中板支承辊堆焊修复强化的试验研究

近四年的统计表明，济钢中板支承辊共投用了16根，平均每根毫米轧制量仅为1．844万吨，每根支承辊的使用寿命仅806．1天，即支承辊的平均使用寿命仅为2．2年，这些已报废的支承辊只能作废钢处理。然而经我们采用堆焊修复强化后，上线试用十个周期和七个周期，比原新辊的毫米轧制量分别提高了2．5倍，且无掉皮、掉块、裂纹等不良缺陷产生，取得了显著的技术经济效益。     

混合指示剂单相滴定法测定烷基磷酸酯钾盐

本研究用混合指示剂单相滴定法测定ISO标准方法所不能测定的磷酸盐阴离子表面活性剂的浓度.测定PK、E502A、昆山PK的常数K分别为355.lg/M、420.7g/M和344.0g/M,变异系数分别为1.45%、0.59%和1.26%,测定实际试样的加标回收率为98.2～103.9%.方法准确、简单、快速,不需用毒性较大的有机溶剂,本法适用于化纤油剂和涤纶短纤维上油率等的测定.     

等离子体抛光对表面粗糙度的影响

为了得到超光滑表面且无表层损伤的光学元件,引入一种新型的超光滑表面加工技术——等离子体抛光.在新设计的等离子加工实验平台上进行了等离子体加工工艺实验,对氧气流量,放电功率大小,磁场大小几个参数对基片表面粗糙度的影响进行了实验研究,且优化了工艺参数.结果表明增加氧气流量,合理控制功率和磁场强度都会使等离子体抛光基片表面粗糙度减小.当氧气流量为50 sccm,功率为80 W,磁场强度为17 mT时,粗糙度达到最小值0.9 nm.     

两种转子结构形式无刷直流电动机电磁场及热场分析

文章针对表贴式径向励磁和内嵌式切向励磁两种转子结构,分析了无刷直流电动机的电磁场及热场的计算过程;利用电磁场-热场耦合的有限元方法,研究了两种电机结构的电磁场和热场分布,采用这种方法不仅可以精确计算电机内部电磁场的分布,而且可以得到电机内部电磁场与热场之间的能量交互过程,研究电机的发热问题。通过样机实验和仿真结果对比,发现表贴式结构紧圈发热比较严重,嵌入式结构在磁钢端部存在漏磁,导致环流引起电流波形发生畸变,并给出了相应的解决方案。     

LS-MOCVD的真空度测量及自动控制

对液态源金属有机物化学气相沉积(Liquid Source-Metal Organic Chemical Vapor Deposition,LS-MOCVD)设备.文中主要研究了LS-MOCVD的反应室真空获取和控制的方法.整个设备的操作控制由PLC和触摸屏协作完成,用冷阴极电离全量程规测量粗真空,用高精度薄膜规测量工艺过程中的真空,采用内置PID算法的智能蝶阀控制器构成高真空恒压测量控制回路,实现了LS-MOCVD反应室真空的自动测量控制,确保了工艺的稳定性.反应室真空测量范围为常压～8×10-3Pa,测量精度0.2%,分辨率为满量程的0.001 5%.解决了传统气态源MOCVD不同材料之间蒸汽压差大、难以控制及气态金属有机物难以获得的问题.     

结合Ajax技术开发符合JSF规范的Captcha组件

本文将JSF定制组件技术与Ajax技术结合起来开发制作了一个Captcha组件。整个组件分为两大部分：Ajax支持部分和JSF支持部分。前者主要利用Ajax技术完成组件显示图片部分的即时切换,能够实现Web页面的局部刷新,可以在切换图片的同时不对页面中其他部分产生影响;后者主要利用JSF组件封装机制将Captcha模块封装成符合JSF规范的组件,从而使该组件可以像其他JSF组件一样在Web系统中方便地部署。最后,结合具体实例介绍了该组件在Web系统中的具体使用方式。     

基于模糊PI控制的无刷直流电机调速系统仿真

针对传统PI控制方法在对稀土永磁无刷直流电动机进行控制时鲁棒性差、精度低等缺点,提出了一种参数自整定模糊PI控制方法,即采用传统的PI控制与模糊控制相结合的新型控制方法。将方法应用于永磁无刷直流电动机双闭环调速系统的转速闭环中,并利用MATLAB软件中的模糊控制工具箱进行了系统的辅助设计与仿真。仿真结果表明,参数自整定模糊PI控制方法改善了电机的动静态性能,系统的鲁棒性和精度也大大提高。     

基于AUML的Agent建模方案研究

AUML(Agent UML)是Agent建模普遍采用的方法,其通过对UML的扩展来支持Agent的建模.通过借鉴面向对象的系统分析方法,给出了AUML建模方案,并详细描述了AUML的建模机制和各类图的扩展.以编队指挥系统为例,从分析系统用例,分析和识别最初的Agent类型,责任识别,提取Agent之间的关系及精化Agent,确定交互直至Agent信息的配置,建立了一整套基于AUML的Agent建模方案.     

一种朴素贝叶斯分类增量学习算法

朴素贝叶斯(Nave Bayes,NB)分类方法是一种简单而有效的概率分类方法,但是贝叶斯算法存在训练集数据不完备这个缺陷。传统的贝叶斯分类方法在有新的训练样本加入时,需要重新学习已经学习过的样本,耗费大量时间。为此引入增量学习算法,算法在已有的分类器的基础上,自主选择学习新的文本来修正分类器。本文给出词频加权朴素贝叶斯分类增量学习算法思想及其具体算法,并对算法给予证明。通过算法分析可知,相比无增量学习的贝叶斯分类,本算法额外的空间复杂度与时间复杂度都在可接受范围。