基于改进降噪自编码器半监督学习模型的热轧带钢水梁印识别算法

针对水梁印识别困难且工作量大问题,提出一种基于改进降噪自编码器半监督学习模型的热轧带钢水梁印识别算法。该算法在降噪自编码器（Denoising auto-encoder, DAE）的基础上对编码层的每一层添加随机噪声,在隐藏层后添加分类层,并对数据添加伪标签,在解码的同时进行分类训练,使得DAE具有半监督学习能力。通过提取热轧带钢粗轧出口温度数据中的温差特征,用相应特征对模型进行训练。实验结果表明,算法能够准确识别出带钢的水梁印,在模型精确度上,与主流分类识别模型对比,提出的模型在带标签样本数量较小时,分类精度相比其他模型高5.0%～10.0%;在带标签样本数量较大时,提出的模型分类精度达到93.8%,现场能够根据模型的识别结果提高生产效率。      

覆以多层有耗介质的金属椭球体高频雷达散射截面的几何光学预估

利用几何光学法（Ｇ．Ｏ．），在高频区对椭球体这种典型目标的雷达散射截面（ＲＣＳ）进行了分析与计算，其中反射系数的计算是通过连分数法得到的．     

超声波液位计在制盐行业液位测量中的应用

本文介绍了超声波测量技术是一门新兴的物位测量技术，在化工、石油、冶金、电力、水处理等方面得到应用，并阐述了超声波特性和基本原理在制盐行业中的研究及应用现状。     

数据驱动的热轧带钢头部终轧温度预计算优化

摘要：带钢头部终轧温度(finishing delivery temperature,FDT)的预计算是精轧设定中的一项重要内容。它不仅是带钢全长终轧温度控制的基础,而且关系到轧制速度、轧制力以及辊缝等模型参数的预设定,对成品带钢的质量控制起着关键性的作用。在实际生产中,带钢头部终轧温度主要是通过结合了统计经验和自适应修正的半机理模型来计算,但是由于带钢换热过程的复杂性难以用关系式精确表达,导致了带钢头部终轧温度的预计算精度不高。针对此问题,从数据驱动的角度出发,利用BP神经网络和改进粒子群优化算法（improved particle swarm optimization, IPSO）,以半机理模型为主,IPSO-P网络模型为辅,建立了一种混合优化模型。通过仿真实验和实际生产对比,结果表明：相比于单纯的神经网络模型或者半机理模型,混合优化模型的预计算精度和收敛速度均有了很大的提高,达到9667%,具有良好的应用前景。     

RCS Analysis and Calculation for Coated Rectangular Metal Plate

ＲＣＳＡｎａｌｙｓｉｓａｎｄＣａｌｃｕｌａｔｉｏｎｆｏｒＣｏａｔｅｄＲｅｃｔａｎｇｕｌａｒＭｅｔａｌＰｌａｔｅ￥ＧＵＯＷｅｎｙａｎ；ＣＨＥＮＺｈａｏｙｕ；ＬＩＮＳｈａｎｇｐｉｎｑ（郭文彦，陈兆宇，林尚平）（Ｄｅｐｔ．ｏｆＨａｒｂｉｎＩｎｓｔｉｔｕｔｅ...     

Monostatic RCS Analysis of Complex Objects with Shaped Surface

ＭｏｎｏｓｔａｔｉｃＲＣＳＡｎａｌｙｓｉｓｏｆＣｏｍｐｌｅｘＯｂｊｅｃｔｓｗｉｔｈＳｈａｐｅｄＳｕｒｆａｃｅＧＵＯＷｅｎｙａｎ（郭文彦）ＬＩＮＳｈａｎｇｐｉｎｇ（林尚平）ＣＨＥＮＺｈａｏｙｕ（陈兆宇）（Ｄｅｐｔ．ｏｆＥｌｅｃｔｒｏｎｉｃａｎｄＣｏｍｍ...