动态本体描述语言的研究

为了让计算机能理解资源的语义,文中设计了一种基于互表性的动态本体描述语言.研究结果表明,通过定义动态本体的Agent、Object、Class和Ontology,得出了动态本体描述语言的基本词汇、语法结构和语义描述,使语法和其描述的语义达成一致.     

铸造Al-Si合金中Sr与B间反应产物的研究

通过观察不同Sr,B含量时Al-Si合金中枝晶α和共晶Si形态与大小的变化，考察了Sr,B间的交互作用，采用X射线能谱仪对反应产物进行了分析。研究表明反应产物呈现两种不同类型：当Sr含量在0.025-0.030,B含量在0.028-0.036（质量分数，％）范围内时，二者间交互作用形成细小的SrB6化合物颗粒相，数量很少，存在于枝晶α中心；但当合金中Sr和B含量高于此范围时，形成Sr,B原子比接近3：4的Sr-B化合物，颗粒尺寸大、数量较多，且大多出现在共晶区。Sr-B化合物的形成消耗了大量的Sr和B,削弱了二元素的变质效果，导致了Sr,B间的互毒化行为。该化合物的形成为Sr,B间互毒化机理提供了直接证据。     

TiAl基双相合金相变的组织学研究

应用光学显微镜、透射电镜及X射线衍射研究了Ti—42at.—%Al和Ti—45at.—%Al两种合金的固溶处理后的快冷组织,证明其为过饱和的有序α_2单相组织,过饱和单相在1000-1100℃等温转变时,以准连续和不连续的机制分解成为γ+α_2两相。准连续转变中包括γ片析出和胞状化两个阶段,并在原始α_2晶界处形成锯齿形边界。     

Ni3Al材料在O2／SO2／SO3气氛中的低温热腐蚀行为

用涂盐法并借助扫描电镜、光谱分析、金相、电子探针及Ｘ射线衍射等技术研究了Ｎｉ３Ａｌ金属间化合物在Ｏ２／ＳＯ２／ＳＯ３气氛中６００－８００℃温度范围内（Ｎａ，Ｋ）２ＳＯ４引起的低温热腐蚀行为。结果表明，Ｎｉ３Ａｌ发生了低温热腐蚀，其腐蚀速度在７５０℃呈现一最大值。热腐蚀的发生主要归因于多元共晶盐的形成。盐沉积加速了材料在空气中的氧化。ＣｏＣｒＡｌＹ涂层能改善合金的耐蚀性能。     

一类五值互相关函数分布

m序列少值互相关函数一直都是研究者感兴趣的方向之一,但这方面取得的成果并不完善。有限域上多元高次方程的求解成为解决该问题的关键。对于采样因子形式为d=(p^l+1)/(p^k+1)的m序列互相关函数,目前已有研究大多是针对二元域(p=2)的,文中对p为奇素数且l=2k时的情况进行了研究。利用有限域上二次型理论,证明了其互相关函数值为五值的。通过引入矩阵结合方案,把对互相关值分布问题的研究转化为对二次型秩之间关系的研究,最终得出了该类 p元m序列之间五值互相关函数的完整分布。     

色彩构成与墙绘艺术互融式应用研究

墙绘艺术是近年来在建筑环境设计中的一种新兴的艺术表现形式。作为沟通人与环境的桥梁,其色彩作为第一视觉语言,对墙绘艺术效果影响巨大,因此在创作中要合理利用色彩来获得与墙绘作品内容与气氛相符的色彩构成形式,以适应不同风格的建筑环境设计。文章通过对色彩构成与墙绘艺术的互融式应用研究,思考墙绘设计对色彩构成教学的指导意义,探索二者的互融式的应用实现策略,以此推动墙绘艺术能更好地服务于建筑环境设计中。     

基于滑动峭度相关性准则的局部特征尺度分解分量筛选方法

轴承故障振动信号具有非平稳、非线性特征,且可视为多个调幅-调频分量的叠加,单分量的包络蕴含了轴承的故障特征。局部特征尺度分解可将振动信号准确分解为多个内禀尺度分量之和,某些分量能清晰反映轴承的运行状态,根据包络谱可进行故障诊断。为了准确筛选有用分量,提出了基于滑动峭度相关性准则的分量筛选方法。首先,对信号进行局部特征尺度分解,得到若干个内禀尺度分量;然后,对分量和原始信号分别计算滑动峭度,生成时间序列;最后,依据分量滑动峭度序列与原始信号滑动峭度序列的互相关系数筛选有用分量。通过轴承内圈故障数据分析发现：有用分量与非有用分量之间的滑动峭度互相关系数比互相关系数差异明显,区分度更大,有益于分量的分类、筛选。     

拨开云雾见月明——从作文的本质入手来提高学生作文水平

作文是语文学习的一大难题,很多教师和同学都不止一次的探寻作文的诀窍,但大都收效甚微。为此,笔者从多年的教学经验出发找出学生在认为作文难的原因,并从作文的本质入手来发掘提高学生作文成绩的诀窍。     

基于相关法的液体流速测量系统设计

提出了一种基于互相关函数计算液体流速的方法,并基于该方法开发了流速测量系统。采用DSP芯片对两个电极传感器上的信号进行互相关运算获得速度值,进而得出瞬时流速和累积流量。本系统可对石油管道中的液体流速进行定量测量,实时显示的速度信息能为我们直观的监测管道内原油的流动,同时为测量原油中的含水率提供参数支持,对原油的开采有较强的实用价值。     

融合互近邻降噪的动态数据流分类研究

动态数据流分类挖掘应用场景逐渐增多,如何辨识出动态数据流中概念漂移和噪声信息成为数据流分类研究中的重点。因此提出一种具备噪声检测能力的动态数据流增量式分类挖掘模型解决此类问题。当动态数据流中出现样本信息与分类模型概念不相容时,采用互近邻思想检测样本是否为噪声,在此基础上用支持向量机作为学习器,通过增量式学习解决数据流中概念漂移。在两种不相容度量标准下,结合理论分析和实验,证明了所提的分类方案是有效可行的。