超音速热喷涂316L合金涂层在实际炼油环境中的冲蚀行为

利用超音速热喷涂技术在碳钢基体上制备出了316L合金涂层，研究了该涂层在实际炼油环境中的冲蚀行为。结果表明：超音速热喷涂316L合金涂层在实际炼油环境中具有非常好的抗冲蚀性能，长期现场挂片后涂层仍保持完整，仅表面有轻微的冲蚀痕迹，涂层表面形成的保护性氧化膜、涂层金属自身良好的耐蚀性以及涂层较高的硬度是其具有优异抗冲蚀性能的主要原因。     

海洋大气环境下TC4钛合金与316L不锈钢铆接件腐蚀行为研究

研究了TC4-316L异种金属铆接件在模拟海洋大气环境条件下的腐蚀行为。利用失重法、X射线光电子能谱分析(XPS)、扫描电子显微镜(SEM)、激光共聚焦显微镜等方法分析了试样的腐蚀动力学、锈层成分、腐蚀形貌。结果表明,TC4-316L铆接件在周期浸润实验1200 h后,316L不锈钢发生了腐蚀,而TC4钛合金并没有明显的腐蚀现象;316L不锈钢腐蚀产物包含FeOOH,Fe3O4和Fe2O3,而TC4钛合金表面主要为TiO2和Ti2O3等钛的氧化物组成的氧化膜。与单件316L不锈钢相比,由于电偶腐蚀与缝隙腐蚀的共同作用,TC4-316L铆接件中的316L不锈钢腐蚀加速。     

NiosⅡ软核下nRF24L01驱动开发

随着FPGA的集成度不断提高,制造成本不断降低,其作为替代ASIC来实现电子系统的前景日趋光明.利用SOPC(片上可编程系统)技术,将处理器、存储器、外设接口等功能模块集成到在FPGA CycloneⅣ系列芯片(EP4CE15F17C8)上,在片上系统中构建了用于nRF24L01射频芯片的SPI控制接口并提出了一种在NiosⅡ软核中实现nRF24L01驱动的方法.该方法节约了软核处理器的时间开销,具有扩展性强、设计灵活的优点.经实验验证,驱动高效可靠,满足要求.     

基于Lévy飞行特征的蝙蝠算法及其在WSN定位中的应用

针对蝙蝠算法收敛易早熟、收敛速度慢等不足,提出一种改进的基于Lévy飞行特征自适应的蝙蝠算法。采用Lévy飞行策略取代原算法中蝙蝠飞行速度和位置的更新方式,充分利用Lévy飞行的重尾效应,有效避免局部最优值的吸引,加快了收敛速度,达到寻优能力和搜索能力的平衡。在无线传感器网络自身定位应用中,把定位问题转换为一个全局优化问题,使用改进的算法进行定位计算。通过Zigbee平台的实验表明,改进后的算法在不同空间位置的定位精度更高,收敛速度更快。算法实现条件简单、精度高,具有较高的实际工程应用价值。     

模块主成分分析在人脸重建中的应用

模块主成分分析是人脸重建中一种重要的子空间学习方法,鲁棒性不足是传统的基于L2范数的模块主成分分析(BPCA-L2)的主要问题。为此,提出了一种新的基于L1范数的模块主成分分析(BPCA-L1)方法。该方法使用了对奇异值不太敏感的L1范数。基于L1范数的模块主成分分析方法简单并易于实现,在一些人脸数据集上的重建实验验证了其有效性。     

基于nRF24L01新型无线温度传感系统设计

采用nRF24L01作为无线收发模块实现无线数据传输,使用DS18B20温度传感器采集环境温度,并用ATMEL公司的AT89C52作为主控芯片,协调系统的数据采集、处理、显示及无线传输等过程。温度采集节点能够利用温度传感器稳定地采集周围环境的温度,并通过无线模块将数据传送到接收节点,显示到LCD上。该设计具有性能稳定、成本低、低功耗等特点,能够广泛应用于各类对温度要求较为特殊的环境下温度数据的检测。     

基于nRF24L01的智能家居网络的设计

智能家居是当前物联网的主要应用之·,当前采用的技术主要有ZigBee和Z—Wave技术。然而,ZigBee器件成本昂贵,Z-Wave技术是非开发式标准,存在系统的兼容性问题。针对上述问题,文中提出了基于NRF24L01实现智能家居系统的解决方案。同时详细地介绍了智能家居系统的框架和通信协议,并给出了可行的解决方法。最终测试结果表明,使用nrf24L01是一套低成本的智能家居解决方案,可进一步推进智能家居的应用。     

Sparse kernel logistic regression based on L 1/2 regularization

The sparsity driven classification technologies have attracted much attention in recent years, due to their capability of providing more compressive representations and clear interpretation. Two most popular classification approaches are support vector machines (SVMs) and kernel logistic regression (KLR), each having its own advantages. The sparsification of SVM has been well studied, and many sparse versions of 2-norm SVM, such as 1-norm SVM (1-SVM), have been developed. But, the sparsification of KLR has been less studied. The existing sparsification of KLR is mainly based on L ₁ norm and L ₂ norm penalties, which leads to the sparse versions that yield solutions not so sparse as it should be. A very recent study on L _1/2 regularization theory in compressive sensing shows that L _1/2 sparse modeling can yield solutions more sparse than those of 1 norm and 2 norm, and, furthermore, the model can be efficiently solved by a simple iterative thresholding procedure. The objective function dealt with in L _1/2 regularization theory is, however, of square form, the gradient of which is linear in its variables (such an objective function is the so-called linear gradient function). In this paper, through extending the linear gradient function of L _1/2 regularization framework to the logistic function, we propose a novel sparse version of KLR, the 1/2 quasi-norm kernel logistic regression (1/2-KLR). The version integrates advantages of KLR and L _1/2 regularization, and defines an efficient implementation scheme of sparse KLR. We suggest a fast iterative thresholding algorithm for 1/2-KLR and prove its convergence. We provide a series of simulations to demonstrate that 1/2-KLR can often obtain more sparse solutions than the existing sparsity driven versions of KLR, at the same or better accuracy level. The conclusion is also true even in comparison with sparse SVMs (1-SVM and 2-SVM). We show an exclusive advantage of 1/2-KLR that the regularization parameter in the algorithm can be adaptively set whenever the sparsity (correspondingly, the number of support vectors) is given, which suggests a methodology of comparing sparsity promotion capability of different sparsity driven classifiers. As an illustration of benefits of 1/2-KLR, we give two applications of 1/2-KLR in semi-supervised learning, showing that 1/2-KLR can be successfully applied to the classification tasks in which only a few data are labeled.     

基于ZigBee的无线传感器网络平台

介绍了基于Zigbee的无线传感器网络,采用Atmegal28L和CC2420芯片设计实现了,一个基于Zigbee的无线传感器网络平台,详细阐述了系统架构设计,微控制器模块和射频模块硬件设计以及基于TinyOS的软件设计.实验测试该平台工作稳定可靠.