Mn-Nb-Mo系X70级管线钢奥氏体再结晶规律的研究

研究了Mn-Nb-Mo系XT0级管线钢的再结晶规律，分析了变形温度、变形量等工艺参数对变形奥氏体再结晶百分数的影响，为现场控轧工艺的制定提供了理论依据。     

自身返碱煅烧技术新突破

南化有限公司的 2 0 0 0自身返碱煅烧炉从投产以来 ,其产品的合格率极低 ,公司仅用了约 2 5万元、5 0天进行技术改造 ,一次开车成功便生产出全优产品 ,班产量达 70t ,创造了自身返碱煅烧炉单位容积生产能力的全国最高记录     

Q345B钢氧化铁皮的高温粘附性研究

热轧板带加热过程中高温氧化将直接影响氧化铁皮的结构、元素分布以及粘附性,进而间接影响后续除鳞效果以及粗轧和精轧后得到的成品钢板表面质量。本文利用Gleeble热模拟试验机模拟Q345B连铸坯粗轧前在1 150和1 250℃加热阶段的氧化情况,并结合拉伸试验研究了两个温度下氧化铁皮的表面形貌、次生氧化铁皮的裂纹以及氧化铁皮与基体界面处截面形貌和各合金的元素分布。研究表明：高温短时氧化生成的一次氧化铁皮粘附性小,仅微小变形即可完全剥离脱落;次生氧化铁皮粘附性大,但强度低,塑性差,易产生裂纹。此外,次生氧化铁皮与基体界面处反应生成的Fe₂SiO₄会改变氧化铁皮FeO内层的相间分布,对氧化皮起到钉扎作用,导致氧化皮的粘附性强,这增大了后续除鳞的难度。为改善钢板的表面质量,生产实践中建议在粗轧除鳞前控制钢板氧化铁皮界面温度高于Fe₂SiO₄凝固温度,以降低氧化铁皮与钢板基体附着力。     

五路交叉口交通改善设计

道路交叉口通常由两条道路相交于一点,有四条进出口道,而多路交叉口则指两条以上的道路交叉于一点。进出口道不少于5条,它的出现往往是因为各种历史原因所形成的,在我国很多中小城市较为常见。随着城市交通的发展,多路交叉由于交通组织等方面的问题已不能满足交通需求,往往成为城市交通中拥堵或混乱的节点。因此对多路交叉口进行交通改善设计,处理好多路交叉口内车辆与行人的交通路权与冲突点问题,治理混乱的交通运行环境,是很多城市类似交叉口亟待解决的问题。     

基于ActiveX控件技术的B/S模式单态登录方法

利用ActiveX控件技术,结合B/S模式与C/S模式的双重优点,将C/S模式中的socket网络通信技术移植于B/S模式中,实现单态模式登录,为基于B/S模式应用系统的客户端与服务器的通信提供了一种新的解决方案.     

基于Iceberg概念格叠置半集成的全局闭频繁项集挖掘算法

研究专有的分布式数据挖掘算法是提高分布式数据库下数据分析和挖掘的有效方法.结合Iceberg概念格对于频繁项集精简表达的特性和其集成构造过程可并行化的特点,进而实现分布式全局闭频繁项集的挖掘.面对目前仍然缺乏有关Iceberg概念格分布式集成构造研究的文献,本文从理论上分析Iceberg概念格叠置集成构造全局Iceberg概念格的局限性,然后论证了基于Iceberg概念格叠置半集成构造全局Iceberg概念格的可行性,进而提出一个基于Iceberg概念格叠置半集成的频繁概念生长分布算法(Frecogd),并且把它应用于同构分布式环境下的全局闭频繁项集挖掘过程中.实验验证了该算法理论的可行性,同时也揭示了该算法的挖掘效能有待进一步的改进与提高.     

基于C/S和B/S结构的教材管理系统研究

结合高校教材管理的特点和需求,提出基于C/S和B/S结构的教材定购管理系统的整体设计方案,分析系统的体系架构和流程设计.同时在系统需求分析的基础上,设计相应的功能模块.基于先进的计算机技术和数据库技术,设计出一个功能齐全的学校教材定购系统,实现教材信息管理的智能化.     

大数据环境下的多源数据演化更新研究

大数据环境下的多源数据呈现出数据量大、数据种类多、数据变化快的特点,这些特点对数据更新提出了新的挑战。通过分析大数据下多源数据的特点,定义了演化数据的概念,基于此建立了大数据的动态变频遍历更新模型。首先通过抽象数据的演化方式,建立了演化数据的势与稳定性概念,从而推导出更一般的代数意义上的演化运算工具;其次通过将运算工具导入大数据数据更新的实际应用中,推导出基于概率的变频遍历与动态权值模型;最后通过实验验证了在大数据环境下动态变频遍历模型(Dynamic Frequency Conversion Traversal,DFCT) 对多源数据具有较高的更新效率。     

基于时空感知的用户角色推理

随着大数据和信息技术的发展,更好地理解用户的行为轨迹在个性化推荐、广告推荐等方面越来越重要。该文依据大数据环境下的城市计算理论,提出一种基于情境感知的用户角色推理模型。通过用户的行为轨迹分析其行为的时空特性;结合时间、语义分析等构造识别用户角色概率推理模型;通过算法克服识别用户角色的主观性、动态适应性差等问题。实验结果证明了该文所提模型的可行性、精确性和预测准确性。     

D\\+3MOPSO：一种基于用户偏好的元搜索排序聚合演化方法

随着网络数据的爆发式增长和用户需求的多元化发展,现有元搜索排序聚合方法在精度和性能上面临着巨大挑战.以满足用户的多重需求和个性化偏好为目标,提出了一种新的元搜索排序聚合算法.通过重新定义多目标粒子群优化算法(multi-objective particle swarm optimization, MOPSO)中粒子的属性,调整速度变化因子,改进种群初始化和演化机制,设计新的存档与更新策略以及引导微粒选择策略,提出了一个基于支配分解的离散多目标优化(D\\+3MOPSO)算法,使其能根据用户的质量需求偏好在大规模离散解空间中快速准确地找出最优解集.在多个数据集上的实验结果表明：当数据规模较小时,D\\+3MOPSO算法的精度和性能接近机器学习排序聚合方法;在大规模数据环境下,其精度和性能优于机器学习方法以及同类多目标优化方法.