非极性SiC/GaN界面结构特性

GaN是一种具有广泛应用前景的光电子材料,但是,用于制造器件的GaN都是在不同衬底上外延生长得到的,在常用的Al2O3和SiC衬底上沿[0001]方向直接生长的GaN外延膜存在有较高的缺陷密度(10^10cm^-2),研究发现在SiC衬底上侧向外延(ELO)生长的GaN线缺陷密度可低达10^5cm^-2,目前对     

高炉初渣形成过程及其性能优化研究

初渣形成过程及其性能优化对高炉强化冶炼和提高煤比至关重要.研制初渣形成实验炉,并对8种不同炉料结构进行了研究.结果表明,初渣中混入未燃煤粉可使初渣的黏度增大2倍以上,提高球团矿配比对改善初渣流动性和减少初渣量有利.针对武钢冶炼条件,建议适当增加炉料中的球团矿配比.     

基于高阶累积量的文本图像去噪算法

根据高斯噪声三阶以上累积量为零,从而可以将其有效抑制的特点,提出了一种基于高阶累计量的文本图像去噪方法.与平滑滤波和中值滤波2种经典算法相比,高阶累积量的使用不仅提高了文本图像去噪效果,而且能够较好地保留图像的边缘和细节信息,保证了原有文字的完整性.实验表明,提出的去噪算法对于去除文本图像的加性高斯噪声较为理想.     

大庆油田气体钻井井斜控制技术研究

气体钻井以其保护油气层、提高钻速等方面的巨大优势而得到广泛应用,但是气体钻井井斜问题一直没有得到很好地解决,制约着气体钻井的发展.国内外对气体钻井井斜机理及控制方面研究较少,还没有形成系统的理论和技术.根据大庆油田气体钻井实例现从地质因素、井径扩大、钻井参数、井斜角、钻井循环介质等方面分析了气体钻井井斜的原因,基于分析结果并与大庆现场钻井实例相结合,初步给出了气体钻井井控措施,为气体钻井设计和施工提供一定的基础.     

移动磁场电磁感应器磁场分布的数值模拟

利用ANSYS 8.0软件对移动磁场电磁器所产生的电磁场分布进行了数值模拟.通过与实测结果的比较,验证了利用ANSYS软件进行计算的可靠性.并进一步计算了在移动磁场电磁感应器结构尺寸不变,将其绕制为一对极和二对极的情况下,线性电磁搅拌器所产生的电磁场分布,以及通电电流变化和金属上型对所产生的磁感应强度分布的影响.结果表明,在结构尺寸一定的情况下,将电磁感应器绕制成一对极和二对极所产生的磁感应强度的大小与通电电流大小呈线性关系,且在通电电流相同的情况下,在一对极下能得到更大的磁感应强度;金属上型可使合金熔体所处的磁场空间磁感应强度竖直分量By增强的同时磁感应强度的水平分量Bx略有减弱.     

胭脂花的组织培养与植株再生

为了有效保护和利用野生胭脂花资源,以胭脂花(Primula maximowiczii)叶片、叶柄作为外植体进行组织培养及植株再生研究,建立了胭脂花的离体无性繁殖体系.结果表明,叶柄不定芽诱导率较高.经实验筛选出最适不定芽诱导培养基为MS+2,4-D 1.0mg/L+TDZ 2.0mg/L,最佳不定芽增殖培养基为MS+2,4-D 4.0mg/L+6-BA 2.0mg/L,幼苗移栽成活率可达60%以上.     

大连市网球人口消费情况的调查与分析

自2011年法国网球公开赛冠军“娜姐”之后,国人酷爱网球的程度再度掀起热潮.大连是我国网球运动开展较早、发展较好且网球赛事、网球选手和网球爱好者较多的城市之一.从全市网球人口有关网球消费现状的调查研究入手,通过实地考察、访谈和调查问卷等方法对网球人口在购买器材情况的调查、信息消费情况的调查、观看网球比赛情况的调查、用于场地消费的情况调查、网球消费者结构的调查等,分析大连市网球人口的网球消费结构、性别结构、年龄结构、职业构成、文化程度和收入水平,提出扩大网球人口数量、提高网球群体的消费水平、建造良好社会环境等对策建议.     

无机多孔吸声材料的研究与发展

本文根据多孔材料的吸声原理,重点介绍了无机类多孔吸声材料的研究现状。针对目前研究中存在的防水性能差,低频吸声系数低等问题进行了分析,并提出了相应的解决方案。介绍了孔隙率、密度、材料厚度等因素对材料吸声性能的影响,并展望了吸声材料的未来发展方向。     

采用类内迁移学习的红外/可见光异源图像匹配

为解决异源图像匹配中样本量过少和成像原理不同导致成像差异的问题,提出了一种采用类内迁移学习的异源图像匹配网络(PairsNet)。该网络由特征提取子网络和匹配度量子网络两部分组成。特征提取子网络中存在4条卷积神经网络分支,其通过卷积神经网络分支提取出红外图像和可见光图像的特征。将可见光图像作为源域、红外图像作为目标域进行迁移学习,通过减小两个域中样本特征的类内最大均值差异距离,实现了源域和目标域对应图像类别上精准的样本特征分布对齐。匹配度量子网络使用2个全连接层和1个softmax层进行串联,评估出异源图像特征的匹配度。构建了红外和可见光图像数据集,进行端到端的训练和测试。结果表明:与当前使用预训练模型微调的方法相比,PairsNet的准确率提升了10.54%,可见光图像匹配网络的能力可以有效迁移到异源图像匹配网络。     

基于域泛化的工业设备无监督异常声音检测算法

在工业场景中,因为设备异常现象的罕见性和高度多样化,以及机器的操作条件或环境噪声在训练和测试阶段的不同,会改变训练和测试数据之间的声学特性。为解决上述问题,提出一种基于联合深度学习和变分贝叶斯高斯混合模型的无监督异常声音检测算法。通过两种神经网络联合训练进行信息提取,并利用变分贝叶斯高斯混合模型对其所获得的嵌入进行聚类分析;引入一种新的混合示例数据增强方法,用多种方式相结合的替代方法来生成示例,以对齐不同域之间的分布;应用了一种改进的子集群AdaCos损失函数,以排除潜在的异常值。实验结果表明,该方法在三种工业机器类型的数据集上目标域的平均曲线下面积达到了79.03%,平均F₁分数达到了67.23%;对比基线模型,谐波平均值提升约20%,在工业设备无监督异常声音检测中表现良好。