粉体团聚状态对TiC-TiB2陶瓷涂层的影响

以Ti-B4C-C为主反应体系,采用自蔓延反应火焰喷涂技术,在45^#钢基表面制备TiC-TiB2复相陶瓷涂层。研究不同粉体团聚状态对涂层气孔率的影响,结果表明,包覆粉喷涂得到的涂层性能要优于胶联团聚粉。     

AHP-QFD综合模式在行星齿轮减速器多目标优化设计中的应用

文章介绍了质量功能展开(QFD)是一种将顾客需求进行多层次的演绎与变换,最终实现基于需求的产品方案设计及技术设计方法;为了弥补QFD方法需求变换中的主观片面性,将层次分析法(AHP)引入QFD应用过程中,对需求进行分析并得到不同需求的重要度,进而进行优化设计,以行星齿轮减速器的多目标优化设计为例,验证了AHP-QFD设计方法的实用效果.     

东营凹陷油气充注历史的流体包裹体分析

对东营凹陷胜坨和牛庄油田油气包裹体进行了分析,结合其构造发育史、沉积埋藏史、热史和生烃史等的综合研究,探讨了东萱凹陷油气成藏充注过程中油气运移的相态、运移通道及其成藏过程的时间。首次在东营发现的沸腾包裹体说明了胜坨油田呈现“突发式”成藏的可能性和牛庄油田砂岩体油气充注的时间是东营末期至馆陶期,牛庄油田牛２１井区的油气充注时间是东营末期至现今。     

浅谈汽车检测与维修专业建设

当今的高职教育不再是培养理论人才,而应该是理论结合实际,培养德、智、体全面发展的高素质开拓型人才,以适应新世纪我国社会主义市场经济发展的需要。本文根据培养跨世纪人才的需要,结合本院汽车检测与维修专业的制定与开设,对现代教育理念与高等职业教育作一简单说明。     

基于变换矩阵的自适应方向图控制

针对低快拍情况下自适应波束形成器输出方向图存在主峰偏移、副瓣电平较高的问题,提出一种低快拍情况下基于变换矩阵的自适应方向图控制方法.利用干扰空间与噪声空间特征向量之间的正交性,去除干扰空间特征向量,并对噪声空间特征向量进行均一化后生成变换矩阵,最后利用变换矩阵在最大信嗓比准则下进行波束形成.该方法可在小快拍数条件下有效地抑制干扰,并可同时保持静态方向图的副瓣特征.仿真结果验证了该方法的有效性和优越性.     

基于知识系统的施工进度自动安排

提出一种基于知识系统的施工进度安排方法，结合项目管理的工作分解结构原理，对施工活动自动分类，通过对施工活动分解，计算各施工活动持续时间，并且建立前后施工活动间的逻辑关系，实现进度自动生成．最后通过某高层建筑的施工总进度计划安排和实践结果对比，验证基于知识系统的方法能够借鉴专家知识，生成合理的进度计划，指导工程项目施工．提出的进度安排系统既有助于生成新的施工进度，又为进度自动调整和控制提供基础。     

青藏高原清水河地区地质特征及其地球物理响应

青藏高原多年冻土层地质特征与其地球物理响应之间关系的研究是长期困扰地质学者的一个大难题。根据区域地质资料,进行了清水河地区地质研究,查明了该地区的地层、地质构造和多年冻土层地下水特征;在此基础上,采用音频大地电磁法(AMT),对比研究了地质特征的地球物理响应;并布置地质钻孔验证了地质特征与地球物理响应之间的对应程度。结果表明,青藏高原清水河地区地质特征与其地球物理响应之间具有明显的一一对应关系。     

遵义市习水县虫草属药用真菌的菌株分离与鉴定

目的:对遵义习水县虫草属药用真菌的菌株进行分离与鉴定,为进一步开发利用虫草奠定基础。方法:以遵义习水县所采集到的虫草属子实体为研究对象,采用组织分离法分离虫草菌株并纯化,ITS基因序列鉴定结合子实体标本鉴定分离的纯培养物。结果:从遵义习水共得到6株虫草属药用真菌菌株,编号56b-1、SW57b两株菌株为高雄山虫草(Cordyceps takaomontana Yakush.&Kumaz);编号67、CZ270、SL215三株菌株为蝉花(Cordyceps cicadae(Miq.)Massee);编号SL219为爪哇虫草(Cordyceps javanica(Bally)Kepler, B.Shrestha&Spatafora)。结论:遵义习水县野生虫草属药用真菌资源丰富。     

基于FPGA的平台罗经微机故障检测系统设计方法

针对普通检测方法在实际平台罗经检测中难度大，时间长的问题，介绍了一种基于现场可编程门阵列（FPGA）的平台罗经微机故障检测系统设计方法．该检测系统可以及时自动地检测平台罗经微机系统，判断故障所在，同时给出了该检测系统的软硬件实现方案．详细阐述了使用电路模拟旋转变压器信号的原理和方法，给出了系统信号采集及数据处理的方案．     

基于概率模型LVQ的改进KNN分类新方法

KNN是基于实例的算法,对于大规模样本算法分类性能不高.针对这一缺点,提出一种基于概率模型的学习矢量量化神经网络的改进KNN分类新方法.考虑到最优参考点训练的重要性,结合概率方法得到最佳参考点的判断准则函数,采用梯度下降最优化算法利用LVQ训练参考点的最佳位置.在对未知样本进行分类时选出样本x的K个近邻,采用"投票选举"机制最后判断样本x的所属类别.新方法减少KNN的计算复杂度和时间,弥补了KNN在处理大规模数据问题上的不足.在UCI中数据集上的仿真实验表明改进算法的可行性.