采用超高压力下通电烧结技术制备了铜体积分数25%~75%的钼铜合金材料.烧结压力2~10GPa,通电功率15kW,通电时间65s.分析了不同成分和制备工艺参数的钼铜合金显微形貌及力学性能.结果表明,所制备的钼铜合金材料结构致密,力学性能优越,而且超高压力下通电烧结技术能有效地避免晶粒长大和组织偏析

一、超临界流体及其性质 二、超临界萃取及其应用

针对超声心动图像质量差、噪声多，传统卷积神经网络架构对超声心动图像的学习能力有限、表达不充分的缺点，提出了一种基于标准切面识别的房间隔缺损（Atrial septal defect，ASD）智能辅助诊断模型。该模型通过对超声心动图像进行切面识别，充分融合其不同切面的语义特征，使得诊断的准确率得到明显提升。此外，还对其进行双边滤波保边去噪，并基于此模型搭建房间隔缺损智能辅助诊断系统（简称ASD辅助诊断系统）。结果表明，该ASD辅助诊断系统的准确率高达97.8%，且与传统卷积神经网络相比大大降低了假阴性率

结合颜料的特性分析阐述了超细煤系煅烧高岭土粉体作为钛白代用品基体的原因.结果表明,超细煤系煅烧高岭土的高白度、高折光指数、较强遮盖力、低吸油量等物化性能是将其作为钛白代用品基体的原因;另外颗粒表面吸附能力的增强以及表面电位有利于其与表面改性药剂作用

超声波加工是利用振动频率超过16 000 Hz的工具头，通过悬浮液磨料对工件进行成型加工的一种方法

融合手工特征和深度特征，提出了一种集成超限学习机心跳分类方法。手工提取的特征明确地表征了心电信号的特定特性，如相邻心跳时间间隔反映了心跳信号的时域特性，小波系数反映了心跳信号的时频特性。同时设计了一维卷积神经网络对心跳信号特征进行自动提取。基于超限学习机（Extreme leaning machine，ELM），将上述特征融合进行心跳分类。由于ELM初始参数的随机给定可能导致其性能不稳定，进一步提出了一种基于袋装（Bagging）策略的多个ELM集成方法，使分类结果更加稳定且模型泛化能力更强。利用麻省理工心律失常公开数据集对所提方法进行了验证，分类准确率达到了99.02%，实验结果也表明基于融合特征的分类准确率高于基于单独特征的分类准确率

描述了基于新型驱动电路和低噪声程控放大器的超声测距系统.驱动系统的设计从硬件角度提高了回波信号的信噪比和稳定性.基于能量重心校正法和最小二乘法的原理,提出了一种改进型椭圆中心超声回波寻峰算法:通过曲线拟合搜索椭圆中心点,即回波信号能量集中点,进而找到回波信号的峰值点.测试比较证明,与包络线法和三次多项式法相比,此算法测量相对误差稳定在0.2%,适用高精度工业测量

论述了应用激光外差和锁相环解调原理探测固体表面超声位移的原理、方法,并利用激光外差干涉仪对固体表面的超声位移进行了探测,得到了很好的结果

为研究压下对连铸坯内部裂纹产生的影响，利用ABAQUS有限元软件建立了230 mm×280 mm断面大方坯压下数学模型。通过压下模型对重轨钢连铸坯压下过程进行热力耦合模拟计算，对压下过程中产生的内部裂纹进行了预测。首先，对连铸坯不同中心固相率为0.3～0.7的温度场进行计算；然后，利用压下模型计算了连铸坯中心固相率0.3～0.7时凝固前沿的等效塑性应变。研究结果表明，在连铸坯中心固相率为0.3～0.7的位置处分别施加7 mm压下量进行压下，连铸坯凝固前沿等效塑性应变未超过临界等效塑性应变（0.4%），连铸坯未出现内裂纹；同时，对连铸坯在中心固相率为0.6位置处进行了不同压下量的研究，研究结果表明，当连铸坯压下量超过7 mm时，凝固前沿的等效塑性应变超过临界塑性应变（0.4%），连铸坯出现内裂纹，并且压下量越大，连铸坯内裂纹越严重。同时，工业试验结果与模型计算结果基本吻合，验证了模型计算的准确性

第12章参数估计 一、引入:一知半解比一无所知更可怕 十年前,深圳市某公司经理正襟危坐,听老师讲证券市场:发达国家的股市 表明,盈利率超过25%,股市便会下跌.这位经理想到自己最早购买的那批股 票,盈利率早已超过250%,于是,一个电话:“全部抛出!”,众所周知,那 批股票的盈利率将一度超过2500% 这叫只知其一,不知其二,一知半解比一无所知更可怕.这是因为,一无所 知者有自知之明,凡事谨慎小心