基于数据分布的聚类联邦学习

联邦学习(federated learning)可以解决分布式机器学习中基于隐私保护的数据碎片化和数据隔离问题。在联邦学习系统中,各参与者节点合作训练模型,利用本地数据训练局部模型,并将训练好的局部模型上传到服务器节点进行聚合。在真实的应用环境中,各节点之间的数据分布往往具有很大差异,导致联邦学习模型精确度较低。为了解决非独立同分布数据对模型精确度的影响,利用不同节点之间数据分布的相似性,提出了一个聚类联邦学习框架。在Synthetic、CIFAR-10和FEMNIST标准数据集上进行了广泛实验。与其他联邦学习方法相比,基于数据分布的聚类联邦学习对模型的准确率有较大提升,且所需的计算量也更少。     

非稳定温度场对坝体孔口应力的影响

混凝土重力坝正常运用情况下主要承受自重、水压力、泥沙压力、扬压力和温度荷载,温度荷载对坝体孔口应力的影响很大。与大坝接触的外界气温和水温为年周期变化的非稳定温度场边界,经过几十年的运行,可以认为坝体边界混凝土温度也为年周期变化的非稳定温度场。选取三门峡大坝3#溢流坝段为模型,采用三维有限单元法,按不考虑和考虑温度荷载两种情况,运用ANSYS软件将不同月份的温度场与静力场进行耦合计算,对3#溢流坝段的深孔与底孔进行了应力分析。分析表明,孔顶和孔底在较冷月份表现为拉应力,且超过混凝土的抗拉强度,故需在孔口周围配筋,在孔口运行过程中要保证钢筋不被裸露或侵蚀。     

超声微锻Ti3Al熔覆层组织与性能的实验研究

目的 采用超声振动与微锻技术相结合的表面改性技术,在Ti-6Al-4V基体上获得组织优良、物理性能好的Ti3Al熔覆层。方法 搭建超声微锻装置,采用单因素实验研究超声振幅、加工温度、锻打力、锻打时间对熔覆层金相组织、晶粒以及显微硬度的影响规律。借助金相显微镜(OM)、扫描电子显微镜(SEM)、显微硬度计对熔覆层的宏观形貌、微观组织及显微硬度进行分析和测试。结果 在超声微锻处理下,熔覆层组织与性能得到显著改善。熔覆层表面平整度与超声振幅呈正相关,随着超声振幅、锻打力的增大,粗大的树枝状α2相逐渐锻碎细化为大量的短棒状α2相和针状α2相以及少量的片层状α2相和等轴α2相,等轴晶的含量与分布范围增大,晶粒细化效果越来越明显。熔覆层各区域的显微硬度值均随着超声振幅、锻打时间的增加而有不同程度的提高。当超声振幅为7 μm时,熔覆层顶部、中部、底部的显微硬度分别提高了18.4%、22.8%、51.5%。当锻打时间为5 s时,熔覆层顶部、中部、底部的显微硬度分别提高了15.5%、15.8%、37.8%。熔覆层顶部显微硬度值随着锻打力的增大呈现出逐渐升高的趋势,显微硬度最高可达55.1HRC,其他区域的硬度呈现逐渐降低的趋势。结论 超声微锻能够有效改善熔覆层的宏观形貌以及内部组织,细化晶粒,选择合适的工艺参数可进一步提高其显微硬度值。因此,超声微锻可作为一种有效的熔覆层改性技术。     

抽油机调平衡的简易公式

1.公式的来源根据向心力公式F=mω~2R可求出离心力。我们研究的曲柄平衡的平衡块是固定在曲柄上沿输出轴心旋转(见图1)。从向心力公式可看出:F与质量m、角速度ω~2、半径R有关。当抽油机的平衡块是定值,角速度在不调冲次的情况下也是不变的,那么F的增减与平衡半径R成正比。计算F与旋转半径从0到R不断增加而变化的关系:dF=mω~2dR。     

氯化钾浮选中通气量和温度对二丙二醇丁醚起泡性能的影响

在氯化钾浮选过程中，起泡剂的起泡性能对浮选有重要的影响。为了考察起泡剂二丙二醇丁醚(DPNB)在饱和卤水中的起泡性能，利用动态泡沫分析仪研究通气量和温度对DPNB泡沫稳定性和泡沫排液过程的影响。结果表明，随着通气量的增加，泡沫动态稳定性先增加后降低，而表观夹带液速(J_e)逐渐增加；当通气量为0.3 L/min时，泡沫稳定性最好；当通气量从0.2 L/min增加到0.5 L/min时，J_e增加了12.64 mm/s。随着温度的升高，泡沫动态稳定性先增加后降低，在298 K时达到最大值，而J_e逐渐降低。因此，DPNB用于氯化钾浮选时，在通气量为0.3 L/min、温度为298 K条件下可产生稳定的泡沫，并可有效降低水回收率，有利于确保更好的浮选回收率和精矿品位。