Gd含量对Mg-7Al-1Si合金组织及蠕变性能的影响

利用光学显微镜、扫描电镜、X射线衍射分析及高温压缩蠕变装置等,研究了稀土元素Gd对Mg-7Al-1Si合金显微组织及蠕变性能的影响。结果表明,适量Gd的加入能明显细化Mg-7Al-1Si合金的晶粒尺寸、改善Mg2Si相的形态,使β相分布更弥散,并提高了合金的抗高温蠕变性能,Gd的加入还使基体中出现新相Al2Gd。Gd含量为1.0%时,合金的组织和成分均匀,细化效果最好,抗高温蠕变性能也最佳。此时晶粒平均尺寸由79.08μm减小到39.12μm,β相含量由10.88%减少到6.98%,同时Mg2Si相形态明显改善,由粗大汉字状变为短杆状及颗粒状,从而提高了合金的抗高温蠕变性能。     

复合添加Gd与Ca对Mg-7Al-1Si镁合金显微组织及蠕变性能的影响

在Mg-7A1-1Si合金中添加0～2％的(Gd+Ca),制备不同成分的镁合金.利用光学显微镜、扫描电镜、x射线衍射仪、压缩蠕变装置研究添加(Gd+Ca)对Mg-7Al-1Si合金显微组织及蠕变性能的影响.结果表明,(Gd+Ca)的适量加入,能使Mg-7A1-1Si合金a晶粒得到显著细化、Mg2Si相形态得到明显改善、β相分布更为弥散.当(Gd+Ca)加入量为1.0％时,合金的组织均匀,细化效果最好,抗蠕变性能也达到最佳.晶粒平均尺寸由79.08 μm减小到59.06μm,β相含量由10.88％减少到6.80％,硬度由HV66.7提升到峰值HV77.1;蠕变应变量由5.70％减小到1.15％,比未添加(Gd+Ca)时降低了79.8％.     

基于增强深度特征和TSK模糊分类器的癫痫脑电信号识别

识别癫痫脑电信号的关键在于获取有效的特征和构建可解释的分类器.为此,提出一种基于增强深度特征的TSK模糊分类器(ED-TSK-FC).首先,ED-TSK-FC使用一维卷积神经网络(1D-CNN)自动获取癫痫脑电信号的深度特征与潜在类别信息,并将深度特征和潜在类别信息合并为增强深度特征;其次,将增强深度特征作为ED-TSK-FC模糊规则前件与后件部分的训练变量,保证原始输入的深度特征及其潜在意义都出现在模糊规则中,进而对增强深度特征作出良好的解释;然后,采用岭回归极限学习算法对模糊规则的后件参数进行快速求解,在不显著降低分类准确度的情况下,ED-TSK-FC的廉价训练方法可以缩短模型的训练时间;最后,在Bonn癫痫数据集上,分别从分类性能、学习效率和可解释性3个方面,验证ED-TSK-FC的优越性.     

考虑多层次潜在特征的个性化推荐模型

个性化推荐已成为解决信息过载的最有效手段之一,也是海量数据挖掘研究领域的热点技术。然而传统推荐算法往往只使用用户对物品的评分信息,而缺少对用户与物品潜在特征的综合考虑。基于因子分解机、宽神经网络、交叉网络和深度神经网络的融合,提出一种新的考虑多层次潜在特征的模型,可以提取用户与物品的浅层潜在特征、低阶非线性潜在特征、线性交叉潜在特征以及高阶非线性潜在特征。在4个常用的数据集上的实验结果表明,考虑用户与物品多层次潜在特征可以有效提高个性化推荐的预测精度。最后,研究了嵌入层维度以及神经元数量等因素对新模型预测性能的影响。     

初级永磁直线电机双动子电流镜像容错控制

为解决双动子无电流传感器控制算法存在参数依赖性高、鲁棒性差等问题,提出一种电流镜像容错控制(current mirror fault-tolerant control,CMFC)策略,在仅采用单动子相电流传感器的条件下完成两台级联动子的控制。双动子系统中动子1为正常动子,采用传统的有限集模型预测控制(finite control set-model predictive control,FCS-MPC)完成电流的跟踪控制。动子2为故障动子,所有电流传感器均发生故障。CMFC控制将动子2虚拟电流与动子1的虚拟电流作为FCS-MPC控制器的输入并完成电流跟踪控制。通过完成两台动子的虚拟电流跟踪,由镜像原理实现两台动子的实际电流跟踪。理论分析和仿真实验证明了CMFC控制能实现动子2实际电流的稳定控制,且具有鲁棒性高的特点。     

稀土Gd对Al_2O_(3f)/Mg-6Al-0.5Nd显微组织及蠕变性能的影响

利用光学显微镜、扫描电镜、X射线衍射仪、压缩蠕变装置研究稀土元素Gd对复合材料显微组织及蠕变性能的影响。结果表明,加入适当的Gd,使基体中α-Mg相得到了明显的细化,β-Mg17Al12相和Mg2Si相分布更为弥散。当Gd加入量为1.0%时,复合材料的各相分布均匀,晶粒细化效果最佳,抗蠕变性能得到了改善,蠕变应变量由未添加Gd时的4.30%减小到0.45%。