水合物生成诱导期研究进展

水合物生成诱导期是用于表征水合物生成过程的重要参数,其研究对于水合物风险控制和水合物技术应用具有重要意义。本文从研究方法、水合物客体分子类型、研究内容和诱导期分布等4个方面总结回顾了国内外近期开展的水合物生成诱导期研究概况,表明其主要围绕诱导期定性影响因素的分析和诱导期定量表征模型的建立两方面展开。介绍了诱导期的主要定性影响因素及其对诱导期的影响规律,阐述了不同类型诱导期定量表征模型的建立过程及其适用范围。结果说明,目前对于水合物生成诱导期定性影响因素的分析研究系统性不强,需要从微观角度对水合物生成及成核机理本质展开进一步研究,而所建立的诱导期定量表征模型也大都只适用于特定条件下的水合物生成诱导期预测。     

单水听器时频分布相关水下声源定位方法

针对水下声源深度距离估计问题,利用时-频分布相关提出最小方差无畸变响应方法和子空间方法.通过对单声源定位、双声源定位等条件,对比两种方法的定位性能.仿真数据表明,两种方法均能实现对单声源的定位,且子空间方法对噪声有很好的抑制作用,可在信噪比为-15?dB时有效定位声源.针对双声源定位,声源级相同且无噪声时,最小方差无畸变响应方法无定位能力,子空间方法可在一定程度定位声源大致位置,但其中一个声源位置误差较大;针对不同声源级的双声源定位结果表明,最小方差无畸变响应方法只能在弱干扰条件下实现声源定位,而子空间方法能在较低信干比时准确定?位声源.     

NiCrMoV耐热钢贝氏体焊缝韧性薄弱区的确定

研究汽轮机低压焊接转子用30Cr2Ni4MoV耐热钢贝氏体焊缝多层多道焊韧性薄弱环节及其影响因素。采用冲击韧度试验评价焊缝的整体性能,并设计裂纹沿埋弧焊焊缝的准静态韧性试验,观察裂纹的扩展方式,利用能谱分析焊缝微区成分。冲击韧度试验表明,焊缝室温冲击吸收功为118 J,焊缝整体韧性良好。焊缝准静态韧性试验研究发现,裂纹在焊缝层间不完全相变区发生失稳扩展,为焊缝韧性相对薄弱的环节。通过光学显微镜观察高温苦味酸水溶液腐蚀的试样发现,焊缝层间不完全相变区存在大量的黑色线条,裂纹的失稳扩展沿黑色线条进行。借助扫描电镜和能谱分析发现,黑色线条处的碳的质量分数明显高于基体部分,推测这些局部富碳区含有较多的对韧性不利的组织,是造成层间韧性薄弱的主要原因之一。     

NiCrMoV钢汽轮机转子堆焊接头组织性能研究

选用马氏体不锈钢E410NiMo15作为堆焊层材料及NiMol作为过渡层材料,对核电汽轮机高压转子NiCrMoV钢轴颈进行埋弧堆焊试验研究.焊后采用EPMA线扫描分析了堆焊接头化学成分的变化规律,并借助光学显微镜观察了堆焊接头各层微观组织结构,通过冲击试验和电化学耐腐蚀试验分别研究了堆焊接头各区域的力学性能及耐腐蚀性能.试验结果表明:过渡层的添加对改善不锈钢耐蚀层的冲击韧性和堆焊接头表面耐腐蚀性能是有利的.     

单组分湿固化型聚氨酯密封胶催化剂的研究

单组分湿固化型聚氨酯密封胶是一种发展前景很好的密封胶 ,而催化剂是影响其性能的重要因素之一。本文讨论了该类密封胶所用催化剂的种类及其催化效果以及催化剂对材料发泡性的影响     

基于改进的Bayes判别法的中文多义词消歧

介绍了词义消歧研究的进展。对基于Bayes判别法的词义消歧算法做了改进,加大与多义词存在句法依存关系的特征词在Bayes判别公式中的权值比重,较好改善词义消歧的效果,并设计对比实验,验证了改进算法的优越性,分析了语料规模、数据噪声、数据稀疏问题对词义消歧的影响的规律。     

采用双尺度图像分解的水下彩色图像增强

目的 为解决水下图像的色偏和低对比度等问题,提出一种基于双尺度图像分解的水下彩色图像增强算法。方法 通过基于均值和方差的对比度拉伸方法改善图像的色偏问题,并利用中值滤波降低红通道对比度拉伸后引入的噪声;采用双尺度图像分解绿通道图像补偿红通道图像细节;在处理后的红通道图像中引入原始图像红通道的真实细节与颜色。结果 选取不同水下图像作为实验数据集,将本文方法与暗通道先验的方法、基于融合的方法、自动红通道恢复方法以及一种基于卷积神经网络深度学习的方法相比较,首先从主观视觉效果进行定性分析,然后通过不同评测指标进行定量分析。主观定性分析结果表明,提出的方法相比较其他方法能够更好地解决图像色偏和红色阴影问题;定量分析中,自然图像质量评价（natural image quality evaluation,NIQE）指标和信息熵（information entropy,IE）值较基于融合的方法和深度学习的方法分别提高了1.8%和13.6%,且水下图像质量评价指标（underwater image quality measurement method,UIQM）较其他方法更优。结论 提出的双尺度图像分解方法利用水下图像成像特点解决图像色偏以及低对比度问题,具有良好的适应能力,同时算法复杂度低且鲁棒性较高,普遍适用于复杂的水下彩色图像增强。     

Study on the dynamic characteristics of piezoelectric inkjet print head with basic excitation methods

In this paper, the dynamic characteristics of piezoelectric inkjet print head were studied by analyzing vibration mode and resonant frequency. The modal analysis was carried out by using the multiphysics simulation software COMSOL. The vibration characteristics of print head were measured. The piezoelectric actuator and print head were excited by two basic excitation methods: fast sine sweep and white noise, respectively. The speed response was measured by the laser Doppler vibrometer and the power spectrum was obtained by using MATLAB software to obtain the first-order resonant frequency. The results show that the first-order mode is most suitable for droplet formation and ejection, and the print head in the working state is indeed under the first-order mode. The fluid–solid coupling effect has great influence on the shape and amplitude of the vibration curve. The presence of liquid lower the peak of the resonant frequency and the severe liquid motion affect the number of peaks of the resonant frequency.

     

多任务学习和对抗学习结合的自发与非自发表情识别

目的 如何提取与个体身份无关的面部特征以及建模面部行为的时空模式是自发与非自发表情识别的核心问题,然而现有的自发与非自发表情识别工作尚未同时兼顾两者。针对此,本文提出多任务学习和对抗学习结合的自发与非自发表情识别方法,通过多任务学习和对抗学习捕获面部行为的时空模式以及与学习身份无关的面部特征,实现有效的自发与非自发表情区分。方法 所提方法包括4部分：特征提取器、多任务学习器、身份判别器以及多任务判别器。特征提取器用来获取与自发和非自发表情相关的特征;身份判别器用来监督特征提取器学习到的特征,与身份标签无关;多任务学习器预测表情高峰帧相对于初始帧之间的特征点偏移量以及表情类别,并试图迷惑多任务判别器;多任务判别器辨别输入是真实的还是预测的人脸特征点偏移量与表情类别。通过多任务学习器和多任务判别器之间的对抗学习,捕获面部行为的时空模式。通过特征提取器、多任务学习器和身份判别器的协同学习,学习与面部行为有关而与个体身份无关的面部特征。结果 在MMI（M&M initiative）、NVIE（natural visible and infrared facial expression）和BioVid（biopotential and video）数据集上的实验结果表明本文方法可以学习出与个体身份相关性较低的特征,通过同时预测特征点偏移量和表情类别,有效捕获自发和非自发表情的时空模式,从而获得较好的自发与非自发表情识别效果。结论 实验表明本文所提出的基于对抗学习的网络不仅可以有效学习个体无关但表情相关的面部中特征,而且还可以捕捉面部行为中的空间模式,而这些信息可以很好地改善自发与非自发表情识别。     

Emotion recognition from thermal infrared images using deep Boltzmann machine

Facial expression and emotion recognition from thermal infrared images has attracted more and more attentions in recent years. However, the features adopted in current work are either temperature statistical parameters extracted from the facial regions of interest or several hand-crafted features that are commonly used in visible spectrum. Till now there are no image features specially designed for thermal infrared images. In this paper, we propose using the deep Boltzmann machine to learn thermal features for emotion recognition from thermal infrared facial images. First, the face is located and normalized from the thermal infrared im- ages. Then, a deep Boltzmann machine model composed of two layers is trained. The parameters of the deep Boltzmann machine model are further fine-tuned for emotion recognition after pre-tralning of feature learning. Comparative experimental results on the NVIE database demonstrate that our approach outperforms other approaches using temperature statistic features or hand-crafted features borrowed from visible domain. The learned features from the forehead, eye, and mouth are more effective for discriminating valence dimension of emotion than other facial areas. In addition, our study shows that adding unlabeled data from other database during training can also improve feature learning performance.