雷达目标一维距离像识别创新课程设计

为了提高雷达原理与系统课程的教学质量与效果,该文基于多次样本的高分辨雷达一维距离像设计了一个雷达目标识别的仿真验证课程项目,即一种针对最小K-L距离判决准则的不对称性而利用最小R-A距离判决准则的改进方案,并具体阐述了K-L和R-A方法的原理及实施方式,给出了试验流程图和仿真过程中各参数的选择。实践表明,该课程设计形象生动、易于掌握,涵盖了雷达原理,目标识别等技术,满足了教学与科研的需要。     

应用混频超声检测微小缺陷

高端飞行器的可靠性往往受限于其发动机内部盘、板等构的结构强度和使用寿命,因此对这类部件的无损检测在制造业上具有巨大需求。超声检测作为一种应用广泛、高效、环保的检测方法,常常被应用于这类构件的检测中。但是,大厚度盘、板类构件内的微小缺陷反射能力弱,常规超声脉冲反射法无法进行有效检测。为实现大厚度盘、板类构件内部微小缺陷的识别和定位,采用共线异侧纵波混频法,通过和差频信号特征识别微小缺陷;研究缺陷埋深变化对混频效果的影响,通过测量和差频信号幅值变化,实现微小缺陷的深度定位。结果表明：该方法可有效识别7075铝合金中埋深80 mm的?0.2 mm横孔微缺陷,且可实现微小缺陷的深度定位。     

基于深度学习的材料超声回波衰减预测方法

材料超声回波衰减是评价材料均匀一致性的常用方法, 针对具有复杂结构的航空发动机盘件难以进行材料底面超声回波衰减评价的问题, 本文提出了利用超声背散射波信号直接预测底面回波衰减的方法。采用10MHz聚焦探头进行超声背散射波数据的采集, 利用深度学习技术构建和训练模型,建立了基于深度学习的材料底面回波衰减预测方法, 同时讨论了采用不同信号形式的超声波信号分类识别模型的准确率差异。研究发现：基于深度学习技术可实现通过超声背散射波预测材料的底面回波衰减, 预测结果和实际底面回波衰减试验结果具有良好的一致性。     

小角度纵波水浸超声检测技术在消除锻件结构盲区中的应用

航空发动机中的后轴颈锻件一般采用水浸超声纵波直入射方法检测内部缺陷。由于型面结构的问题,在锻件的直筒和锥形段连接区域存在检测盲区。该文针对某型号发动机中的后轴颈锻件,开展了水浸超声检测工艺研究,提出利用小角度纵波覆盖盲区的思路。通过对含有人工缺陷的模拟样件的检测实验,比较了水浸纵波直入射和小角度纵波斜入射两种检测方法对后轴颈连接区域的覆盖能力。结果表明,该文提出的小角度纵波方法,可以有效检测出水浸纵波直入射检测方法无法发现的人工缺陷,消除由结构引起的检测盲区,保障零件的服役安全。     

紫杉醇对体外大鼠肝细胞影响的实验研究

目的:在通过观察紫杉醇对体外培养大鼠肝细胞的影响来探讨紫杉醇自身毒副作用.方法:采用四唑盐(MTT)比色法及形态学方法观察紫杉醇在不同质量浓度下作用不同时间对肝细胞的影响;采用Hoechst 33258荧光染色法观察紫杉醇作用后,肝细胞的形态变化.结果:质量浓度分别为5、10、20、40、80μg/L的紫杉醇分别作用24、48、72 h后,随着质量浓度的增加、作用时间的延长对体外培养的肝细胞损伤加大、抑制率增加;相同质量浓度的紫杉醇不同作用时间的抑制率无时间效应关系;24 h的IC50质量浓度为28.5μg/L,并能诱导肝细胞发生凋亡.结论:紫杉醇在一定的质量浓度和长时间作用下对肝细胞有细胞毒作用.     

电子政务理念在环境信息领域的应用

通过对电子政务的发展现状的分析，阐述了建设地市环境信息系统的必要性和重要意义，并对地市环境信息系统的功能设计、实施要点以及安全管理提出了见解。     

应用超声干涉特征识别微小缺陷

航空用金属材料中允许存在的缺陷越来越小,有时需要识别几十微米的夹渣缺陷.由于微小缺陷对声波的反射能力弱,常用的超声脉冲反射法的识别能力遇到瓶颈.该文利用超声干涉原理对微小缺陷进行识别.首先,理论分析入射波与微缺陷散射波的干涉机理;其次,采用有限元仿真方法分析了入射波经过微小缺陷后的波形变化,归纳出入射波与微缺陷散射波干...     

1960-2007年无定河流域径流情势变化及其归因分析

在气候变化和人类活动的双重影响下,流域径流过程会发生显著改变.利用M-K法、有序聚类法、Yamamoto法对无定河流域径流量进行水文变异诊断,利用IHA/RVA法对变异前后径流情势进行对比分析,并量化分析气候变化和人类活动对径流改变的影响.结果显示:1)1970-2007年无定河流域径流量呈现显著减小趋势,并在1971年发生减小突变;2)突变后径流情势发生改变,径流量年内分配、极端流量及其发生时间、频率、平均延时等均具有较高改变程度;3)枯水期平均流量、最小90日平均流量和高流量平均延时可作为识别无定河流域径流量突变的关键指标;4)无定河流域径流量的减少受到气候变化和人类活动的综合影响,且气候变化和人类活动对径流量减少的贡献率分别为36.57%和63.43%.