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

有机物质运输与分配直接关系到作物产量的高低和品质的好坏作物的经济产量不仅取决于 光合产物的多少,而且还取决于光合产物向经济器官运输与分配的量。所以,研究有机物的 运输与分配不仅具有理论意义,而且具有重要的实践意义。 生物体的生长发育受遗传因素与环境信号的共同调节控制。以核酸和蛋白质为主的遗传信息 系统,决定生长发育的潜在模式,而生长发育的具体表现又受控于环境信号。本章还将讨论 植物细胞对环境信号的感受及信号的传递与转导问题

为进一步揭示柔性隔离层下散体介质流动过程的内部作用机理，基于离散元软件PFC开展了柔性隔离层下散体介质流力链演化特征的数值试验研究。结合接触力学及统计力学相关知识，对多漏斗放矿过程中散体介质体系内力链长度、数量、强度、方向和准直系数等的演化特征进行了量化研究。研究发现：多漏斗放矿过程中，强接触及力链接触占比均比较稳定，其中强接触占比稳定在33%左右，力链接触占比稳定在16%左右，上下波动幅度均不超过2%；力链总数随着放矿次数的增加不断波动减少，并在放矿后期稳定在790条左右；不同放矿次数下力链长度的概率分布几乎一致，均随着力链长度的增加呈指数形式递减；力链强度的概率分布随着放矿次数的增加先呈指数形式上升再呈指数形式下降，并在0.7$\\bar F$

真空电弧重熔镍基高温合金GH220,自耗电极端部熔化区\突出环\内部的镁分布基本均匀;而熔化液层及液固两相区的镁分布不均匀,从熔化液层表面到原始电极区镁含量显著增高。熔化液层中距表面约0.3毫米内的镁含量[Mg]s和重熔锭镁含量[Mg]i均与电极原始镁含量[Mg]e呈直线关系,本试验条件下,[Mg]s=0.18[Mg]e;[Mg]i=0.30[Mg]e。重熔过程的镁挥发主要发生于电极端部熔滴形成阶段,挥发过程主要受控于镁由原始电极向熔化液层-气相界面迁移的速度,传质系数K12=0.107厘米·秒-1。真空感应熔炼GH220,镁挥发受液相边界层中扩散与界面挥发反应的混合控制,并非受控于气相边界层中镁的扩散。在试验条件下,液相边界层中镁的扩散与界面挥发反应总传质系数K23=10-1~10-2厘米·秒-1,而气相边界层中镁扩散的传质系数K4=47.17厘米·秒-1。根据(d[Mg])/dτ=-K23·VA及-K23与工艺参数的关系,建立了镁挥发的数学模型,即[Mg]e与镁加入量、挥发温度、气相压力、保持时间、合金液面面积、溶体体积之间的定量关系式。此模型在实验室和生产条件下均得到了很好的验证,可用于调整真空感应熔炼的工艺参数,实现有效的控制合金镁含量

在粗锡精炼过程中引入超重力场，运用超重力技术研究Sn-3% Fe（质量分数）熔体中杂质元素铁在超重力场中的定向富集和过滤分离的规律，达到提纯净化粗锡的目的.结果表明，对于超重力场G=500以10℃·min-1冷却速率凝固后的Sn-3% Fe熔体，超重力场极大强化富铁相在粗锡熔体中的沉降运动，使先析出富铁相全部富集到试样的下部区域，上部几乎找不到富铁相颗粒.下部尾锡中的铁质量分数达到4.817%，而上部精锡中的铁质量分数降低到0.036%，精锡中铁的脱除率高达98.78%.在超重力场中过滤的Sn-3% Fe熔体可实现富铁相杂质和精锡液的有效分离，当重力系数大于30时，精锡的回收率随重力系数的增大而提高.在超重力场G=100，240℃条件下，Sn-3% Fe熔体过滤1 min后，精锡液几乎全部被分离到坩埚底部，富铁相杂质被截留在过滤碳毡上部，下部精锡中找不到富铁相杂质的颗粒，精锡中铁质量分数降至0.253%，富铁渣中铁质量分数高达11.528%.精锡中铁的脱除率高达91.44%，超重力场中精锡的回收率高达82.69%

在分析化学,特别是仪器分析中,常常需要做工 作曲线(也叫标准曲线,或校正曲线,或检量线)。 例如,原子吸收法中作吸光度和浓度的工作曲线,极谱 法中作波高和浓度的工作曲线等等。在分析化学中所 使用的工作曲线,通常都是直线。一般是把实验点描 在坐标纸上,横坐标X表示被测物质的浓度,叫自变量 。大都是把可以精确测量或严格控制的变量(如标准 溶液的浓度)作为自变量;纵坐标y表示某种特征性质 (如吸光度、波高等)的量,称因变量,一般设因变 量是一组相互独立、其误差服从同一正态分布N(O, o2)的随机变量。然后根据坐标纸上的这些散点(实 验点)的走向,用直尺描出一条直线。这就是分析工 作者习惯的制作工作曲线的方法

针对某厂应用LD-RH-CC工艺生产SPHD低碳低硅铝镇静钢过程中,水口结瘤严重、连浇炉数较低的问题,通过现场试验研究了萤石的加入对钢中夹杂物及钢水连浇性的影响.试验结果表明:水口结瘤物的主要成分是Al2O3-CaO-MgO,其中Al2O3质量分数在70%以上.通过向RH炉真空室内加入一定量的块状萤石,可将出站精炼渣中钙铝质量分数比wCaO/wAl2O3控制在2左右,铸坯中Al2O3夹杂物含量有所减少并且粒径变小,钙铝酸盐夹杂物比例有所提高,连浇炉数可达到3炉以上

在机械稳健性优化设计中不确定变量常被假定为服从某种特定分布的随机变量,在随后的优化模型中丢掉了这些不确定变量的初始数据,这种对不确定变量的处理方式往往不能真切地反映不确定变量的本质,使得出的结论偏离事实.为了更加真切地反映这些不确定变量,使用盲数表达机械设计中的不确定变量,运用盲数运算规则表达各不确定变量之间的关系,把盲数理论和稳健设计相结合,建立基于盲数理论的稳健设计优化模型.使用该优化模型对一个气动换向装置进行了优化计算,优化结果好于传统的稳健设计结果.基于盲数的方法是一种离散化的数值计算方法,算例充分展示了其灵活性,证明了该优化方法是合理的和实用的

研究了EAF-LF-VD-CC流程冶炼气瓶钢30CrMo时精炼过程中含MgO·Al2O3夹杂物的生成和转化,对夹杂物进行了三维分析观察.研究结果表明:LF精炼30min后夹杂物中Mg含量减小,Ca含量增加,MgO·Al2O3夹杂物消失.LF精炼后期Mg含量变化不大,Ca含量减小,未出现MgO·Al2O3夹杂物;VD精炼过程中夹杂物中的Mg含量增加,Ca含量变化不大,重新生成了MgO·Al2O3夹杂物;精炼过程中MgO·Al2O3夹杂物可以向复合夹杂物转变的,但为防止精炼后期MgO·Al2O3夹杂物重新生成必须保证钢液中具有一定的钙含量

利用热力学软件计算了齿轮钢氧含量与夹杂物成分控制、夹杂物转变条件.结果表明,20CrMoH钢中具有较高塑性的非金属夹杂物成分(质量分数)为:SiO2 0%~10%、Al2O3 22%~55%、CaO 42%~60%、MgO 5%~10%,与之平衡的钢液中铝的质量分数大于0.020%,钙的质量分数大于0.7×10-6,a[O]为0.0005%左右;选择组成为CaO>40%、Al2O3 ≤ 37%、MgO 10%、(% CaO+% MgO)/% SiO2为10、SiO2含量尽量低的渣系,钢中Al2O3、MgO·Al2O3夹杂物可转变为低熔点的钙铝酸盐.试验发现LF和RH精炼结束时钢液T[O]含量均随炉渣碱度增加而降低,采用高Al2O3含量的炉渣对降低T[O]含量有利;精炼过程钢液中夹杂物按\Al2O3系夹杂物→MgO-Al2O3系夹杂物→CaO-MgO-Al2O3系夹杂物\顺序发生转变,其中MgO-Al2O3系夹杂物向CaO-MgO-Al2O3系夹杂物的转变是由外向内逐步进行的,转变速度相对较慢;降低T[O]含量有利于生成较低熔点的CaO-MgO-Al2O3系夹杂物