本文研究了热处理因素对W+Mo含量达12%的10Cr-15Co-Ni基高温合金弯曲晶界形成的影响。指出在固溶处理后以1-10℃/分冷却和固溶处理后空冷至1020-1130℃并在这一温度范围保温一定时间均可获得弯曲晶界。在弯曲晶界上同时并存有参与热处理过程的两种性质不同的r'和MbC型碳化物相,MbC型碳化物的生核并迅速长大是该类型合金引起晶界弯曲的主导因素,这一观点与传统的看法即在高合金化Ni基合金中r'相的不连续沉淀引起晶界弯曲是截然不同的。同时提出了在该类型合金中弯曲晶界形成的模型以及讨论了弯曲晶界形成的机理

研究了一类不确定离散时间系统的鲁棒H∞预见控制问题.其中采用一种新的方法构造扩大误差系统,避免对时变的系数矩阵取差分,从而成功构造简化的扩大误差系统.然后针对所求得的不确定系统的扩大误差系统,通过引入带有预见作用的状态反馈,研究鲁棒H∞保成本控制问题,得到确保鲁棒H∞控制器存在的充分条件及H∞状态反馈控制器的设计方法.该条件可以通过求解一个线性矩阵不等式优化问题而实现.所得控制器回到原系统就得到带有预见作用的最优预见控制器.而且,通过引入积分器,实现闭环系统对目标值信号的鲁棒无静差跟踪.最后的数值算例说明了本文理论的有效性

在教育活动中,教师必须采取一系列的手段才能完成教育任务,无论教师采用怎样的教育流 程、组织形式、完成什么样的教育任务,都必须采用一定的教育方法。自从人类有了教育活动, 也就有了教育方法的创造和应用。教育方法的实践与理论发展,从一个侧面反映了教育活动变革 与发展的进程

随着物联网技术的发展，前端传感器的使用使得低合金钢的海水腐蚀监测成为了现实，从而获得了大量的腐蚀数据。针对传统均值法处理双率腐蚀数据带来的数据信息损失以及建模精度下降问题，提出了一种基于综合指标值(CIV)和改进相关向量回归(IRVR)的双率腐蚀数据处理和建模算法(CIV-IRVR)。首先，通过构建CIV表征输入数据的综合影响并采用天牛须搜索(BAS)算法对其参数进行寻优；然后，建立最优CIV序列与输出数据间的线性回归模型将双率数据转化为建模用的单率数据，能够更多地保留原始数据信息；最后，给出了一种BAS算法优化的具有组合核函数的改进相关向量回归建模方法(IRVR)，并建立了针对低合金钢海水腐蚀双率数据的CIV-IRVR预测模型。结果表明：相比于均值方法处理双率腐蚀数据，所提方法将建模样本数量由196提升到了1834；相比于海水腐蚀建模领域常用的人工神经网络(ANN)和支持向量回归(SVR)建模方法，所提模型的平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(CD)分别为1.1914 mV、1.5729 mV以及0.9963，在各项指标上均优于对比算法，说明所提模型不仅减少了信息损失还提高了建模精度，对于双率海水腐蚀数据建模具有一定现实意义

第十九讲 定积分的应用(一) 一、微元分析法 二、几何应用

一、说明 (一)、课程的性质、地位和任务 体育统计学是运用统计学的原理和方法研究体育领域随机现象的数量规律的一门基础应用学科,属于方法论学科范畴。课程目的是让学生掌握体育统计学的基本原理和方法,培养对体育领域内的随机现象进行定量描述和分析的能力

以电炉镍铁渣和普通高炉渣为主要原料，采用Petrurgic一步法制备了微晶玻璃，并结合力学性能测试，对样品进行了X射线衍射(XRD)、扫描电镜(SEM)等分析，讨论了电炉镍铁渣和普通高炉渣配比、Mg2+含量以及晶核剂TiO2对成品微观结构及性能的影响规律.结果表明：将熔渣冷却至900℃结晶和650℃退火，能够制备出性能优良的微晶玻璃.当Mg2+含量增加且析出晶体为单一辉石族矿物时，微晶玻璃具有较高的力学性能.电炉镍铁渣或Mg2+含量增加，会导致其辉石族矿物含量增加，当两种渣混合掺量达到90%(镍铁渣质量分数50%，高炉渣质量分数为40%)且外掺2% MgO时，所制备微晶玻璃结构致密，仅含有单一辉石族矿物，包括透辉石、普通辉石和斜顽辉石，从而具有最优的力学性能，其抗折强度达210 MPa，抗压强度达1162 MPa.电炉镍铁渣或者MgO含量进一步增加，会导致镁橄榄石析出，此时微晶玻璃的力学性能显著下降.TiO2含量的增加不改变微晶玻璃晶体种类，合适掺入TiO2(本实验为质量分数2%)能够增强透辉石含量，提升性能；但过量掺入会抑制晶体生长，导致其性能下降

基于图像处理的方法，采用了由粗及精的瞳孔定位思想，提出了一种高精度的瞳孔定位算法。该算法首先利用瞳孔区域的直方图，采用改进的最大类间方差法自适应地分割瞳孔区域，实现粗略定位，然后利用瞳孔灰度的梯度特性来精确定位瞳孔边缘点，最后在像素级瞳孔边缘点的基础上，采用亚像素定位方法，更精确地求得亚像素级瞳孔边缘点，并通过椭圆拟合的方法来精确确定瞳孔的中心位置。另外，针对瞳孔被遮挡的情况，本文提出了一种等距离补偿瞳孔的方法。多次实验结果证明了该算法对遮挡瞳孔的定位有较强的鲁棒性，可以准确地定位瞳孔的位置

基于高性能的YOLOv3目标检测算法，提出一种分阶段高效火车号识别算法。整个识别过程分为两个阶段：第一阶段在低分辨率全局图像中检测出火车号区域位置；第二阶段在局部高分辨率图像中检测出组成火车号的字符，根据字符的空间位置关系搜索得到12位火车号，并利用每个字符的识别置信度及火车号编码规则进行校验得到最终火车号。另外，本文提出一种结合批一化因子和滤波器相关度的剪枝算法，通过对两个阶段检测模型的剪枝，在保证识别准确率不降（实验中略有提升）的条件下降低了存储空间占用率和计算复杂度。在现场采集的1072幅火车号图像上的实验结果表明，本文提出的火车号识别算法达到了96.92%的整车号识别正确率，平均识别时间仅为191 ms

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