巨磁电阻材料La1-xZnxMnO3化合物的制备工艺及其结构研究

对巨磁电阻材料La1-xZnxMnO3(x=0.1,0.3,0.5,0.7,0.9,1.0)样品的制备工艺、晶体结构、微观结构进行研究。结果表明,样品ZnO与MnO2固相反应的烧结温度和时间分别大于1300℃和6h时,反应生成具有四面体结构的ZnMnO3化合物;压制成型的压力对结构具有一定影响;不同浓度的Zn2 (x=0.1,0.3,0.5,0.7,0.9)掺杂样品在1350℃烧结12h后,均具有钙钛矿结构,但掺杂浓度在大于x=0.5时有新的衍射峰,产生新的物相,从而影响巨磁电阻效应性能。     

典型高强铝合金材料的点腐蚀坑前缘特征的研究

针对2024和7804两种典型高强铝合金的点腐蚀坑的前缘微观结构进行了研究.发现:在3.5%NaCl溶液腐蚀环境下,经过不同的腐蚀时间,这两种铝合金材料的点腐蚀坑在扩展速度、坑的形态类型、腐蚀坑的前缘微裂纹及形貌特征等方面具有明显不同.对于点腐蚀坑前缘特征的形成机理以及点腐蚀坑对这两种材料的疲劳性能影响也进行了分析讨论.同时将分形理论应用于腐蚀坑前缘的特征分析,求得了腐蚀坑截面轮廓分形维数.     

激光熔覆成型用Ni-Cu-Sn合金粉末的制备及其成形特性

研制了适合激光熔覆成型的Ni-Cu-Sn合金粉末,通过工艺试验,分析了激光熔覆成型件的微观组织特征及微观缺陷的形成原因,并提出了预防缺陷形成的方法。     

考虑样本不平衡的X光安检图像违禁品分类方法

X光安检图像违禁品分类被广泛应用于协助维护航空和运输安全。针对X光安检图像中违禁品尺度不一、存在困难样本及旅客行李安检固有的正负样本不均衡等问题，提出一种端到端的考虑样本不平衡的X光安检图像违禁品分类方法。采用多尺度特征提取网络捕获尺度不一的多类型违禁品特征，通过特征融合模块提升模型对图像边缘和纹理特征的表达能力，基于代价敏感思想设计损失函数，解决数据集不平衡问题，并提高困难样本分类精准度。在公开数据集SIXray上构建的子集实验结果表明：所提方法相较于端到端分类模型，平均AP指标值提升了4.5%，特别是对剪刀等难分类样本，AP指标值都有显著的提升效果。     

多尺度特征和注意力融合的生成对抗壁画修复

针对现有深度学习图像修复算法修复壁画时，存在特征提取不足及细节重构丢失等问题，提出了一种多尺度特征和注意力融合的生成对抗壁画修复深度学习模型。设计多尺度特征金字塔网络提取壁画中不同尺度的特征信息，增强特征关联性；采用自注意力机制及特征融合模块构建多尺度特征生成器，以获取丰富的上下文信息，提升网络的修复能力；引入最小化对抗损失与均方误差促进判别器的残差反馈，从而结合不同尺度的特征信息完成壁画修复。通过对真实敦煌壁画数字化修复的实验结果表明，所提算法能够有效保护壁画图像的边缘和纹理等重要特征信息，并且主观视觉效果及客观评价指标均优于比较算法。     

C/C-ZrC复合材料的制备及结构性能研究

采用针刺及细编穿刺结构分别引入热解碳和沥青碳的多孔C/C坯体,通过反应熔渗工艺(RMI)与熔融金属Zr反应制备了C/C-ZrC复合材料.研究了预制体结构和基体碳类型对C/C-ZrC复合材料微观结构及力学性能的影响.结果 表明:材料熔渗后只由C,ZrC两相组成,孔隙率5％～10％,ZrC质量分数53％～63％.针刺结构的...     

基于多任务辅助学习特征的瞳孔中心检测

眼动跟踪技术在航空领域极具潜力，其作为关键的信息获取和人机交互手段，可用于精确的目标瞄准、飞行员状态监测，对飞行安全和作战精准意义重大。而瞳孔中心检测作为核心技术，决定了眼动追踪系统的鲁棒性和准确性，本文提出一种基于多任务辅助学习特征的瞳孔中心检测算法，模拟人类视觉系统的多任务辅助学习特性，引入多任务模块，实现从粗到精的瞳孔中心检测，并通过试验验证了本文方法的有效性和先进性，从而提高了眼动跟踪的精度和准确性，为航空领域的各项任务和操作提供了更精确、高效和安全的手段。     

2.5D机织复合材料悬臂梁振动疲劳实验与有限元模拟

2.5D机织碳纤维增强树脂基复合材料以其在力学性能和复杂构件成型两方面的综合优势，在大涵道比商用涡扇发动机风扇叶片方面具有巨大的应用前景。对发动机风扇叶片来说，振动疲劳是一种不可忽视的工况条件，目前2.5D机织复合材料振动疲劳方面的实验与数值预测模型十分有限。本工作针对一种模拟发动机叶片根部的2.5D机织复合材料悬臂梁结构，建立一阶弯曲振动疲劳行为模拟的多尺度模型，并基于固定周期跳跃的疲劳加载模拟方法，结合主导疲劳失效机制的损伤萌生准则和疲劳刚度退化模型，开展2.5D机织复合材料经、纬向试件振动疲劳实验过程的模拟。基于建立的多尺度模型分析试件危险部位单胞内的应力场，预测经、纬向试件振动疲劳实验后的损伤状态。数值模拟结果与实验后的断口形貌观测结果吻合，验证了本工作提出的2.5D机织复合材料振动疲劳多尺度预测模型的有效性。基于提出的振动疲劳多尺度预测模型，对随着疲劳加载次数累积经向试件工作段单胞内的损伤状态进行了仿真，揭示了2.5D机织复合材料振动疲劳损伤的演化机理。     

基于优化多尺度排列熵和卷积神经网络的滚动轴承故障诊断方法

针对滚动轴承故障分类中特征信号微弱、信号非线性和多尺度特征难提取的问题，提出基于优化多尺度排列熵（MPE）和卷积神经网络（CNN）的滚动轴承故障诊断方法:通过改进自适应噪声完备集合经验模式分解（ICEEMDAN）对轴承信号进行分解和重构，实现信号降噪；通过粒子群算法（PSO）对MPE进行优化，提出PSO-MPE特征提取方法，参数优化后的MPE能够提取更为关键的特征信息；将所得的排列熵输入到CNN中进行故障分类以及降维可视化分析。以凯斯西储大学开放轴承数据库样本为测试对象，将文章所提出的ICEEMDAN-PSO-MPE-CNN方法与ICEEMDAN-PSO-MPE-RNN、CEEMDAN-SVM、ICEEMDAN-PSO-MPE-SVM等方法进行纵向和横向对比分析，结果表明改进方法的分类准确率和效率更高，在T-SNE可视化下的分类效果更明显，能够实现滚动轴承故障的高精度和高效率检测。     

SiC纤维增强复合材料界面微观结构的Raman光谱研究

使用Ｒａｍａｎ显微技术（Ｒａｍａｎ ｍｉｃｒｏｓｃｏｐｙ）研究了ＳｉＣ纤维增强碳化硅、ＪＧ６玻璃和Ｐｙｅｒｘ玻璃复合材料界面的微观结构。研究表明,复合材料的制备过程使纤维内自由碳颗粒的大小增大,尤其是在界面层两种玻璃复合材料制造过程使原纤维富含ＳｉＯ２的表面层消失,而且发生了界面层碳结构的有序化。