基于小波变换和概率神经网络的焊接接头类型识别

为了实现机器人自动焊接过程中快速、精确地提取焊缝特征信息,提出了一种基于小波变换和概率神经网络的焊接接头类型识别方法。先采用小波变换对由激光视觉传感器采集的焊接接头图像进行降噪和增强,对重构后的图像进行二值化,然后提取图像的特征信息,组成图像特征向量,最后构建概率神经网络分类器并进行测试。结合视觉传感器中激光器与摄像机的位置关系,最终识别出4种焊接接头。实验结果表明,所提出的方法特征提取简单,识别率高,并具有较好的实时性。     

Compton散射下等离子体球太赫兹散射特性

为了研究Compton散射对等离子体球太赫兹(THz)散射特性的影响,将多光子非线性Compton散射模型引入到该研究中,提出了将Compton散射作为影响等离子体球太赫兹散射的重要因素,给出了各向异性等离子体球散射场修正方程及介电常数张量、观测方位、极化状态等因素对THz波散射的影响,并进行了仿真实验。结果表明:微分散射截面随THz波频率变化近乎呈准谐振规律变化,较散射前增大了0.001;微分散射截面随观测方位和极化状态的变化较散射前增大了0.002。     

韦伯分布布谷鸟搜索算法颗粒粒径分布反演

韦伯分布在非线性寻优问题中具有较好的寻优精度和全局搜索能力,为此提出一种基于韦伯分布的布谷鸟搜索（WCS）算法来解决颗粒粒径分布反演的问题。使用WCS算法对服从Johnson’s S_B分布、Rosin-Rammler分布和正态分布的单峰颗粒系和双峰颗粒系进行颗粒粒径分布的反演,并分别与其他传统算法的处理结果进行比较。结果表明,WCS算法的整体效果优于人工鱼群算法和人工蜂群算法,且改进后的4种重尾分布CS算法的标准差比原CS算法提升2～3个数量级。目标函数散射光能加入噪声后,WCS算法比其他三种重尾分布的相对均方根误差值至少可降低1/2。使用小角前向散射测量系统对单峰颗粒系和双峰混合颗粒系进行实验研究,发现WCS算法的相对均方根误差比原CS算法降低约为40%。     

水下多级微结构液气界面的稳定性和可恢复性研究

微结构表面浸没水下所形成的液气界面对减阻等应用具有重要意义.液气界面的稳定存在是结构功能表面发挥作用的前提.因此,如何增强液气界面的稳定性以抵抗浸润转变过程,以及在液气界面失稳之后,如何实现去浸润过程以提高液气界面的可恢复性能,均具有重要的科学研究意义和实际应用价值,也是国内外研究关注的热点问题.本文针对具有多级微结构的固体表面,研究其在浸没水下后形成的液气界面的稳定性和可恢复性.通过激光扫描共聚焦显微镜对不同压强下液气界面的失稳过程和降压后的恢复过程进行原位观察,实验结果和基于最小自由能原理的理论分析相吻合.本文揭示了多级微结构抵抗浸润转变以及提高液气界面可恢复性能的机理:侧壁上的次级结构(纳米颗粒、多层翅片)通过增加液气界面在壁面的表观前进接触角增强了液气界面的稳定性;底面的次级结构(纳米颗粒和封闭式次级结构)可以维持纳米尺寸气核的存在,有利于水中溶解气体向微结构内扩散,最终使液气界面恢复.本文的研究为通过设计多级微结构表面来获得具有较强稳定性和可恢复性的液气界面提供了思路.     

焦炉上升管内壁结焦炭层的光谱学分析及结焦机理研究

以焦炉上升管内壁结焦炭层块为研究对象，采用X射线荧光光谱仪（XRF）、X射线衍射仪（XRD）、傅里叶红外光谱仪（FTIR）和激光共聚焦拉曼光谱仪（Raman）对结焦炭层的元素组成，以及各结焦炭层的矿物组成、组成结构和分子结构进行测试。分析从结焦炭层块外表面向内表面过渡的各结焦炭层的差异性，揭示焦炉上升管内壁结焦机理。结果表明焦炉上升管内粉尘中Fe，S和Cr极易催化荒煤气中蒽、萘等稠环芳烃化合物成炭，在焦炉上升管内壁形成炭颗粒沉积，为焦油凝结挂壁提供载体，在荒煤气温度降至结焦温度时易结焦积碳。结焦炭层均含有芳香层结构，随着结焦炭层从外表面向内表面过渡，各结焦炭层的面层间距(d₀₀₂)逐渐降低、层片直径(L_a)先降低后增加、层片堆砌高度(Lc)和芳香层数(N)先稳定后增加。结焦炭层石墨化过程是由结焦炭层内表面向外表面进行，主要包括其片层外缘的羧基和部分C-O结构的降解剥离，从而形成高度规整的共轭结构。结焦炭层块中C元素是以结晶碳与无定型碳的混合物形式存在。以上研究为解决焦炉上升管内壁结焦及腐蚀问题，提高换热器换热效率，有效回收焦炉荒煤气显热，降低焦化企业能耗提供实验基础和理论依据。     

^13C的一个可能的类晕的中子1p态

假设^13C是单粒子的2p态的结构，用Glauber多重散射理论研究了入射能量为1GeV的质子在^13C上的弹性散射，得到了与实验符合得很好的理论结果。这说明^13C可能存在着一个类晕的中子皮。     

Jordan函数r次方Jrk(n)的误差项的进一步性质

设k，r分别是自然数和非零整数，Jk(n)是Jordan函数。以E(x；k，r)表示和式sum from (n≤x) Jkr(n)的渐近公式中的误差项，本文研究了E(x；k，r)的某种加权平方积分均值。