ZM5镁合金表面高能微弧沉积ZL301铝合金的研究

使用高能微弧火花沉积机在ZM5镁合金表面上沉积ZL301合金。对沉积层进行了金相观察、线扫描分析、显微硬度测试、电化学测试和腐蚀形貌的观察。结果表明，沉积层和基材为冶金结合。XRD物相分析表明，镁合金基材主要由α—Mg和β-Mg17Al12组成，而沉积层由α—Mg，A12Mg和β-Mg17Al12组成，沉积层显微硬度最高可达220HV。极化曲线测试出现3个腐蚀电位，即活化区、钝化区和活化一钝化过渡区。结果说明高能微弧火花沉积显著提高了ZM5镁合金的耐腐蚀性。     

W-Ni-Fe合金药型罩的破甲特性

为了研究W-Ni-Fe合金药型罩的射流特征及破甲特性,对W-Ni-Fe合金药型罩进行静破甲试验,采用X射线照相系统研究W-Ni-Fe合金药型罩的射流形成能力,并对侵彻后的靶板进行宏观及微观分析。结果表明,W-Ni-Fe合金药型罩能形成高速延性射流,虽然穿深较低但破孔孔径大。靶板微观分析表明,破孔表面射流残余多且形成了高硬马氏体区。XRD结果表明,射流与钢靶相互作用剧烈,在破孔表面形成了大量Fe0.95W0.05化合物。马氏体及化合物硬质相的存在使得射流能量横向耗散严重,这是造成W-Ni-Fe合金药型罩穿深低、破孔大的主要原因     

德氏乳杆菌保加利亚亚种atpA抗原的表达及抗体制备

利用原核表达德氏乳杆菌保加利亚亚种atpA抗原并进行抗体制备,以便用于Western blot分析.首先利用PCR的方法扩增出atpA蛋白的基因片段,利用大肠杆菌pQE 40原核表达系统表达重组atpA抗原,镍柱亲和层析纯化表达蛋白后,常规免疫两只新西兰长耳白兔.利用ELISA检测兔血清的效价来制备多克隆抗体,然后用Protein A纯化抗体.最后得到的atpA抗体进行Western blot检测验证抗体的特异性.结果表明,两只新西兰长耳白兔的血清效价分别为1∶20000和1∶80000;Western blot检测表明,制备的抗体能够与H+-AT-Pase蛋白进行特异性的结合.本研究成功的在大肠杆菌中表达了德氏乳杆菌保加利亚亚种的atpA蛋白,并利用其制备了效价较高的多克隆抗体,该抗体可作为一抗用于Western blot分析.     

广义双线性系统的参考模型变结构控制

变结构控制是自动控制理论的重要研究分支,首次对广义双线性系统的参考模型变结构控制进行研究.利用广义Lyapunov方法研究广义双线性系统的参考模型变结构控制,通过引入滑动模态补偿器,选取适当的切换流形设计其变结构控制,以保证其闭环系统的渐近稳定,实现滑动模运动,举例说明设计方法的合理性和有效性.     

敏感视频判别性特征投影识别算法

网络的快速发展在给人们生活带来很多便利的同时,也存在着令人反感的敏感内容,如恐怖暴力视频等,这些内容严重影响着青少年的身心健康.因此,一种有效的敏感视频识别算法成为网络过滤技术中不可或缺的组成部分.近年来,多示例学习被引入到恐怖暴力类敏感视频识别中,并取得了令人瞩目的效果.由于该类视频中存在着很多冗余信息及部分非恐怖暴力帧的干扰,不可避免地影响了敏感视频的识别效果.因此提出了一种基于判别性特征投影的多示例学习算法,提出了一种基于自表示字典学习的示例选择框架,将示例作为字典,学习示例之间的最优表达关系,找到具有代表性的示例,并向代表示例进行投影构造了更具判别性的示例包特征.通过在恐怖暴力视频库以及VSD2014数据集上与现有多示例检测算法在准确率、召回率以及F_1指标的对比,验证了该算法在恐怖暴力视频识别中的有效性.     

高保水性砌筑水泥性能的研究

高保水性砌筑水泥是一种新型的专用水泥,其制备砂浆的性能与预拌砂浆相近,但能耗和成本较预拌砂浆低。研究了高保水性砌筑水泥及其砂浆的保水率、抗压强度、拉伸粘结强度和收缩性等性能,参考我国砌筑水泥和砂浆的相关标准,提出高保水性砌筑水泥的性能指标,为高保水性砌筑水泥广东省地方标准的编制提供依据。     

基于ANSYS的COG邦定机压头热应变分析

邦定机压头是拾取芯片进入CCD物方视场进行图像识别采样并最终完成热压接的重要部件。利用ANSYS软件成熟的热应力分析功能分析并获得了压头热变形理论值,结合实际测量验证了有限元分析结果,以理论分析结果进行压头调节获得了较理想的IC标识CCD图像识别效果。     

考虑多层次潜在特征的个性化推荐模型

个性化推荐已成为解决信息过载的最有效手段之一,也是海量数据挖掘研究领域的热点技术。然而传统推荐算法往往只使用用户对物品的评分信息,而缺少对用户与物品潜在特征的综合考虑。基于因子分解机、宽神经网络、交叉网络和深度神经网络的融合,提出一种新的考虑多层次潜在特征的模型,可以提取用户与物品的浅层潜在特征、低阶非线性潜在特征、线性交叉潜在特征以及高阶非线性潜在特征。在4个常用的数据集上的实验结果表明,考虑用户与物品多层次潜在特征可以有效提高个性化推荐的预测精度。最后,研究了嵌入层维度以及神经元数量等因素对新模型预测性能的影响。     

多尺度注意力融合和抗噪声的轻量点云人脸识别模型

在低质量点云人脸数据集上,判别性特征的提取和模型对噪声的鲁棒性是解决点云人脸识别问题的关键。针对现有轻量点云人脸识别算法不能充分提取判别性特征和数据集中存在大量噪声而影响模型训练的问题,设计轻量高效的网络模型,提出了基于多尺度注意力融合和抗噪声的自适应损失函数的点云人脸识别算法。首先通过不同卷积模块获得不同感受野大小的特征图。然后进行多尺度的注意力特征提取,并使用高层的注意力权重来引导低层注意力权重的生成,最后进行通道融合得到多尺度融合的特征,提升了模型捕获人脸细节特征的能力。其次,根据低质量点云人脸图像的噪声信息特点,设计了一种新颖的抗噪声的自适应损失函数(anti-noise adaptiveloss),以应对数据集大量噪声对模型训练过程中可能造成的负面影响,提升模型的鲁棒性和泛化能力。在开源数据集Lock3DFace和本文提出的KinectFaces数据集上的实验结果表明,与当前的主流算法相比该算法模型在低质量点云人脸识别任务中具有更好的识别效果。