针对目前对薄壁钣金件孔测量的效率低,孔心位置和孔半径测量方法上存在的不足,提出一种基于T-scan测量的薄壁钣金件孔特征的重构方法.该方法用T-scan对薄壁钣金件上孔进行扫描得到点云数据;根据点云数据中连续点的欧拉距离将点云数据划分成扫描线点数据;对扫描线点云数据进行算法处理获取位于平面上的点及孔的边缘点;最后对平面上的点采用稳健特征值平面拟合得出平面参数,利用最小二乘空间圆拟合获取孔心坐标值及孔径大小,完成薄壁孔特征重构.通过对试验件和薄壁钣金件上孔进行测量处理,实验表明该算法有很好的实用性且精度满足钣金件孔的实际检测精度要求

以我国资源丰富的低成本优质无烟煤为原料，经过2800 ℃高温纯化、石墨化处理，制备出锂电池用负极材料，用相同手段处理商业化石墨的前体石油焦与石墨化无烟煤作对比。通过X射线衍射（XRD），扫描电子显微镜（SEM），透射电子显微镜（TEM），拉曼光谱（Roman）和氮吸附?解吸等手段对无烟煤基负极材料进行微观结构的表征。采用恒流充放电（GCD），循环伏安（CV）表征其电化学性能。实验结果表明，无烟煤基石墨化负极材料的石墨化度可达95.44%，比表面积为1.1319 m2·g?1，石墨片层结构平整光滑。该石墨化无烟煤作为锂离子电池的负极材料首次库伦效率为87%，在0.1C的电流密度下具有345.3 mA·h·g?1的可逆容量，且在高倍率下该材料比石墨化石油焦材料显现出更好储锂性能，这归功于石墨化无烟煤较为规则高度有序的表面结构。在不同倍率循环后电流密度恢复到0.1C时容量基本无衰减，100圈循环后可逆容量保持率高达93.8%，基本与石墨化石油焦负极相当，拥有优异的循环稳定性。无烟煤基石墨在容量、倍率性能及循环稳定性上基本接近甚至超过石墨化石油焦。本研究表明，采用优质无烟煤作为原料生产锂离子电池负极材料具有潜在的研究价值和广阔的商业前景

针对单核学习支持向量机无法兼顾学习能力与泛化能力以及多核函数参数寻优问题，提出了一种基于群体智能优化的多核学习支持向量机算法。首先，研究了五种单核函数对支持向量机分类性能的影响，进一步提出具有全局性质的多项式核和局部性质的拉普拉斯核凸组合形式的多核学习支持向量机算法；其次，为增加粒子多样性及快速寻优，将粒子群优化算法引入了遗传算法中的杂交操作，并用此改进的群体智能优化算法对多核学习支持向量机进行参数寻优。最后，分别采用深度特征与手工特征作为识别算法的输入，研究表明采用深度特征优于手工特征。故本文采用深度特征作为多核学习支持向量机的输入，以交叉遗传与粒子群混合智能优化算法作为其寻优方式。实验选取合作医院数据集对所提算法进行训练并初步测试，进一步为了验证所提算法的泛化能力，选取公开数据集LUNA16进行测试。实验结果表明，本文算法易于跳出局部最优解，提升了算法的学习能力与泛化能力，具有较优的分类性能