本文利用密栅云纹法结合三次样条函数求导法,通过压剪实验,测量计算出压剪区内应变速率场及应力场。结果表明,水平应变速率及应力沿试件厚向分布不均;上下表面摩擦力大小不等;压剪区内存在着横贯变形区的大剪应力场。利用实验数据回归出异步条件下接触弧的摩擦系数表达式,并结合Nadai斜面压缩金属楔解建立了新的异步轧制压力模型。新模型与实际吻合较好

本文从分析轧制力、力矩的主要影响因素入手,根据斜轧球磨机钢球的轧制力、力矩的实测数据,进行回归分析,导出了计算斜轧钢球轧制力、力矩可使用的半经验公式。通过初步校核,证明本公式计算简单,使用方便,数据可靠,准确

利用非线性规划的方法,提出了轧钢机轧辊直径的设计计算的新方法。对轧钢机电子计算机辅助设计,提供了基本结构参数的模型及回归公式

基于马氏距离和模糊C均值聚类算法提出了一种数字彩色图像抠图算法.该算法首先对彩色图像像素的红绿蓝三种彩色分量进行正则化处理；然后在正则化图像背景中选取适当的掩膜作为样本集，计算各像素与样本集之间的马氏距离；再利用模糊C均值聚类算法对计算出的马氏距离进行分类；最后利用填洞操作提高抠图质量.对八幅彩色数字图像进行对比实验，结果显示本算法可以自动抠图，且结果优于马氏距离算法、Grow-Cut算法和正则化线性回归算法的相应抠图效果

采用凸轮式高速形变试验机,压缩端面上带凹槽并在凹槽里充满不同软化温度的玻璃粉作润滑剂的圆柱形试件的方法,其变形温度为850—1150℃,变形速度为5—80S-1,变形程度为Ln(h0/h1)=0—0.6931。对40MnB等四个合金结构钢进行高温高速下塑性变形阻力实验研究。本文不仅提供了40MnB变形阻力计算图表,而且对目前常用变形温度对变形阻力的影响项具有两种不同结构型式的拟合曲线采用非线性回归进行分析比较,提出了拟合精度较高的变形阻力数学模型

浮选回收率是金矿选矿过程重要的生产指标，目前主要是通过人工化验的方法检测获得，人工检测周期较长，造成金矿厂不能及时把握浮选工艺水平.在大量现场生产数据的基础上，分别采用多元线性回归和BP神经网络的方法，建立了金矿厂浮选回收率的预测模型.预测误差分析表明，BP神经网络预测模型能较好地预测金矿厂的浮选回收率，当预测相对误差在±3%范围内时，模型的预测精度达到91%，对于实际生产具有良好的参考作用

利用有限元软件对楔横轧成形小断面收缩率轴类件的椭圆度进行数值模拟,通过对数值模拟结果进行正交回归分析,研究工艺参数对小断面收缩率轧件椭圆度的影响规律.结果表明:展宽角和断面收缩率对轧件椭圆度影响显著,展宽角越大或断面收缩率越小,则轧件椭圆度越大;当断面收缩率较小时,成形角对轧件椭圆度几乎没有影响.并解释了各工艺参数对轧件椭圆度影响的原因.通过轧制实验,验证了数值模拟结果的可靠性

引入以三次勒让德多项式表达的基本板形模式,并采用基于最小二乘原理的回归分析方法建立了板形模式识别模型.对某厂2180 mm CVC(continuously variable crown)超宽带钢冷连轧机和1550 mm UCM(universal crown mill)普通宽带钢冷连轧机的板形进行了识别与对比,结果表明对超宽带钢轧机板形而言,引入三次基本板形模式识别出的主要板形缺陷为\OS(operating side)单侧肋浪加DS(driving side)单边浪\,未引入为\四分之一浪\;对普通宽带钢轧板形,识别结果均为\中浪\,验证了在超宽带钢冷连轧机板形模式识别中引入三次基本板形模式的必要性,并讨论了此模型在超宽带钢冷连轧机板形缺陷分析及非对称板形控制方面的应用价值

针对传统算法在抗光照变化影响、大位移光流和异质点滤除等方面的不足,从人类视觉认知机理出发,提出了一种基于机器学习和生物模型的运动自适应V1-MT (motion-adaptive V1-MT,MAV1MT)序列图像光流估计算法.首先,引入基于ROF模型的结构纹理分解(structure-texture decomposition,STD)技术,有效解决了光照和色彩变化的影响.其次,利用多V1细胞加权组合及非线性正则化模拟MT细胞模型,并结合岭回归训练学习得到运动自适应的权重,解决对目标的运动速度感知问题.最后,引入由粗到精的增强方法和图像金字塔局部运动估计采样,将V1-MT运动估计模型应用于实际大位移视频序列.理论分析和实验结果表明,新方法能更加拟合人眼视觉信息处理特性,对视频序列具有普适、有效、鲁棒的运动感知性能

本文运用多元逐步回归、t——检验、分布检验等统计方法和金属学理论对4Cr9Si2钢种进行分析,确定了合理的控制成分,显著提高了产品合格率。文中对原冶标(YB11-59)所提出的修改意见在新标准内已被采纳