近年来，无人机入侵的事件经常发生，无人机跌落碰撞的事件也屡见不鲜，在人群密集的地方容易引发安全事故，所以无人机监测是目前安防领域的研究热点。虽然目前有很多种无人机监测方案，但大多成本高昂，实施困难。在5G背景下，针对此问题提出了一种利用城市已有的监控网络去获取数据的方法，基于深度学习的算法进行无人机目标检测，进而识别无人机，并追踪定位无人机。该方法采用改进的YOLOv3模型检测视频帧中是否存在无人机，YOLOv3算法是YOLO（You only look once，一次到位）系列的第三代版本，属于one-stage目标检测算法这一类，在速度上相对于two-stage类型的算法有着明显的优势。YOLOv3输出视频帧中存在的无人机的位置信息。根据位置信息用PID（Proportion integration differentiation，比例积分微分）算法调节摄像头的中心朝向追踪无人机，再由多个摄像头的参数解算出无人机的实际坐标，从而实现定位。本文通过拍摄无人机飞行的照片、从互联网上搜索下载等方式构建了数据集，并且使用labelImg工具对图片中的无人机进行了标注，数据集按照无人机的旋翼数量进行了分类。实验中采用按旋翼数量分类后的数据集对检测模型进行训练，训练后的模型在测试集上能达到83.24%的准确率和88.15%的召回率，在配备NVIDIA GTX 1060的计算机上能达到每秒20帧的速度，可实现实时追踪

网络环境下的恶意软件严重威胁着工控系统的安全，随着目前恶意软件变种的逐渐增多，给工控系统恶意软件的检测和安全防护带来了巨大的挑战。现有的检测方法存在着自适应检测识别的智能化程度不高等局限性。针对此问题，围绕威胁工控系统网络安全的恶意软件对象，本文通过结合利用强化学习这一高级的机器学习算法，设计了一个检测应用方法框架。在实现过程中，根据恶意软件行为检测的实际需求，充分结合强化学习的序列决策和动态反馈学习等智能特征，详细讨论并设计了其中的特征提取网络、策略网络和分类网络等关键应用模块。基于恶意软件实际测试数据集进行的应用实验验证了本文方法的有效性，可为一般恶意软件行为检测提供一种智能化的决策辅助手段

针对如何识别无人机的问题，提出了一种基于卷积神经网络的声音识别无人机的方法。首先，对100 m范围内的无人机、鸟和人的声音进行采集、预处理和提取MFCC+GFCC特征值，将其特征参数作为卷积神经网络学习和识别的数据集；然后分别设计了支持向量机和卷积神经网络两种模型对无人机等声音进行识别实验。实验结果表明，运用支持向量机识别无人机的准确率为91.9%，卷积神经网络识别无人机的准确率为96.5%。为了进一步验证设计的卷积神经网络的识别能力，在部分UrbanSound8K数据集上进行测试，准确率达到90%。实验结果表明运用卷积神经网络识别无人机具有可行性，且识别性能优于支持向量机

采用光学显微镜（OM）、扫描电子显微镜（SEM）、纳米力学探针、力学性能测试以及室温摩擦磨损实验研究了Cu–(Fe–C)合金的铸态组织、形变态组织、Fe–C相形貌、力学性能和摩擦磨损行为。结果表明，Cu–(Fe–C)合金中弥散分布着微米级和纳米级的Fe–C相，其中微米级的Fe–C相在淬火和回火过程中发生了固态转变，这种固态转变与钢中的马氏体转变和回火转变类似。合金先在850 ℃淬火，然后在200、400和650 ℃回火，Fe–C相由针状马氏体逐渐向颗粒状回火索氏体转变，Fe–C相纳米硬度分别为9.4、8、4.2和3.8 GPa，实现了对强化相硬度的控制。室温摩擦磨损实验结果表明，随着回火温度升高，合金的磨损机制逐渐由犁削向黏着磨损和大塑性变形转变，导致合金的耐磨损性能降低。这一结论可以为通过Fe–C相的固态转变的方法调控Cu–(Fe–C)合金的摩擦磨损性能提供参考作用

利用喷射成形和热挤压的方法制备了含锰为2%(质量分数)的高强铝合金Al-8.8Zn-2.9Mg-1.6Cu合金,用X射线衍射(XRD)、光学显微镜(OM)和扫描电镜(SEM)和透射电镜(TEM)等方法研究了铝合金的微观组织,并进行了力学性能测试.研究结果表明:喷射成形制备的含锰铝合金经过热挤压和固溶处理后,基体组织为细小均匀的再结晶晶粒组织,平均尺寸约8μm.MnAl6颗粒在喷射沉积过程中沿晶界析出,经过热挤压后,尺寸大的颗粒破碎,大部分的颗粒则沿挤压方向产生一定的塑性变形.固溶处理对MnAl6颗粒尺寸的影响不明显,但棒状/片状颗粒的边角处发生球化,有利于降低诱发显微裂纹的应力或应变集中.时效后,铝合金达强度为775MPa,延伸率达4.3%,断口以细小的韧窝为主,尺寸小于500nm

利用光学显微镜(OM),扫描电镜(SEM)及透射电镜(TEM)系统研究了碱土元素Sr和Ca加入Mg-4Al基合金后的显微组织,并测试了其抗蠕变性能.实验合金的铸态组织均由α-Mg和沿枝晶界分布的第二相组成.2%Sr加入基体合金中能观察到沿晶界的离异共晶和层片共晶Al4Sr相及块状三元τ相.2%Ca的加入则形成了晶界层片Mg2Ca共晶和晶内的Al2Ca颗粒.而在Mg-4Al-2Sr-1Ca中,晶界相为块状τ相和层片状Mg2Ca共晶,晶内也析出Al2Ca颗粒.在Mg-4Al-2Sr-1Ca基础上提高Al含量,粗大不规则共晶(Mg,Al)2Ca相在晶界处形成并不断增多,Mg2Ca及τ相逐渐减少,当Al含量到7%时,出现了新的细小层片状Al4Sr相.Sr、Ca元素加入Mg-Al合金,改善了合金的抗蠕变性能,其中Mg-5Al-2Sr-1Ca和Mg-6Al-2Sr-1Ca合金显示所有实验合金中最好的蠕变抗力.根据Power-law公式,在175℃/50~80MPa和70MPa/150~200℃蠕变下,Mg-4Al-2Sr合金在较低应力(<60MPa)下蠕变表现为扩散控制的位错攀移机制,而在高应力下出现Power-law公式的失效;Mg-4Al-2Sr-1Ca合金蠕变则受到了扩散控制的位错机制和晶界滑移机制的共同作用

使用常规铸锭冶金方法制备了不同Zn含量的AlMgSiCu合金.利用光学显微镜、扫描电镜、拉伸测试和纳米压痕方法研究了Zn含量对铝合金微观组织和力学性能的影响.研究发现Zn元素能够轻微细化AlMgSiCu合金铸态组织.随着合金中Zn含量的增加,铸态铝合金的晶界变宽,晶界析出相增多.Zn的添加未影响铸态合金的相组成和形貌.随Zn含量的增加,铝合金的强度和延伸率呈现先增后降的变化趋势,添加质量分数0.5%Zn可使合金具有最高的强度,而0.75%Zn使合金获得最高延伸率.对含Zn铝合金的纳米压痕测量表明:随着Zn含量的增加,铝合金的弹性模量呈现逐步降低的趋势

针对熔化焊在焊接AA7B04铝合金时易在焊缝中出现孔洞等缺陷，且接头性能下降明显、焊后变形大，以及采用铆接等机械连接方式会增加连接件的重量等问题，采用集成了搅拌摩擦焊末端执行器的KUKA Titan机器人对2 mm厚AA7B04高强铝合金进行了焊接，在转速为800 r·min-1的条件下，研究了焊度对焊接过程中搅拌头3个方向的受力Fx、Fy和Fz的影响.研究发现，Fz受焊速的影响显著，随焊速的增加而降低.利用光学显微镜、透射电子显微镜、拉伸试验、三点弯曲试验和硬度测试等方法，研究了不同焊速下AA7B04铝合金接头的微观组织和力学性能.结果表明：当焊速为100 mm·min-1时，接头的抗拉强度最高为447 MPa，可达母材的80%，且所有接头的正弯和背弯180°均无裂纹；接头横截面的硬度分布呈W型，硬度最低点出现在热力影响区和焊核区的交界处，焊速不同会导致不同的焊接热循环，且随着焊速的增加接头的硬度随之增加；焊核区组织发生了动态再结晶，生成了细小的等轴晶粒，前进侧和后退侧热力影响区的晶粒均发生了明显的变形；前进侧热影响区析出η'相，后退侧热影响区因温度较高析出η'相和尺寸较大的η相

本书详尽讲解了LabVIEW常用的编程方法、编程技巧和工程应用技术。全书共分为3篇，其中：入门篇归纳总结了LabVIEW编程人员必须掌握的基础知识，包括LabVIEW的基本概念、基本函数的用法和常用的运行结构，以及LabVIEW的基本数据结构和文件存储方式；高级篇细致地讲解了引用、属性、方法以及各类高级控件的运用，LabVIEW的文本方式编程以及DLL、C语言接口，基于Matlab语法的MathScript编程技术，LabVIEW基于组件的高级编程方法和编程模式；工程应用篇介绍了串口、并口和网络通信的常用方法，数据采集的基本原理和方法，LabVIEW实时系统的构建和编程，以及各种常用专业工具包的使用方法，包括数据库连接工具包、数据监控与记录工具包、报表生成工具包、状态图工具包等等。本书可作为高等院校通信、测量技术、自动控制等相关课程的教材和教学参考书，也可作为相关工程技术人员设计开发仪器或自动测试系统的技术手册