基于快速神经网络架构搜索的鲁棒图像水印网络算法

为解决深度学习在图像水印算法中计算量大且模型冗余的问题，提高图像水印算法在抵抗噪声、旋转和剪裁等攻击时的鲁棒性，提出基于快速神经网络架构搜索（neural architecture search，NAS）的鲁棒图像水印网络算法。通过多项式分布学习快速神经网络架构搜索算法，在预设的搜索空间中搜索最优网络结构，进行图像水印的高效嵌入与鲁棒提取。首先，将子网络中线性连接的全卷积层设置为独立的神经单元结构，并参数化表示结构单元内节点的连接，预先设定结构单元内每个神经元操作的搜索空间；其次，在完成一个批次的数据集训练后，依据神经元操作中的被采样次数和平均损失函数值动态更新概率；最后，重新训练搜索完成的网络。水印网络模型的参数量较原始网络模型缩减了92%以上，大大缩短了模型训练时间。由于搜索得到的网络结构更为紧凑，本文算法具有较高的时间性能和较好的实验效果，在隐藏图像时，对空域信息的依赖比原始网络更少。对改进前后的2个网络进行了大量鲁棒性实验，对比发现，本文算法在CIFAR-10数据集上对抵抗椒盐噪声和旋转、移除像素行（列）等攻击优势显著；在ImageNet数据集上对抵抗椒盐高斯噪声、旋转、中值滤波、高斯滤波、JPEG压缩、裁剪等攻击优势显著，特别是对随机移除行（列）和椒盐噪声有较强的鲁棒性。     

基于BEMD、DCT和SVD的混合图像水印算法

水印的不可见性和算法的鲁棒性是图像版权保护领域关注的重要问题，然而大多数算法不能很好地平衡二者的关系。为此，提出了一种基于二维经验模态分解（BEMD）、离散余弦变换（DCT）和奇异值分解（SVD）的不可见性高、鲁棒性强的混合图像水印算法。首先，对水印图像采用Arnold置乱，增强算法的安全性，并对置乱后的水印图像进行二维DCT。然后，对宿主图像进行BEMD，得到有限个尺度不同的内蕴模态函数（IMF）及余量，选择与宿主图像相关性较低的IMF执行二维DCT，根据水印的大小对其进行不重叠分块，分别对每个分块图像以及经DCT的水印图像执行SVD。最后，根据自适应最优嵌入准则确定水印嵌入强度，并将水印嵌入每个分块，以增强算法的容错性。大量实验以及与现有算法的对比表明，所提算法不仅具有抵抗大尺度攻击的鲁棒性，而且具有较高的不可见性。     

混合澄清槽搅拌装置滑动轴承设计及磨损性能研究

针对混合澄清槽搅拌装置运行工况的特殊要求,以改善其滑动轴承使用性能及寿命为目标,选用和研制WC-VC-Ni-Cr-Mo金属陶瓷复合材料(WN20)和铁-镍-铬-石墨-二硫化钼自润滑复合材料(FC13). 考察了复合材料的微观组织、力学和摩擦学性能,结果表明WN20金属陶瓷复合材料具有优异的力学性能,FC13金属基自润滑复合材料在干摩擦状态下具有良好的自润滑和抗磨损性能,是滑动轴承组件摩擦副轴瓦的合适材料. 根据固体润滑滑动轴承的设计原则,设计滑动轴承组件结构及相应的润滑方式. 采用C13金属基自润滑复合材料制造轴瓦,并通过嵌入特种润滑剂的方式进行辅助润滑,与WN20金属陶瓷轴组成摩擦副时,滑动轴承组件表现出优异的摩擦磨损性能,经过250 h摩擦试验,摩擦系数和轴瓦温度无显著变化,摩擦系数为0.08,轴瓦径向磨损量为3.8 μm,均满足混合澄清槽搅拌装置的使用要求.      

温度对Cu-12.5Ni-5Sn-石墨自润滑复合材料摩擦学性能的影响

采用粉末冶金方法制备出了Cu-12.5Ni-5Sn-石墨自润滑复合材料，通过改变石墨的含量来研究该复合材料的力学性能和在不同摩擦试验温度下的摩擦磨损性能，采用SEM和Raman分析磨损表面，进而讨论复合材料的摩擦、磨损和润滑机制. 结果表明:复合材料的硬度和屈服强度随着石墨含量的增加而逐渐降低；温度对不同石墨含量的复合材料的摩擦磨损性能有显著的影响，在室温下，石墨质量分数为1%和3%的石墨复合材料的摩擦系数和磨损率明显小于5%石墨复合材料；在300 ℃下，石墨质量分数为3%时，复合材料的摩擦磨损性能最好；在500 ℃下，石墨质量分数为5%的石墨复合材料的摩擦磨损性能最好. 在室温下，复合材料具有较好自润滑性的主要原因是形成了几乎光滑连续的石墨润滑膜. 在300和500 ℃下，由金属氧化物和石墨组成的混合物润滑膜是复合材料保持自润滑性的主要原因.