Al-Si系合金在现代工业、交通等领域广泛应用，合金元素钪可进一步改善其加工和使用性能.采用超声协同熔盐电解法制备Al-7S-Sc三元合金，研究探索超声作用对合金组织及强化相分布的影响.发现超声协同熔盐电解制得合金中Sc含量提高，团簇共晶硅组织和AlSi2Sc2相显著细化，共晶硅团簇尺寸由约500降低至200 μm，减小约60%，细化后AlSi2Sc2相分布均匀.超声协同电解法可显著优化Al-7Si-Sc合金组织，有助于控制改善现行工艺中合金元素偏聚、组织不均匀现象

本文用基于传递函数概念的虚拟等价系统方法统一分析各种类型的多变量确定性自校正控制系统的稳定性、收敛性和鲁棒性，分别针对参数估计收敛到真值、参数估计收敛到非真值以及参数估计不收敛的3种情况给出若干定理、推论和注释.在各个判据的基础上，进一步深化对确定性多变量自校正控制系统的理解.所得结论说明：参数估计的收敛性不是确定性多变量自校正控制系统稳定和收敛的必要条件；系统自身的反馈信息对确定性多变量自校正控制是充分的，即外加激励信号不是必要的

在某种意义上说,行政权力与公民权利和利益的联系直接而广泛,行政主体行使行政权 力不当,很容易对公民权利和利益造成损害,滋生腐败。所以,对行政权力进行有效监督十分 必要。行政权作为一种重要的国家权力,监督是确保行政权合法合理行使、保障公民权利的重 要环节

对低温冻结红砂岩进行动态冲击实验，研究高应变率下红砂岩动态力学特性的温度效应，运用损伤理论和能量理论，分析不同负温对红砂岩强度、损伤变量及能量耗散的影响，结合断口形貌分析，探究红砂岩在较低负温下动态力学强度出现劣化的原因.研究表明：较低的负温(-30℃后)会使红砂岩出现\冻伤\，导致高应变率下岩石动态力学强度的急剧降低，宏观上则容易出现动力扰动下的瞬时工程灾变.根据断口形貌分析，较低的负温会导致红砂岩内部组成物质间界面处生成大量裂纹，这些裂纹尖端塑性变形能力差，在高应变率加载下极易失稳扩展发生低应力脆性破坏，而胶结物由于组成矿物成分复杂更易受负温影响，因此在动荷载和负温双重作用下往往是胶结物处先产生破坏，进而引起红砂岩整体的破裂

为什么要在经济理论研究中分析不同的市场结构呢? 这是因为:厂商的利润取决于收益与成本。其中,厂商成 本主要取决于厂商的生产技术方面的因素(见第四章生产 论和第五章成本论),而厂间的收益则取决于市场对其产 品的需求情况。在不同类型的市场条件下,厂商所面临的 对其产品的需求状况是不同的,所以,在分析厂商的利润 最大化时的决策时,必须要区分不同的市场类型

行政主体在日常行政管理活动中其主要内容是实施具体行政行为,依据行政职权针对特定的人 或事进行管理和服务。本章对具体行政行为基本问题,对行政许可、行政确认、行政奖励、行政救 助、行政征收、行政征用、行政裁决、行政强制和行政合同等具体行政行为进行分析

1、从对数据的操纵方法来看 FoxPro系统可以采用不同的操作方式。 一、菜单方式 这种方式是通过在 FoxPro系统的菜单栏,选 择菜单项、完成对数据的处理

1.理解资源稀缺性的含义及其与经济学的关系。 2.掌握经济学的研究对象。 3.理解机会成本与生产可能性边界[曲线]的含义。 4.了解均衡分析方法。 5.了解微观经济学的研究对象和方法。 6.了解微观经济学的基本假设前提

为提高无法准确建立数学模型的非线性约束单目标系统优化问题的寻优精度,并考虑获取样本的代价,提出一种基于支持向量机和免疫粒子群算法的组合方法(support vector machine and immune particle swarm optimization,SVM-IPSO).首先,运用支持向量机构建非线性约束单目标系统预测模型,然后,采用引入了免疫系统自我调节机制的免疫粒子群算法在预测模型的基础上对系统寻优.与基于BP神经网络和粒子群算法的组合方法(BP and particle swarm optimization,BP-PSO)进行仿真实验对比,同时,通过减少训练样本,研究了在训练样本较少情况下两种方法的寻优效果.实验结果表明,在相同样本数量条件下,SVM-IPSO方法具有更高的优化能力,并且当样本数量减少时,相比BP-PSO方法,SVM-IPSO方法仍能获得更稳定且更准确的系统寻优值.因此,SVM-IPSO方法为实际中此类问题提供了一个新的更优的解决途径

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