YAG激光与脉冲MIG复合焊

采用设计制造的复合焊接机头 ,研究了YAG激光 脉冲MIG电弧复合焊接铝合金时各种规范参数对焊缝成型的影响规律及激光与电弧的复合作用 .结果表明 ,在比较宽的参数范围内YAG激光 脉冲MIG复合焊接铝合金具有焊缝成型美观 ,无气孔等优点 ,熔深与激光单独焊相比增加 4倍 ,与脉冲MIG焊接相比增加 1倍以上 ,焊速显著提高 ,是一种理想的焊接工艺 .     

织物吸水性研究

利用自制的平行吸水仪测试研制的高吸水织物，纯棉织物，苎麻织物的吸水性能，探讨织物吸水性能的一般规律，提出织物吸水量变化公式，该公式在织物吸水量未达到饱和值前能较为准确地反映其吸水变化规律。     

合金LaNi_5对氢的吸附性能

稀土元素和Ⅷ族金属的金属间化合物可作储氢材料,特别是可用作供有机化合物氢化用的电极材料,因此,研究它们的电化学性具有重大意义.本文研究了LaNi_6对氢的吸附特性.     

基于体视变换方法的汽车驾驶模拟器的研究

推导出了适合汽车驾驶模拟的体视变换矩阵算法,给出了视变换矩阵、投影变换矩阵,并在此基础上推导出体视变换矩阵。采用体视变换矩阵的方法进行体视变换,可使程序变得更加简洁,提高了模拟系统的效率和可靠性。     

栖息地破碎化对鸟类的影响

目前全球鸟类濒危问题日益严峻,濒危鸟种增加。栖息地破碎化给鸟类生存带来的影响是生态学家及保护生物学家共同关心的问题。栖息地破碎化对鸟类的生态效应体现为面积效应、隔离效应和边缘效应,主要通过影响鸟类的分布、基因交流、种间关系、种群动态、生活习性等,导致其对生活环境的不适宜,最终影响鸟类的生存。     

含水率对相似材料模型强度的影响规律

为减少含水率对相似材料模型强度的影响,利用时域反射技术对相似材料模型含水率变化特征进行了监测,通过不同含水率值的相似材料试件,获得了相似材料试件单轴抗压强度与含水率的关系;提出克里金空间插值法的估值公式计算相似材料模型含水率,得出了含水率变异函数表达式;以哈拉沟煤矿12101工作面为研究对象,搭建了长×宽×高为1 000 mm×120 mm×700 mm的相似材料模型,利用FDR传感器监测模型含水率,绘制模型含水率分布图。结果表明,当配比为8∶3∶7且含水率在0.2%～2.3%之间时,相似材料试件的单轴抗压强度与其含水率呈负线性关系;通过模型含水率分布云图,模型竖直方向含水率呈上低下高的梯度特征,中硬度岩石相似材料模型含水率值达到1.7%～2.2%时,模型强度达到预期强度;相似材料模型干燥后期模型上部强度大于预期强度,中下部基本一致。提出了一种利用含水率特征值来预判模型干燥养护程度的方法,为提高相似材料模型试验准确性提供方法参考。     

基于HMMs和SVM的人体日常动作序列分割识别研究

随着微机电系统(MEMS)研究的精细化,人体传感器网络(简称体感网)技术在医疗监护领域有了长足发展,而人体动作分析与识别是体感网中富有挑战性的研究课题.采用动态隐马尔可夫模型(HMMs)方法对基于用体感网技术的人体动作序列进行了分割,并且对分割精准度进行了度量分析.从实验结果可以看到,动态HMMs方法优于LIR和Top-Down方法,其分割精准度达到了80%以上.对分割后的数据提取均值、方差等特征,采用支持向量机(SVM)方法分类识别的结果表明所提分割方法具有良好的稳健性,平均识别准确率在89%左右,与手动分割接近.     

芯片表面微翅片强化FC-72流动沸腾传热

为采用高效传热技术来提高芯片的冷却效率 ,保证芯片的正常工作 ,研究了不带电介质FC 72在微翅片尺寸 (厚度×翅片高 )分别为 5 0μm× 190μm ,5 0μm× 2 5 0μm ,10 0μm× 15 0μm和 10 0μm× 30 0μm的 4种强化面芯片表面的流动与沸腾传热性能 ,探讨了FC 72过冷度对沸腾传热的影响 ,并与光滑面芯片的沸腾传热性能进行了对比 .实验结果表明 ,随着FC 72过冷度的增大 ,所有实验芯片的临界热流密度增大 .强化面芯片的临界热流密度所对应的壁温低于 85℃ ,而光滑面芯片的临界热流密度所对应的壁温高于85℃ .在相同过冷度下 ,强化面芯片的最大热流密度是光滑面芯片的 7～ 9倍 ,表明微翅片结构能显著地强化不带电介质FC 72的沸腾传热     

基于融合注意力机制与CNN-LSTM的人体行为识别算法

为解决单一的卷积神经网络（CNN）缺乏利用时序信息与单一循环神经网络（RNN）对局部信息把握不全问题,提出了融合注意力机制与时空网络的深度学习模型（CLA-net）的人体行为识别方法。首先,通过CNN的强学习能力提取局部特征;其次,利用长短时记忆网络（LSTM）提取时序信息;再次,运用注意力机制获取并优化最重要的特征;最后使用softmax分类器对识别结果进行分类。仿真实验结果表明,CLA-net模型在UCI HAR和DaLiAc数据集上的准确率分别达到95.35%、99.43%,F1值分别达到95.35%、99.43%,均优于对比实验模型,有效提高了识别精度。