一类紧支小波的正则性的研究

提出了一类新的具有紧支集的标准正交小波基以及相关的尺度函数的构造方法 ,准确估计了该类小波和相关尺度的正则性指数     

蠕墨铸铁的低周疲劳裂纹扩展速率

为评估高速列车蠕墨铸铁制动盘寿命,开发了钛合金低温(-50℃)整体夹式引伸计和计算机试验数据采集系统,实时同步采集试件缺口张开位移、低周循环次数和载荷位移。采用柔度法通过试件缺口张开位移计算出裂纹长度,以确定疲劳裂纹扩展速率。试验结果表明:所得原板厚试样室温(25℃)与低温(-50℃)低周疲劳裂纹扩展速率曲线趋于一致。在试验温度范围内(-50～25℃)可统一使用室温低周疲劳裂纹扩展速率试验结果。     

磁处理降低钢中残余应力的微观机理模型

目的是定量研究一种新颖的降低材料内应力的非热方法、低频交变磁处理法的效果及其微观机理。在试验研究了该方法降低试样内残余应力的程度、特点和工艺参数的影响后 ,通过透射电镜分析 ,着重观察了磁处理时材料内部的位错运动规律。结果表明 ,低频交变磁处理用于降低材料的内应力是有效的 ,其主要应力降低原因是磁处理过程引起的位错均匀化。在实验结果和理论分析的基础上 ,提出了磁处理时材料内应力松弛的物理模型 ,合理地解释了低频交变磁处理方法降低残余应力的机理     

基于车牌颜色变化剧烈特征的彩色车牌定位新方法

车牌定位是车牌识别的首要问题,目前已实现的定位主要局限于灰度图像,且定位效果较易受阴影和光照等条件的影响.为解决此问题,笔者提出加强车牌区域、找出变化点并扩大的方法.该方法首先根据HLS模型对车牌区域进行了颜色加强,然后根据车牌区域颜色变化频率快、车牌宽高信息等特征对车牌进行判断.该方法定位准确率高,适于各种光照条件.     

基于聚类算法的线上学习行为分析

为了有效利用线上学习平台记录的学生学习行为数据,从多方面刻画学习者画像,充分发挥线上教学的作用。在人工智能技术的驱动下,首先统计学生学习时间和视频内容数据,分析他们的观看习惯和对重点、难点内容的重视程度;然后在k-means++ 聚类算法的基础上,分析课程视频、章节检测、学习次数、作业和签到等特征对学习效果的影响。上述方法可以帮助总结学生的学习态度、偏好和习惯,将相似学习风格的学生聚为一类。老师可以通过线上学习行为的分析调整教学内容,改进教学方法,从而改善线上教学效果。     

基于LS_SVM的车牌字符识别

提出一种基于最小二乘支持向量机（LS_SVM）的车牌字符识别算法．实验表明,该算法对车牌字符识别速度平均为19．23ms／字符,该方法可用于陕速分类识别．     

用自适应热源模型模拟深熔焊小孔的形成过程

激光深熔焊中小孔的动力学行为对焊接质量具有重要的影响。该文建立了随小孔深度变化的自适应热源模型,应用VOF(volume of fluid)算法跟踪小孔自由表面,对深熔焊小孔形成过程进行了数值模拟,分析了小孔形成过程中孔壁的变化、熔池的流动行为和温度分布。结果表明:液态金属的流动方向随小孔深度的不同发生变化;底部的液态金属在蒸发压力驱使下沿小孔壁面向上流动形成的漩涡可能是小孔壁面不稳定的原因。     

SnPb焊点结构的高周疲劳行为检测与寿命表征方法

本文对SMT型的SnPb焊点结构（PC基板-SnPb焊料-陶瓷电阻结构）的高周疲劳（2×10^4～1×10^6循环次数）失效行为进行了扫描电子显微镜（SEM）原位观测试验和有限元分析.这些结果表明：SMT型SnPb焊点结构的高周疲劳裂纹主要发生在SnPb焊料与陶瓷电阻结合处（趾或踵toeorheel）,而高周疲劳裂纹扩展主要在SnPb焊料表面或内部,表面疲劳裂纹扩展方向随基板上施加的应力增大而偏向基板一侧.同时,这些裂纹扩展长度与焊点几何形状相关,一般扩展长度在150μm以内并因为焊料与电阻或焊料与基板的界面开裂出现停顿.此外,用ABAQUS软件分析了基板上外加应力与焊料上响应应力间的比例关系.基于试验和有限元分析计算比较,试验中发现的裂纹萌生源及裂纹扩展方向均与有限元计算得到的最大应力或最大应变集中区域相一致.最后,提出了简便预测这类结构的高周疲劳寿命方法,且预测结果与试验结果吻合较好.     

我国涉农中小企业融资效率及其影响因素研究

运用三阶段SE-SBM模型对我国产学研协同创新效率值进行测算.结果 表明,地区发展和政府资助对产学研协同创新效率值有显著负向影响,对外开放则有利于提高协同创新效率值.对比调整前,调整之后全国产学研协同创新效率下降,技术效率和规模效率指数上升,技术进步和纯技术效率指数下降.2012-2019年,我国产学研协同创新效率平均值为0.647,总体呈增长态势但增速较低.中部和西部地区效率值上升,东部地区效率值有所下降.全要素生产率平均每年上升5.2％,其分解指标中只有纯技术效率不足.各地区产学研协同创新效率存在显著空间正相关性,呈高水平同质化集聚.