FMI-Ⅰ-600型钕铁硼真空速凝炉冷却强度对铸带组织的影响

采用Nd-Pr合金、工业硼铁、纯铁及海绵锆为原料,在不同的冷却速度下采用FMI-Ⅰ-600型真空速凝炉制备Re(Nd,Pr)FeB永磁合金铸带,分析了速凝薄带的厚度分布,采用扫描电子显微镜及能谱重点分析了铸锭的组织结构,从而确定了合理的冷却范围。本文在真空条件下加热1400～1450℃,氩气保护下在1.5～2.0m/s的冷却速度下获得的速凝薄片形成了完整的柱状晶,富稀土相均匀分散在主相周围,有效抑制α-Fe的生成。     

一维纳米材料的ECR-CVD方法制备

应用电子回旋共振微波等离子体化学气相沉积方法(ECR-CVD)进行了一维纳米材料的制备.以Fe3O4纳米粒子为催化剂,采用不同的气源,在多孔硅基底上制备出了碳纳米管、掺硼碳纳米管以及异质结构的纳米管.利用扫描电子显微镜(SEM)、透射电子显微镜(TEM)和 X射线光电子谱(XPS)对样品的形貌、结构及组分进行表征.     

无人直升机姿态通道模型预测控制

针对无人直升机姿态通道中存在的测量干扰与控制输入受限等问题,利用包含时变柔化因子的模型预测控制算法设计了一种姿态通道控制器。具体而言,首先对姿态通道的传递函数进行了等效变换,得到嵌入了积分环节的状态空间(SSEI)模型,并进一步建立了姿态通道的预测模型;然后综合分析了姿态通道系统在初始响应速度和减小测量干扰影响两个方面的要求,设计了含时变柔化因子的柔化轨迹;接着考虑到舵机的输出限制,分析了姿态通道的控制输入约束条件;最后基于上述三点内容,设计了滚动优化过程。论文还以无人直升机的偏航通道为例进行了飞行实验测试,结果表明该控制算法可明显地加快系统响应速度,减小模型不确定性与测量干扰等因素的影响,具有较好的工程应用价值。     

基于MEMS加速度计的车用自动呼救系统

提出设计一种使车祸伤员得到及时准确救助的自动呼救系统,它能够自动识别车祸并向Web GIS监控中心发送事故信息.该系统的车载终端利用高抗冲击性的三轴MEMS加速度计,通过三向加速度合成算法和倾角测量对车辆的行驶状态进行监测,能在GPS盲区下进行车辆精确定位.车载终端一旦检测出车祸及类型,会由ARM自动触发求救,也可手动按钮求救.经模型车实验表明,系统能有效避免由于路面干扰引起的误报,并准确检测出碰撞和侧翻两种类型的车祸而实现自动呼救.     

基于PKI的电子公文传输系统认证与授权

本文在介绍电子公文传输系统架构的基础上,分析了当前公文传输系统中存在的身份认证和授权问题,基于PKI、UKey双因子认证、数字签名、访问控制等技术和LDAP服务,实现了电子公文传输系统在网络应用中更为安全可靠的用户身份认证和授权访问控制.     

信用卡建设5要点

“根据业务规划选择产品,根据产品对业务规划进行微调”,这样才能最终选择出适合本行情况的产品。     

杭州未来科技文化中心总体方案设计

<正>一、规划背景杭州未来科技文化中心位于杭州西部、杭州城西科创大走廊中部,规划用地面积4.5平方公里,核心岛约1平方千米。2022年2月,新一轮杭州市国土空间规划明确提出“三核八副”的空间规划格局。“三核”代表着三个市级中心,分别是武林和湖滨地区,钱江新城（奥体博览城、钱江世纪城）,云城和未来科技城（南湖科学中心）。杭州未来科技文化中心是位于杭州第三中心的“新一代城市公共中心”。城市层面,是引领杭州向创新型国际城市转变的战略引擎要地;区域层面,是杭州一路向西、吸引创新要素快速集聚的公共服务枢纽;     

高速率AVS整数变换的汇编实现与优化

简要介绍了AVS视频编码中耗时较长的整数变换部分,深入分析了不同的算法模式,分别应用MMX,SSE2和侧重乘法操作的SSE2等单指令多数据技术对AVS整数变换的关键算法模块进行优化.实验结果表明:3种优化方法均提高了整数变换的编码速率,性能最优的SSE2优化算法比未优化时的编码速度提高了约6-3倍,单次变换平均时延减少到0.5 ms以内.     

白马隧道软弱围岩掌子面稳定性研究

高地应力软弱围岩条件下隧道施工易发生掌子面失稳坍塌。依托九绵高速白马隧道,采用颗粒流数值模拟软件PFC建立三维离散地层模型,利用FLAC内置命令生成小导管和锚杆连续结构单元,构建离散-连续耦合模型,以此分析不同支护方案对掌子面稳定性的影响。研究结果表明,采用小导管超前支护后,在掌子面前方2 m内,拱顶沉降约为未支护的60%,在掌子面后方1 m内,拱顶沉降仅为未支护的40%,长短小导管对拱顶沉降的控制效果差异不大。锚杆径向支护后,位移量随着与隧道距离的增大基本呈线性递减规律,相对于4 m短锚杆,8 m长锚杆作用下围岩位移递减更快,掌子面上方围岩的松动高度更小,更能有效地降低掌子面上方围岩坍塌的风险。研究成果对类似工程具有一定的参考价值。     

基于特征融合深度学习网络的情感分析模型

现如今,深度学习技术迅速发展,在情感分析任务中被大量使用。针对传统神经网络模型中,卷积神经网络难以捕捉文本前后文关联语义信息以及长短时记忆网络训练所需时间长、缺乏深层次信息提取能力的问题,提出了一种双通道卷积神经网络和循环网络变体的特征融合情感分析模型(CSRMA),该模型能够获取更全面的情感特征,加快训练速度。该模型使用GloVe进行词向量化,将词向量分别传入卷积神经网络通道,和引入注意力机制与最大池化的BiSRU通道,得到局部深层次情感语义和前后文时序情感语义,最后融合特征进行分类,输出情感极性,完成情感分析任务。论文主要在四个英文短文本情感数据集上,与传统神经网络模型进行对照实验,从实验结果看来,CSRMA模型对于情感语料的分类准确性有进一步提高,训练时耗费时间缩短,具有良好的泛化性。