土钉墙在水库库区防护工程中的应用

结合工程实例,介绍了土钉墙在水库库区防护工程中的应用     

泡沫衬垫的塑性变形和刚度变化

对国产可发聚苯乙烯泡沫衬垫受冲击后的塑性变形和刚度变化进行了测试和分析,讨论了其对缓冲和隔振包装的影响,提出了一些解决办法。     

马氏体时效钢金属粉芯焊丝堆焊层的性能

采用脉冲TIG焊马氏体时效钢金属粉芯焊丝堆焊铝合金压铸模表面来提高模具表面性能.利用SEM、TEM和XRD对堆焊层的微观组织和相特点进行分析.结果表明,堆焊层金属在时效处理后利用低碳马氏体基体上沉淀析出的金属间化合物(Ni3Ti、Ni3(Al,Ti))强化,得到较高硬度和强度,兼具一定韧性的耐疲劳堆焊层,发现还析出(Ni2.9Fe0.1)Ti、(Ni0.7Fe0.3)Al相.与18Ni马氏体时效钢和H13钢实心焊丝进行抗热疲劳试验对比,测试热循环作用下的硬度变化、产生热疲劳裂纹的热循环次数及热裂纹扩展速率,结果显示金属粉芯焊丝堆焊层具有较高的抗热疲劳性能.     

基于自适应分数阶的医学图像非刚性配准

现有的医学图像配准算法对于灰度均匀、弱边缘以及弱纹理图像易陷入局部最优从而导致配准精度低下、收敛速度缓慢. 分数阶主动Demons (Fractional active Demons, FAD)算法是解决该问题的有效方法, 并且适用于图像的非刚性配准. 但FAD中的最佳分数阶阶次是人工交互选取, 并且对整幅图像都是固定不变的. 为了解决该问题, 提出一种阶次自适应的主动Demons算法并将其应用到医学图像的非刚性配准中. 算法首先根据图像的局部特征建立分数阶阶次自适应的数学模型, 并逐像素计算最优阶次, 基于该阶次构造Riemann-Liouvill (R-L)分数阶微分动态模板; 然后将自适应R-L分数阶微分引入到Active Demons算法, 在一定程度上缓解了图像配准在弱边缘和弱纹理区域易陷入局部最优问题, 从而提高了配准精度. 通过在两个医学图像库上进行实验验证, 实验结果表明该方法可以处理灰度均匀、弱纹理和弱边缘的医学图像非刚性配准, 配准精度得到较大提升.     

基于抽象故障树的化工事故预警

情景是分析事件的发生、发展及可能的后果的有效机制,然而,基于情景的预警机制或缺乏有效的模型支撑或受制于模型的局限性,实践中难以推广.抽象故障树是同类事故故障树的高层抽象,综合历史案例与专家经验,能够刻画事故的成因的机理、情景演化过程及可能的后果,能够有效支撑基于情景的预警分析.提出一种基于抽象故障树的化工事故预警方法,基于抽象映射计算事件危害度及节点重要度,将情景演化的割集模型转换为贝叶斯网络模型,采用Board法对事故危害进行风险度量和防御事件排序,实现基于情景的不同演化路径的事故风险预测及最佳应对策略推荐,实验结果显示了该方法用于事故分析预警的有效性.     

水雾化法制备FeSiCr软磁合金粉末研究

采用水雾化法制备FeSiCr软磁合金粉末,系统研究了熔体温度、雾化压力及雾化水流量对合金粉末粉体性能的影响。利用激光粒度分析仪、扫描电子显微镜、氧氮分析仪和霍尔流量计等设备对粉末粒度、形貌、氧含量、松装密度及流动性进行测试、分析。研究结果表明:随着雾化压力和熔体温度的升高,粉末粒度逐渐变小;降低雾化水流量,制备的粉末形貌较为规则,粉末粒度减小、松装密度得到提高。最佳雾化工艺:雾化压力为50 MPa、熔体温度为1 750 ℃、水流量为15.24 L/min,制备的FeSiCr软磁合金粉末氧含量低,平均粒度小且形貌较规则。     

基于遗传算法和BP神经网络的孤立性肺结节分类算法

为了提高计算机辅助诊断系统中孤立性肺结节的良恶性诊断的准确性,提出了一种基于遗传算法和BP神经网的分类算法。该算法针对BP神经网络容易陷入局部最优的问题,综合考虑孤立性肺结节的医学诊断特性,采用遗传算法对基于BP神经网络的分类器进行优化,并通过对PET/CT图像进行处理,提取病灶的功能特征、结构特征以及临床信息作为神经网络分类器的输入样本,实现孤立性肺结节的良恶性分类。对医院以及网络公共数据库中的大量实验数据进行分类实验,结果表明优化后的算法在分类准确性上有较大的提高,说明该方法在肺结节临床分类方面是有效的。     

融合密集残差块和GAN变体的医学图像非刚性配准

目的 现有的医学图像配准算法在处理较大非刚性形变的医学图像时,存在配准精度低和泛化能力不足的问题。针对该问题,提出结合密集残差块和生成对抗网络（generative adversarial network,GAN）的图像配准方法,用于多模态医学图像的非刚性配准。方法 将密集残差块引入到生成器,提取待配准图像对的更多高层特征,从而提高配准精度;在GAN中采用最小二乘损失代替逻辑回归构造的交叉熵损失,由于最小二乘损失的收敛条件更严格,同时能缓解梯度消失和过拟合,从而提高配准模型的稳定性;在判别器网络中引入相对平均GAN（relative average GAN,RaGAN）,即在标准判别器的基础上增加一项梯度惩罚因子,降低判别器的判别误差,从而相对减少配准模型的配准误差,有助于稳定配准精度。结果 在DRIVE（digital retinal images for vessel extraction）数据集上进行训练和验证,在Sunybrook Cardiac数据集和Brain MRI数据集上进行泛化性能测试,并与几种主流医学图像非刚性配准算法进行对比实验,表明,本文配准模型在精度和泛化能力上均有一定程度的提升,相比其他方法,视网膜图像、心脏图像和脑部图像的配准Dice值分别提升了3.3%、3.0%、1.5%。结论 提出的配准方法能够获取更多高层特征信息,从而提升配准精度;同时基于最小二乘法构建损失函数并对判别器进行加强,能够使得配准模型在训练阶段快速收敛,提高了配准模型的稳定性和泛化能力,适合存在较大非刚性形变的医学图像的配准。     

手持式电子计价秤防作弊监督检测系统设计与应用

针对目前电子计价秤软件作弊导致的计量难、监管难的问题。设计了一种手持式电子计价秤防作弊监督检测系统,用于大批量电子计价秤的快速便捷检测。该手持式电子计价秤防作弊监督检测系统通过在主控单元内加装的功能模块生成唯一的程序校验码,使用基于Android系统的手持式设备与服务器中备案的校验码进行比对,以验证是否存在软件作弊现象。该系统操作简单,方便携带,能够有效遏制电子计价秤的软件作弊现象。