通过工业试验对202不锈钢进行系统取样，分析试样中夹杂物的变化特征，结合热力学计算，研究了202不锈钢中非金属夹杂物的形成机理。在进行硅锰脱氧后，LF精炼过程中钢液内以球型Ca?Si?Mn?O夹杂物为主。对于硅锰脱氧钢，钢液中残余铝质量分数为1×10?5时，可以扩大Mn?Si?O相图的液相区，但铝质量分数超过3×10?5会导致钢中容易形成氧化铝夹杂物并减小液相区。在连铸坯中以Mn?Al?O类夹杂物为主，相较于LF精炼过程试样，连铸坯试样中夹杂物的MnO和Al2O3含量明显增加，CaO和SiO2含量明显减小，夹杂物个数则由LF出钢试样的5.5 mm?2增加到11.3 mm?2。结合热力学计算发现，凝固过程中会有Mn?Al?O夹杂物形成，这也使其成为连铸坯中主要的夹杂物类型

贾祖璋《萤火虫》教学设计2_《萤火虫》教学设计1

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

提出了基于双偏心误差齿轮副的驱动齿面与齿背面（双齿面）无负载传动误差计算模型，建立与时变侧隙计算公式的等价关系，从理论上证明了基于双齿面传动误差的侧隙测量方法。通过实验方法测量不同负载力矩、不同初始啮合面的双面传动误差并获得相应载荷下的初始回差。基于双齿面传动误差实验曲线，实现了对齿轮副整个大周期侧隙的连续测量与预测。结果表明，连续侧隙曲线与机械滞后回差法测量结果吻合良好，而侧隙预测较好地反应了侧隙值变化范围和变化趋势。同时，侧隙连续测量方法及侧隙预测均证明了理论模型的正确性，提高了侧隙测量效率并获得了更全面的侧隙数据，对齿轮传动的非线性研究、消隙控制以及齿轮精度研究等均具有指导意义和参考价值

巡线机器人延迟容忍传感器网络(delay tolerant mobile sensor networks for inspection robot,DTMSNR)用于输电线路巡线机器人远程电网数据收集,具有节点稀疏、异构、随机移动性、间歇连通性和延迟容忍性.针对传统传感器网络数据传输算法机器人数据传输成功率低与网络可靠性差等问题.提出一种基于巡线机器人位姿信息的数据传输(mobile robot position-based delivery,MPD)策略.为准确计算巡线机器人网络位姿信息,建立机器人路径约束随机运动模型.MPD采用机器人相对网络位姿信息计算传输概率,进行消息传输路径选择.对网络异构消息引入机器人消息优先传输、消息失效机制进行消息队列管理.仿真实验表明,相较现有的几种延迟容忍传感器网络(delay tolerant mobile sensor network,DTMSN)数据传输策略,针对巡线机器人网络MPD能在适当的传输能耗下达到更高的传输成功率与更低的传输延迟

长安大学：《道路勘测设计》课程教学资源（PPT课件）第四章 纵断面设计（竖曲线2/2）

3.1组合逻辑电路的分析方法和设计方法 3.2编码器 3.3译码器 3.4算术运算电路

深度神经网络技术用于机械设备故障诊断展现出了巨大潜力，但繁重复杂的计算量对计算机硬件提出了严苛的要求，严重限制了其在实际工程中的应用。基于此提出一种新型的轻量级神经网络ShuffleNet，用于高速列车轮对轴承故障诊断研究。该网络模型基于模块化设计思想，包含多个高效率的ShuffleNet单元，通过运用分组卷积与深度可分离卷积技术极大改善了传统卷积操作的运算效率；同时使用通道混洗方法克服了通道分组带来的约束，改进了网络的损失精度。实验分析表明，所提网络模型可有效用于复杂工况下高速列车轮对轴承故障诊断，相比传统卷积神经网络、残差网络和Xception等当前深度神经网络模型，在保证诊断精度的同时，运行效率得到大幅提升。这为深度神经网络技术应用于工程实际，克服计算机硬件条件限制提供了一条新的途径

通过有限空间100 min极限载人实验,提出了基于光电容积脉搏波(PPG)的客观疲劳测量方法并开发了光电容积脉搏波信号特征参数提取算法用来掌握生理疲劳的血液动力学与循环系统变化特征.研究结果表明,人体出现生理疲劳时,光电容积脉搏波信号平均周期显著大于未疲劳状态(p<0.001),血管阻力增大,每搏射血量明显下降;计算了未疲劳与疲劳状态下光电容积脉搏波信号的两种复杂度(KC复杂度和高阶KC复杂度)发现,两种复杂度计算结果一致,均为未疲劳时波形比疲劳时波形更平稳.因此表明光电容积脉搏波信号能够捕捉到疲劳状态的生理变化,解决了生理疲劳的客观测量与快速判断问题

借鉴水泥净浆流动度测试方法，引入扩散度参数判别尾砂膏体的流变特性，开展试验研究分析扩散度与尾砂膏体质量分数（Cw）、灰砂比、屈服应力和黏度系数的关系，根据5个矿山的扩散度和流变参数测试结果，构建扩散度与屈服应力的经验模型，并与推导的解析模型作对比。结果表明：尾砂膏体的扩散度主要与质量分数有关，灰砂比对其影响不显著，随质量分数、屈服应力和黏度的增加而减小，质量分数为68%、70%和72%的尾砂膏体的扩散度分别为20.37、17.22和12.44 cm；尾砂膏体的扩散度与屈服应力的变化趋势相吻合，二者呈指数型函数关系，经验模型计算得到的屈服应力与测试结果误差在25%范围内，且尾砂膏体质量分数越大，二者的误差越小，达到10%以内；解析模型与经验模型计算所得的屈服应力在扩散度为12～16 cm之间结果较接近，解析模型计算结果整体上高于测试值；相比于坍落度，扩散度测试简便易操作，扩散度能有效表征尾砂膏体的流变特性，指导矿山现场充填