多弧离子镀制备的耐事故燃料包壳铬涂层晶粒结构研究

本文通过从几十微米到几埃的多尺度表征展示了多弧离子镀制备铬涂层的详细结构.经XRD, SEM, FIB, TEM和HRTEM表征，结果显示该涂层是一种多重结构，包括表面上的微米级颗粒、缺陷带钉扎的微米或次微米级液滴、以堆垛层错为晶界的柱状晶、以刃位错和螺型位错为区分的微晶、位错末端的原子畸变以及原子排列无序化的区域.这些结构通过改变涂层的结晶度，影响了晶格常数、表面粗化和FIB溅射裂纹.此外，通过分析HTEM照片，确定了这些堆垛层错和位错的类型.最后，讨论了沉积参数对这些晶粒结构的影响.     

复掺配合比对自密实高流态混凝土性能影响

为了优化自密实高流态混凝土配合比,提高混凝土工作和力学性能,分别以胶凝材料、砂率和外加剂组分为关键变量,采用单一控制变量法,通过改变材料组分掺合量探究对自密实高流态混凝土性能影响.结果 表明:当胶凝材料在500～530kg/m3时,有较高流动性;超过530kg/m3时,间隙通过性效果好;低于530kg/m3时,可降低离析率.砂率为48％～50％时,拌合物流动性、间隙通过性较稳定,继续增大,抗离析性效果欠佳.当外加剂增大,流动性增加而抗离析性降低,外加剂为1.0％～1.2％时,对间隙通过性影响较小,与流动性、抗离析性较统一.随胶凝材料、砂率和外加剂各自增大,胶凝材料对3d、7d和28d抗压强度均有影响,砂率对3d抗压强度影响显著,外加剂对28d抗压强度影响明显.     

基于共现分析的分类器链标签序列优化方法

针对分类器链模型采用随机生成方式确定标签序列会极大影响分类器链性能的问题。通过共现分析技术深入挖掘标签间的潜在关系, 提出一种基于贪心算法和n-gram模型的两种标签序列优化策略以提升分类器链模型性能。基于贪心算法的策略通过计算和排序标签之间共现率来生成优化的分类器链标签序列, 而基于n-gram模型的策略则通过最大化标签之间条件概率来生成优化的分类器链标签序列。最后通过多个多标签基准数据集进行实验验证, 实验结果表明, 与当前流行的各种分类器链模型相比, 所提的两种策略很有竞争力, 可以明显提升多标签分类效果。     

脉冲间隔对喷射液滴大小的分析研究

实现对微液滴大小的精确操控具有重要意义,而喷射脉冲间隔对液滴体积有重要影响.首先,通过水平集方法建立微液滴喷射过程的数学模型.其次,使用多物理场仿真软件COMSOL Multiphysics对微液滴喷射过程进行数值模拟.分析微液滴喷射过程,并拟合数据得到液滴最终体积与脉冲间隔关系为正相关.该结果有利于实现对液滴体积的精确操控.     

考虑楼板作用的RC框架压膜机制 抗倒塌承载力分析

为研究考虑楼板作用后钢筋混凝土框架结构的压膜机制抗连续倒塌性能,利用SAP2000建立了框架梁板子结构连续倒塌有限元分析模型,通过已有的12个抗连续倒塌试验验证了分析模型的准确性和合理性.在此基础上,通过定义考虑楼板作用后压膜机制抗连续倒塌承载力提高系数,研究了混凝土强度、楼板厚度及配筋率等参数对承载力提高系数的影响规律.结果表明:考虑楼板作用后,结构的抗倒塌承载力将显著提高,增大靠近边柱梁端的压拱效应,减小承载力再次上升时的位移.承载力提高系数随着混凝土强度等级、板的长宽比、梁底配筋率、梁高的增大而显著增加;承载力提高系数随着楼板厚度、板顶配筋率、板底配筋率、梁顶配筋率的增加而减小.     

止损策略与市场行为级联

为研究止损交易对市场中交易者行为及资产价格的影响,基于多主体模型方法,构建了一个加入止损策略的多主体市场模型。模型模拟结果表明当市场中止损阈值被触及时,极易触发连续的止损交易,造成交易者之间的行为级联。这种交易级联会引致交易者行为的趋同性增强、市场中的买卖订单失衡、市场价格的异常崩跌和流动性黑洞。     

空域色噪声背景下双基地MIMO雷达角度估计

空域有色噪声会导致现有多输入多输出(multiple input multiple output, MIMO)雷达算法性能下降, 甚至完全失效。针对空域色噪声背景下双基地MIMO雷达联合波离角(direction of departure, DOD)和波达角(direction of arrival, DOA)估计问题, 分析了现有算法失效的原因。考虑到匹配滤波后无噪协方差矩阵的低秩特性、色噪声协方差矩阵的稀疏特性以及MIMO雷达数据的多维结构特性, 提出一种基于张量分析的角度估计算法。首先, 构造角度估计的协方差张量, 通过去除协方差张量中受噪声协方差影响的元素对色噪声进行抑制。其次，利用张量填充技术对无噪协方差矩阵进行恢复。然后，利用平行因子分解获得目标角度的方向矩阵。最后, 采用最小二乘算法对目标的DOA和DOD进行拟合。仿真结果表明, 所提算法对色噪声不敏感, 且无孔径损失。相比现有矩阵及张量分析算法, 所提算法具有更高的估计精度。     

基于生物信息的未知二进制协议聚类方法

协议聚类是协议逆向工程技术中非常重要的一步，针对二进制协议更加透明且满足的协议种类更加广泛的特点，提出了一种基于基因和蛋白质生物信息的二进制协议聚类方法，能够从原始序列角度对大量协议直接进行聚类.本文方法首先将原始二进制报文转化成四进制基因形式，使用快速聚类方法计算碱基两两组合的k-seed值生成距离矩阵，并用UPGMA计算最小距离生成树得到初始分簇；其次，将每一簇四进制协议报文转化成十六进制蛋白质链，得到序列更有语义的方式并采用基于改进mBed算法的聚类方法将其进行高精度聚类.通过对已知和未知协议单纯和混合场景下的测试表明，该方法能够对二进制协议实现高效并且高准确率的聚类，具有较高的应用价值.     

基于刀具磨损状态识别的加工参数多目标优化

在数控铣削过程中,刀具磨损对机床主轴能耗影响很大,同时与刀具加工能力直接相关,需适时调整加工参数以适应不同磨损状态,保证多目标综合最优.针对此问题,基于刀具磨损状态识别,根据不同磨损时期给出相应的加工参数优化策略.首先,以刀具寿命周期内的主轴功率为基础,采用粒子群优化算法(particle swarm optimization,PSO)建立考虑刀具磨损的能耗模型,平均误差低于5%,并基于与刀具磨损的强相关性,以主轴功率作为单一指标识别刀具磨损状态.进一步,为获取影响加工成本的动态性指标——刀具剩余使用寿命(remaining useful life,RUL)及相应的主轴功率,利用人工神经网络(artificial neural network,ANN)建立刀具磨损退化模型,通过描述主轴功率随时间的变化来隐含退化过程,该模型拟合度达0.992.最终,综合考虑能耗、刀具及时间成本,设计多目标优化函数,并通过遗传算法(genetic algorithm,GA)搜索函数最小值,给出不同磨损时期的最优加工参数及优化策略.此加工参数多目标优化融入了主轴功率与刀具RUL等动态指标,可依据主轴功率在线...