高温合金的晶界提取及特征定量表征方法

晶粒尺寸在金属的拉伸强度、韧性等力学性能方面起着决定性作用，为了定量评估金属中的晶粒，必须在金相图像中确定晶界。针对高温合金高倍显微图像中晶界模糊或断裂、析出相、抛光颗粒杂质干扰等现象，提出一种晶界提取的方法。通过拉普拉斯锐化和直方图均衡化等处理来增强图像对比度，再用Otsu法进行分割，将得到的晶界图求最大连通域去除独立的点，最后作平滑细化操作得到完整的晶界并计算出晶粒的特征参数。对GH4149、GH706、GH738金相图片进行处理，结果表明，该算法效果接近传统软件提取加人为后续加工的效果，省去了重复工作，具有一定的可靠性。     

汽车轮毂钢板的真空退火

采用ＲＪＺ型微机控制组合式真空多用炉对小汽车１６Ｍｎ钢轮毂钢板进行真空退火，介绍了退火工艺参数的制定及实际生产应用效果。     

熔炼焊剂SSF的研制与应用

为配合进口的Ｍｕｌｔｉｐａｓｓ５－ｓ系列管状焊丝，研制了熔炼型焊剂ＳＳＦ，该焊剂原材料简单，且在我国分布较广；焊剂生产工艺简单，适合批量生产，是一种优质新型熔炼焊剂。     

基于变分贝叶斯逼近的前向仿射变换点集匹配方法研究

本文建立了两个点集线性匹配过程的贝叶斯模型框架,并利用变分贝叶斯逼近方法对模型点集到场景点集的仿射参数进行估计。该模型利用一个有向图对映射参数、隐藏变量、模型与场景点集的关系进行了描述,并基于有向图给出了各个参数和变量后验概率的迭代估计算法。而且该模型还利用了一个带有各向异性协方差矩阵的高斯模型对场景点集的离群点进行了估计和推理。实验结果表明该模型在鲁棒性和匹配精度方面均获得了良好的效果。     

基于高性能计算的SWAT参数敏感度分析并行框架

随着大规模水文模拟需求的不断提高,如何解决计算需求问题逐渐成为水文研究的一个热点.SWAT(soil and water assessment tool)模型在进行大规模水文模拟时有着良好的适应性与准确度,但其敏感度分析模块由于计算量过高,计算时长往往长达数月之久.为了加快SWAT敏感度分析的运行速度,针对SWAT敏感度分析模块的特点,基于MPI提出了一种高效的主—从式并行计算框架,并在此框架的基础上,通过将正演过程并行化,在敏感度分析的主—从并行框架中引入通信子空间的操作,将并行化的正演与主—从式的外层并行框架相结合,得到一种混合式的敏感度分析并行框架,大大提高了对参数集合的敏感度分析速度,将SWAT敏感度分析模块使用的处理器数量从原始的单核串行一跃提升到百核的数量级.最后通过天山北坡流域的模拟验证了此并行框架的可行性.     

移动互联网技术在烟草行业的应用与实践

提高组织运行效率,提升对烟草零售客户的服务水平始终是烟草商业企业孜孜以求的目标。在企业改革发展过程中,烟草行业积极将各种先进的信息技术被运用到企业管理当中,从而极大地提升了企业的运营效率和组织管理。随着通信行业3G时代的来临,使得移动互联网技术有了长足的发展,也对整个社会与经济模式带来的改变。如何运用好这项新型技术推动烟草行业改革发展,是烟草信息战线上员工需要认真思考的问题。     

砾石对赣北红土工程锥状堆积体侵蚀规律的影响

以赣北红土为研究对象,通过组合不同砾石质量百分数(0%、10%、20%、30%)、不同降雨强度(1.0、1.5、2.0、2.5mm/min)的室内模拟试验,对开发建设项目中散乱锥状堆积体的产流产沙规律进行研究。结果表明,在相同降雨强度下,含砾石堆积体(10%、20%、30%)的产流时间要明显小于不含砾石堆积体(0%)的产流时间;砾石对径流率的影响不明显,但径流率与降雨强度有明显的正相关关系;在降雨强度≥1.5mm/min的条件下,四种砾石含量堆积体的侵蚀速率在一场60min的降雨中主要经历"浮土冲刷"、"形成结皮"、"可蚀性泥沙减少"和"结皮破坏"四个阶段;一场降雨后堆积体总产沙量随砾石质量百分数的变化依次为0%10%20%30%,砾石能够促进堆积体的坡面侵蚀。     

宝山电站调速器改造技术与效果分析

宝山电站的水轮机调速器随着运行年限的增加,存在负荷变化反应迟缓,调节不灵敏,并网过程时间长等缺陷,不能满足安全生产要求,因此进行了改造.文章对改造后的调速器特点和运行效果进行叙述.     

部分模糊核已知的混合模糊图像复原算法

真实环境中得到的图像常会受到多种模糊降质过程的影响,导致成像质量下降,为此提出一种图像退化模型及相应的复原算法.与传统的级联方式不同,该算法假定模糊核函数是散焦与运动模糊的加权和形式;在散焦模糊给定的情况下,使用广义拉普拉斯分布作为运动模糊的统计模型,并在期望最大化(EM)算法框架下估计模糊核函数;最后利用估计的模糊核函数进行图像复原.实验结果表明,采用文中的复原算法能够较为准确地辨识出模糊核,提升了图像复原的效果.     

基于强化学习的JLQ模型的直接自适应最优控制

研究离散时间跳变线性二次(JLQ)模型的直接自适应最优控制问题.将强化学习的理论和方法应用于JLQ模型,设计基于Q函数的策略迭代算法,以优化系统性能.在系统参数以及模态跳变概率未知的情况下,Q函数对应的参数矩阵,可通过观察给定策略下系统行为,应用递归最小二乘算法在线估计.基于此参数矩阵,可构造出新的策略使得系统性能更优.该算法可收敛到最优策略.