导弹飞行过程中动态载荷识别方法

导弹在飞行过程中的外部载荷会导致结构振动,从而引发燃烧不稳定。为了更好地理解燃烧不稳定性,预测外部载荷是很重要的。该文提出了一种基于神经网络的动态载荷识别方法。首先,设计并加工了导弹模型,进行有限元模态分析与模态试验,提取典型模态振动频率,验证了所使用有限元模型的合理性。该方法基于有限元模型开展仿真计算,神经网络由仿真结果中的足够样本数据训练,从而使神经网络能够识别典型载荷。搭建地面试验系统,开展地面激励实验获取相关数据,首先进行典型载荷识别,相对误差可达1.21%,验证了所训练神经网络的准确性和试验系统的可行性。随后对随机载荷进行识别,结果表明,用所提方法识别随机动载荷相对误差小于1.82%,该载荷识别方法具有良好的识别能力。对于导弹结构设计和发动机燃烧不稳定的预测具有重要意义。     

铝电解自动控制网络安全问题及对策初探

随着计算机网络在铝电解企业自动控制及管理信息方面的广泛应用,企业的各项工作对计算机网络的依赖越来越强烈。网络使企业的各项工作驶向快车道,但也一定程度上提升了企业的运行风险。如何针对铝电解控制系统的特点和需求,分析系统面临的威胁,采取有效的措施保证网络安全已成为亟待解决的问题。     

基于BP神经网络的淀粉/EVA复合发泡材料 流变性能预测模型及应用

以聚乙烯醋酸乙烯酯(EVA)添加质量分数、甘油添加质量分数、Na HCO3添加质量分数为3个输入量,以淀粉/EVA复合发泡材料熔体的黏度值为输出量,建立了3层BP(back propagation)神经网络模型,并通过毛细管流变仪对复合发泡材料的熔体黏度进行测试,将其正交试验结果作为样本进行训练。研究结果表明,该BP神经网络模型能较为准确地预测复合发泡材料的流变性能;同时发现,随着EVA添加质量分数的增加,复合发泡材料的熔体黏度增加;而随着甘油添加质量分数的增加和Na HCO3添加质量分数的增加,所得复合发泡材料的熔体黏度均下降。     

Performance analysis of neural networks for classification of medical images with wavelets as a feature extractor

In this article, we analyze the performance of artificial neural network, in classification of medical images using wavelets as feature extractor. This work classifies the mammographic image, MRI images, CT images, and ultrasound images as either normal or abnormal. We have tested the proposed approach using 50 mammogram images (13 normal and 37 abnormal), 24 MRI brain images (9 normal and 15 abnormal), 33 CT images (11 normal and 22 abnormal), and 20 ultrasound images (6 normal and 14 abnormal). Four kind of neural network models such as BPN (Back Propagation Network), Hopfield, RBF (Radial Basis Function), and PNN (Probabilistic neural network) were chosen for study. To improve diagnostic accuracy, the feature extracted using wavelets such as Harr, Daubechies (db2, db4, and db8), Biorthogonal and Coiflet wavelets are given as input to the neural network models. Good classification percentage of 96% was achieved using the RBF when Daubechies (db4) wavelet based feature extraction was used. We observed that the classification rate is almost high under the RBF neural network for all the dataset considered. © 2015 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 25, 33–40, 2015     

基于循环神经网络的汉语语言模型建模方法

语言模型是语音识别系统的重要组成部分,目前的主流是n-gram模型。然而n-gram模型存在一些不足,对语句中长距信息描述差、数据稀疏是影响模型性能的两个重要因素。针对不足,研究者提出循环神经网络(Recurrent Neural Network,RNN)建模技术,在英语语言模型建模上取得了较好的效果。根据汉语特点将RNN建模方法应用于汉语语言建模,并结合两种模型的优点,提出了模型融合构建方法。实验结果表明:相比传统的n-gram语言模型,采用RNN训练的汉语语言模型困惑度(Per PLexity,PPL)有了下降,在对汉语电话信道的语音识别上,系统错误率也有下降,将两种语言模型融合后,系统识别错误率更低。     

细菌纤维素/聚乳酸互穿网络复合材料的结晶与熔融

为了研究细菌纤维素(BC)网络结构对聚乳酸(PLA)结晶与熔融过程的影响,以PLA为基体,BC为增强体,通过PLA-三氯甲烷溶液与BC-无水乙醇分散液的共混扩散制备了具有互穿网络结构的BC/PLA生物复合材料。采用SEM、偏光显微镜(POM)、DSC和莫志深(MO)模型研究了复合材料的微观形态、球晶形貌、非等温结晶动力学和熔融行为。结果表明:采用溶液共混扩散法可得到以BC为骨架、PLA缠绕其表面的互穿网络结构的复合材料。随降温速率增加,BC/PLA复合材料的结晶温度、熔融温度和相对结晶度均下降。BC可作为异相成核剂,适量添加可同时提高BC/PLA复合材料的结晶速率和相对结晶度,细化球晶尺寸。MO模型可较好地描述BC/PLA复合材料的非等温结晶动力学行为。     

热处理对网状结构TiB_W/Ti60复合材料组织与性能的影响

使用大尺寸球形Ti60钛合金粉与细小TiB2粉,通过低能球磨与反应热压烧结,成功制备了增强相呈网状分布的TiB晶须增强Ti60合金基(TiB_W/Ti60)复合材料。对TiB_W/Ti60复合材料进行热处理,以改善其组织结构与力学性能。结果表明:随着固溶温度的升高,TiB_W/Ti60复合材料基体中初生α相(密排六方相)含量减少,相应地转变β组织(α′(马氏体)+残留β相(体心立方相))含量增加,TiB_W/Ti60复合材料的抗拉强度升高,塑性降低;经过1 100℃/1h固溶处理之后,TiB_W/Ti60复合材料的室温抗拉强度为1 470 MPa,延伸率为1.9%。经过时效处理后,转变β组织中的α′相分解成细小α+β相。经过1 100℃/1h固溶+600℃/8h时效处理后TiB_W/Ti60复合材料的硬度达到HV538,抗拉强度达到1 552 MPa,延伸率为1.5%,经过1 000℃/1h固溶+600℃/8h时效处理,其抗拉强度达到1 460 MPa,延伸率为2.2%。     

面向社交网络分析的差分隐私保护研究综述

阐述了数据的差分隐私保护概念,给出了差分隐私保护模型,从理论上描述了其噪声机制和组合性质,着重进述了差分隐私保护模型在社交网络发布数据隐私保护上的应用及发展,给出了差分隐私保护应用于度分布查询、子图计数、聚类系数计算、边权重计算等社交网络分析技术的实验结果。分析发现,研究差分隐私保护应重点考虑隐私预算和噪声机制,隐私预算决定了隐私保护强度,噪声机制决定了查询准确性;探讨差分隐私保护在社交网络领域的应用,是一个重要的研究方向。     

变形终止温度对GCr15轴承钢显微组织的影响

采用MMS300热模拟试验机对GCr15轴承钢的热变形工艺进行模拟,研究变形终止温度对其显微组织的影响。结果表明,变形终止温度在770~870℃内变化时,其显微组织均为片层状珠光体+沿晶界分布的先共析碳化物,并且先共析碳化物周围存在铁素体薄膜。随着变形终止温度的升高,晶粒尺寸和珠光体团的尺寸均增加,珠光体的片层间距略微减小,硬度增加。通过回归分析获得维氏硬度与片层间距倒数的拟合方程HV=38.3S-1+92.7。变形终止温度在810~870℃内升高时,碳化物的网状程度增加。与810℃相比,变形终止温度为770℃和790℃时,碳化物的网状程度较严重。