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

以铌硅基高温合金定向凝固铸造过程为对象，通过实验测试和反求法确定了铌硅基高温合金和型壳的热物性参数，以及凝固过程各界面换热系数等边界条件；利用ProCAST软件对不同抽拉速率下铌硅基高温合金凝固过程温度场进行了模拟。结果表明，随着抽拉速率由5 mm·min?1增加到10 mm·min?1，固/液界面离液态金属锡表面的距离由12.1 mm下降到8.2 mm；平均糊状区宽度逐渐变窄，由11.5 mm减小到10.4 mm。针对抽拉速率为5 mm·min?1的实验结果表明，数值模拟结果与实际定向凝固实验获得的一次枝晶间距差异在6%以内，从一个方面验证了温度场模拟结果的正确性，相关结果可为铌硅基高温合金叶片定向凝固铸造参数的确定提供参考

水力压裂过程中支撑剂的注入是为了防止地应力将已压裂出的裂缝重新闭合。为了研究复杂裂缝网络中支撑剂的运移分布规律，及支撑剂非均匀分布对开采动态规律的影响，基于作者之前提出的数个数学模型，建立了致密储层压裂注砂开发耦合计算模型。通过计算结果可以得知：裂缝网络中，支撑剂会在裂缝交汇处大量堆积，砂堤高度高于缝网其他部分。次级裂缝中的支撑剂更多的处于悬浮状态，且支撑剂沉降堆积高度相较于主裂缝小25%～50%，相互沟通的次级缝具有更高的支撑剂沉降程度。缝网中支撑剂非均匀分布对模拟计算结果具有较大影响，当储层渗透率为0.05 mD时，忽略支撑剂非均匀分布计算出的产量高出实际值41.7%，因此在进行低渗透率储层模拟时，支撑剂非均匀分布状态不可忽略；当基质渗透率为5 mD时，产量计算差异在5%以内，此时不考虑支撑剂非均匀分布相对合理

含氟矿石中生物浸出技术推广应用存在瓶颈,究其原因在于伴随含氟脉石矿物溶解,氟对浸矿微生物有较强的抑制作用.本研究利用氟的水化学特性,通过添加可形成稳定络合物的物质来转换F离子存在形态,进而使浸矿微生物可以耐受高氟环境.本文系统研究了氟对细菌的抑制机理,明确了氟的真实毒性形态HF,发现了氟对细菌存在跨膜抑制作用,氟胁迫条件下,干细胞内氟离子质量分数明显高于无氟对照组达到18%以上.选择在生物冶金体系中常见Fe3+做为研究对象,研究了Fe3+对F-的络合解毒作用,热力学分析结果可知,Fe3+可以与HF发生一级竞争络合反应,破坏HF络合结构.在铁离子存在条件下,细菌最高可以耐受F-质量浓度1.0 g·L-1的环境下生长.铁氟络合形态分析可知,只有当培养基中Fe3+质量浓度5倍过量于F-质量浓度,细菌才能正常生长,对应的FeF2+在氟化物中质量分数达45%时,而游离氟离子浓度为2.87×10-5 mol·L-1.络合机理实验结果表明,根据配位化学原理,随着F-/Fe3+浓度比的减小,配体浓度相对较低,氟与铁的络合物向低配位方向移动,可以通过调整培养基中的氟铁浓度比来调整氟铁络合产物,使细菌在高氟环境中生长成为可能

第一部分 学科（专业类）教育课程 《电子信息类专业导论》 《工程制图》 《电路分析基础》 《模拟电子技术 A》 《数字电子技术 B》 《信号与系统》 第二部分 专业教育课程 《单片机原理及应用 A》 《通信原理》 《高频电子线路》 《人工智能数学基础》 《EDA 技术及应用》 《数字音视频技术》 《嵌入式原理与应用 A》 《DSP 原理及应用》 《通信专业综合能力》 《MATLAB 基础与应用》 《计算机组成原理 B》 《Python 程序设计 B》 《高级程序设计 C++》 《Linux 系统应用与开发 B》 《电磁场与电磁波》 《信息论与编码》 《数字信号处理》 《计算机网络与通信》 《网络操作系统 B》 《光纤通信》 《物联网技术与应用》 《人工智能技术及应用》 《5G 通信技术与应用》 《网络管理与信息安全》 《工程项目管理》 《基站运行与维护》 《文献检索与论文写作》 《通信专业实务》 《智能产品创新设计》 第三部分 应用创新实践环节课程 《电工电子基础实训》 《工程训练 A》 《电子工艺实习》 《大学物理实验》 《模拟电子技术课程设计 A》 《数字电子技术课程设计》 《单片机原理及应用课程设计 A》 《高频电子线路课程设计》 《嵌入式原理与应用课程设计 A》 《DSP 原理及应用课程设计》 《EDA 技术及应用课程设计》 《通信技术应用项目管理》 《通信技术应用项目设计》 《通信工程项目综合实践》 《通信工程专业毕业实习》 《通信工程专业毕业论文（设计）》

以高超音速火焰喷枪为研究对象，采用计算流体力学软件Fluent对高超音速火焰喷涂(HVOF)过程中的焰流流场以及粒子飞行过程进行数值模拟。HVOF系统以氧气为助燃气体，煤油为燃料。研究了加入粒子前喷枪内火焰焰流温度、速度和压力分布规律，采用离散相模型计算喷涂粒子的动力学飞行行为，探究了粒子大小、注入速度、球形度对粒子飞行行为的影响。发现最佳粒子粒径范围应为30～50 μm，在此范围内粒子均匀的分布在焰流中心，且为熔融状态，更易形成结合强度较高的涂层；小粒径粒子最佳注入速度为10～15 m·s?1，中等粒径粒子最佳注入速度为5～10 m·s?1，大粒径粒子最佳注入速度为1～5 m·s?1；与球形颗粒相比，非球形颗粒具有较高的阻力系数，在飞行过程中获得更大的动能和更少的热量

设计了非反应性保护渣,利用热丝法和渣膜热流模拟仪研究了Li2O含量对其结晶行为和渣膜传热特性的影响.结果表明:在小于2%的范围内增加Li2O的质量分数可减弱非反应性保护渣的结晶性能;而在2%~5%范围内增加Li2O的质量分数,则渣系晶体析出孕育时间缩短,结晶温度升高,临界冷却速度增大,结晶速率常数增大,即促进了非反应性渣系的结晶.同时发现,在2%~5%范围内增加Li2O的质量分数,非反应性保护渣的最大热流密度、平均热流密度及特征时间均减小

海洋环境对于金属的腐蚀具有明显的加速作用，尤其在高铁海底隧道环境中，金属比正常的服役时间变短，这种腐蚀情况下会影响高铁的安全和准点运行。基于以上背景，通过夹杂物自动扫描、钢的加速腐蚀及电化学测试对钢中的夹杂物诱发腐蚀行为进行系统分析，重点分析了高铁轨旁信号设备连接金属件（Q235）中夹杂物在盐雾环境下的腐蚀行为。结果表明：钢中主要夹杂物为氧化物、硫化物或者其复合夹杂，而这两类夹杂物对于诱发钢基体点蚀的原因不同。其中数量最多、尺寸小于5 μm类型的夹杂物为硫化物夹杂和氧硫复合类型夹杂物；数量少、尺寸大于5 μm的夹杂物为氧化物夹杂。在服役过程中，钢中硫化物夹杂易溶解脱落形成点蚀坑，而氧化物夹杂周围基体会先溶解引起夹杂物脱落形成点蚀坑，复合类夹杂物也是诱发钢发生腐蚀的因素，不同复合类型的夹杂物腐蚀方式不同，硫化物夹杂和氧硫复合夹杂对碳钢影响较大。电化学测试表明自腐蚀电位约为为?0.1 V，Q235钢本身抗腐蚀能力不强。夹杂物在腐蚀过程中参与了腐蚀，引起阳极极化曲线的波动，加快了Q235钢的腐蚀情况。研究结果对于认识和改善钢的耐腐蚀性能有指导意义

为了研究采用BOF-LF-RH-CC工艺生产的A32船板钢洁净度水平，进行了三炉工业实验.通过对冶炼过程系统取样分析，研究了钢中总氧、氮含量变化，夹杂物的转变规律及机理.结果表明：该工艺生产的船板钢有较高的洁净度，中包总氧控制在2×10-5以下，氮含量控制在4×10-5以下；LF精炼过程中，钢中总氧、夹杂物数量密度和平均尺寸均降低，夹杂物转变为CaO-MgO-Al2O3三元系；RH精炼过程中，钢中总氧和夹杂物数量密度降低，而夹杂物平均尺寸升高；钙处理过程中，夹杂物数量密度升高，而夹杂物平均尺寸降低，夹杂物转变为CaO-Al2O3-CaS三元系

采用凸轮式形变试验机,压缩端面带凹槽并在凹槽里充满不同熔点温度的玻璃粉作润滑剂的圆柱形试件。为保证试验过程中整个试件温度的均匀和衡定,采用了试件保温装置。在变形温度为850°~1100℃、变形速度为5-80秒-1、变形程度(e=ln H/h)最大为ln2的条件下,实验研究了1Cr18Ni9Ti等十个钢种在高温高速条件下的变形阻力。文中叙述了金属塑性变形阻力的试验方法,分析了变形温度、变形速度、变形程度、等诸因素对变形阻力的影响规律,通过对实验数据的回归分析——非线性回归,提出在计算机控制的设定模型以及工程计算中可优先采用的变形阻力计算公式和查用图表。其表达式为:$\\sigma = {\\rm{EXP(}}\\frac{{{{\\rm{U}}_1}}}{{\\rm{T}}}{\\rm{ + }}{{\\rm{U}}_2}{\\rm{)\\cdot(}}\\frac{{\\rm{u}}}{{10}}{{\\rm{)}}^{{{\\rm{U}}_3}{\\rm{T + }}{{\\rm{U}}_4}}}{\\rm{\\cdot}}\\left( {{{\\rm{U}}_6}{{(\\frac{{\\rm{e}}}{{0.4}})}^{{{\\rm{U}}_5}}} - ({{\\rm{U}}_6} - 1)\\frac{{\\rm{e}}}{{0.4}}} \\right)$式中:T=$\\frac{{{\\rm{t}} + 273}}{{1000}}$U1~U6为系数,其值与钢种有关