QT工艺对一种B-Nb低碳贝氏体钢 组织及强韧性的影响

通过室温拉伸、摆锤冲击、光学及扫描电镜研究了QT(淬火+回火)工艺对实验钢晶界比例、晶粒尺寸、碳化物析出情况及强韧性的影响，并对其变体的分布及组合方式进行了分析.结果表明:随着回火温度的升高，实验钢强度逐渐降低，塑性逐渐提高;450T和500T钢断口为准解理型断裂，贝氏体板条间析出的碳化物及较低比例的大角度晶界使得冲击韧性较差;而600T和650T钢断口为韧窝断裂，组织中大角度晶界的比例增加，有效地阻碍了裂纹的扩展.变体分析表明，450T钢变体组合方式介于Bain group和CP(close packed)group之间，而600T钢变体之间呈现较明显的CP组合方式，同一CP group内的变体取向差较大，偏折了裂纹传播路径，提高了低温韧性.     

自动调温与均温艾灸仪的研制及温度场分析

为了解决现有艾灸过程中热量不均衡、热量利用率低、操作繁琐等问题，达到高效利用热量和药烟的目标，本文设计并实现了一种新型智能艾灸仪，该艾灸仪包含燃烧、熏蒸、收集及控制系统，可以实现烟雾自动收集、温度精确智能控制以及艾灸操作流程简化等功能。基于传热学理论对艾灸仪的熏蒸系统建立热力学模型，并利用Fluent软件对其进行温度场分析，分析结果表明：锥形流道是两种结构方案中较优的流道结构；所设计的温度均衡隔板对艾灸仪的温度均衡起到至关重要的作用；实际使用中存在的泄漏不仅对升温速度有轻微的影响，对温度场的分布也有一定的影响。设计与研究结果为现代艾灸仪的临床应用提供了理论基础。     

Syndrome du jour: The historiography and moral implications of Diagnosing Darwin

Diagnosing Darwin's health problems has a long history. Innumerable diagnoses have been proffered in letters, articles, and a handful of dedicated books. Diagnostic speculation has exhibited contrasting somatogenic or psychogenic preferences. Psychogenic accounts dominated mid-century but were soon challenged by somatic explanations citing specific infectious or toxic aetiologies. This tension remains, although psychogenic accounts have tended to be swamped by an array of somatogenic diagnoses championed by biomedical specialists. As a whole, this parade of diagnoses has a striking syndrome du jour quality. Successive conjectures speak of the preoccupations and diagnostic fads of their particular age. Moreover, for many participants in this diagnostic game, unconscious presentism combined with self-serving projection, turning the question of what ailed Darwin into something of a Rorschach test. Never far from the surface was a sometimes-fraught tussle over the man's reputation, animated by the moral valences of the conjectures in play. In a broader sense, this diagnostic game has shaped biographical accounts of Darwin and his career in some significant ways.     

多任务深度卷积网络的CT图像方向校正

针对医学电子计算机断层扫描(CT)图像方向校正问题,提出一种并行卷积回归(PCRN)多任务深度学习网络.通过侧旋角度正回归和翻转概率逻辑回归,求得校正参数来精准地校正图像.进一步,针对医学图像训练样本稀缺的情况,提出一种串行回归(SCRN)的深度学习架构,弥补并行卷积回归网络在小样本情况下校正精度不足的问题.实验结果表明:在样本充分,并行卷积回归网络和样本稀缺情况下,串行卷积回归网络对小角度偏转、大角度偏转和翻转的腹部CT图像校正结果都优于传统的配准方法.     

两相区轧制后淬火引入马氏体降低钢板屈强比

晶粒细化和分裂增韧可使两相区轧制的层状超细晶钢板具有高强度同时韧性优异.前期研究发现轧后空冷生成的层状超细晶钢板，存在屈强比偏高的问题，高达0.9.本研究通过轧后淬火在层状超细晶组织中引入马氏体的方法降低屈强比.研究发现，在750℃和810℃轧制后淬火，层状超细晶组织中可生成体积分数约为14%的马氏体.此部分马氏体使拉伸过程中呈现连续屈服行为，提高加工硬化率，使钢板的屈强比降至0.7以下，解决了屈强比偏高的问题.此外，实验钢在具有高强度的同时，韧性优良.     

基于新型空间注意力机制和迁移学习的垃圾图像分类算法

随着我国各级政府大力推动垃圾强制分类,分类回收各环节中实现标准化、自动化的垃圾分类识别需要适合云端部署的高准确率、低延时要求的细粒度图像分类模型.本文发挥深度迁移学习的优势建立了一套端到端的迁移学习网络架构GANet (garbage neural network);针对垃圾分类中类别易混淆、背景干扰等挑战,提出一种新型的像素级空间注意力机制PSATT (pixel-level spatial attention).为克服类别多和样本不平衡挑战,提出使用标签平滑正则化损失函数;为改善收敛速度以及模型稳定性与泛化性,提出了阶梯形OneCycle学习率控制方法,并给出了结合Rectified Adam (RAdam)优化方法和权重平滑处理技术的组合使用策略.实验使用了"华为云人工智能大赛.垃圾分类挑战杯"提供的按照深圳市垃圾分类标准标注的训练数据,验证了GANet在垃圾分类问题中的显著效果,获得了全国二等奖(第2名);同时,提出的PSATT机制优于对比方法,且在不同主干网络架构上均得到了提升,具有良好的通用性.本文提出的GANet架构、PSATT机制和训练策略不仅具有重要的工程参考价值,也具有较好的学术价值.     

基于支持向量机的典型宽带电磁干扰源识别

由于民航周围电磁环境复杂, 一旦产生电磁干扰(electromagnetic interference，EMI), 就不易被排查, 特别是随机性较强的宽带干扰。对此, 提出一种基于支持向量机(support vector machine, SVM)的干扰源识别方法。通过实时测量干扰信号的频谱数据, 并分析其特点, 选择包络因子、频谱能量、频谱峰值、均值和方差5个特征向量, 用主成分分析法降低数据冗余程度, 最后采用SVM来判断干扰源类型。仿真结果证明, 所提算法能有效识别6类典型机场宽带干扰源, 识别精度可达98.33%。     

基于GAN的通信干扰波形生成技术

现有通信干扰方法, 通常基于通信侦察中获取的目标信号特征进行干扰决策, 选取合适的干扰波形实施干扰, 难以应对目标信号特征未知或参数动态变化的情况。为此, 提出一种基于生成对抗网络(generative adversarial networks, GAN)的通信干扰波形生成技术, 运用GAN直接提取目标信号的潜在特征, 并生成与目标信号特征相似的干扰波形。在介绍GAN原理的基础上, 首先设计网络模型, 并对学习率进行优化, 使GAN更适用于时间序列通信干扰波形的生成。然后通过对不同类型和参数的通信信号进行干扰波形生成实验, 验证了该技术的泛化性。最后进行干扰效果对比试验, 结果表明, GAN生成的干扰波形干扰效果能够逼近最佳干扰效果。     

基于改进CLDNN的辐射源信号识别

传统辐射源信号识别方法往往需要人工提取特征,不仅对专业知识要求较高,而且人为选择的特征不能够保证适用于大多数类型信号的识别,识别精度和识别速度也不能兼顾。针对上述问题,将语音处理领域常用的深度学习模型——卷积长短时深度神经网络(convolutional long short-term deep neural network, CLDNN)引入到辐射源信号的识别中,并将该模型中的长短时记忆层改为双向门控循环单元层。模型的输入为原始时间序列数据,特征提取和分类识别过程均在网络中进行,避免了人工选择特征的不完备性。实验结果表明,所提模型在低信噪比情况下也能够有效识别信号类型,同时与其他模型相比,实现了识别精度和识别速度之间的平衡。     

基于特征选取与树状Parzen估计的入侵检测

针对目前网络空间安全形势快速变化带来的新风险和新挑战, 提出一种基于相关性分析的特征选取和树状Parzen估计优化的入侵检测方法。首先, 通过基于相关性分析的数据特征选取方法对数据维度进行压缩。其次, 对原始数据集进行特征筛选, 生成新的特征子集。最终, 使用序列模型优化算法中的树状Parzen估计算法对随机森林算法进行模型优化。实验结果表明, 相比其他应用机器学习算法的入侵检测方法, 所提方法在提升综合性能的同时拥有更高的检测效率, 有效地提升了入侵检测技术的实用性。