     

精品课程网站的构建与开发技术

精品课程建设是教育部高等学校教学质量和教学改革工程的重要组成部分。精品课程网站是精品课程建设和评价的窗口,也是精品课程网络化在线学习的平台;是精品课程示范辐射的载体;也是教师与学生交流的媒介。该文从精品课程网站构建的功能定位、风格设计、架构规划和使用功能以及开发过程中使用的网络技术、信息处理技术以及多媒体技术等方面展开探讨,以达到推进课程改革,促进资源共享,提高教学质量的目的。     

依托3G技术创新图书馆服务

3G（3rd—Generation,第三代移动通信技术）是将无线通信与国际互联网等多媒体通信结合的新一代移动通信系统,是包括标准的制定、系统网络、终端及应用开发等在内的一个整体概念,实现移动通信的全球化、多媒体化、综合化、智能化和个人化是其发展的目标。3G与前两代通信技术的主要区别是在传输声音和数据的速度上的提升,其传输速率高达2Mbit／s,带宽可达5MHz以上。     

基于蚁群优化的SVM及其应用研究

针对蚁群算法的容易陷入局部最优解的问题,对连续蚁群算法的全局转移因子和挥发因子进行了改进.在搜索过程中,蚂蚁利用前一代最优解的位置及信息素强度决定最优解转移步长及概率,对每一代搜索过程,利用动态的全局转移因子来确定蚂蚁应该进行如何搜索,保证蚂蚁能够得到更多的搜索空间,解决了蚁群算法"早熟"的现象.利用优化后的支持向量机(C-SVR和C-LSSVM)建立了某型航空发动机起动过程的数学模型.通过实际的发动机数据对模型的有效性进行了验证,结果表明,C-SVR和C-LSSVM泛化性能优于ε-SVR和LSSVM.