检索结果-南通市图书馆

Simultaneously removal of P and B from Si by Sr and Zr co-addition during Al–Si low-temperature solvent refining

International Journal of Minerals,Metallurgy and Materials 2023年第2期30卷 365-377页

作者： Chen Chen Jingwei Li Qiuxia Zuo boyuan ban Jian Chen Key Lab of Photovoltaic and Energy Conservation Materials Institute of Solid State PhysicsHFIPSChinese Academy of SciencesHefei 230031China University of Science and Technology of China Hefei 230026China School of Materials Science and Engineering Hefei University of TechnologyHefei 230009China State Key Laboratory of Mineral Processing BGRIMM Technology GroupBeijing 100160China State Key Laboratory of Complex Nonferrous Metal Resources Clean Utilization Kunming University of Science and TechnologyKunming 650504China Engineering Research Center of High Performance Copper Alloy Materials and Processing Ministry of EducationHefei University of TechnologyHefei 230009China Shandong Aluminum Vocational College Weihai 264400China

To remove the key impurity elements,P and B,from primary Si simultaneously,Sr and Zr co-addition to Al-Si alloy systems during solvent refining has been *** reacts with Al,Si,and P in the melt to form a P-containing Al_(2)Si_(2)Sr phase and Zr reacts with B to form a ZrB_(2) *** the Al-Si-Sr-Zr system,high removal fractions of P and B in the primary Si,with 84.8%-98.4%and 90.7%-96.7%,respectively,are achieved at the same time,*** best removal effect is obtained in the sample with the addition of Sr-32000+Zr-3000μg·kg^(-1),and the removal fractions of P and B in the purified Si reach 98.4%and 96.1%.Compared with the Sr/Zr single-addition,the removal effects of Sr and Zr co-addition on P and B do not show a significant downward trend,indicating that the nucleation and growth of the B/P-containing impurity phases are mutually ***,an evolution model is proposed to describe the nucleation and the growth stages of Sr/Zr-containing compound phases,which reveals the interaction between the impurity phases and the primary Si.

关键词： Al2Si2Sr phase zirconium boride phase phase directional solidification solvent refining

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

Data augmentation in microscopic images for material data mining

引用

npj Computational Materials 2020年第1期6卷 601-609页

作者： boyuan Ma Xiaoyan Wei Chuni Liu Xiaojuan ban Haiyou Huang Hao Wang Weihua Xue Stephen Wu Mingfei Gao Qing Shen Michele Mukeshimana Adnan Omer Abuassba Haokai Shen Yanjing Su Beijing Advanced Innovation Center for Materials Genome Engineering University of Science and Technology BeijingBeijing 100083China School of Computer and Communication Engineering University of Science and Technology BeijingBeijing 100083China Beijing Key Laboratory of Knowledge Engineering for Materials Science Beijing 100083China Institute for Advanced Materials and Technology University of Science and Technology BeijingBeijing 100083China School of Materials Science and Engineering University of Science and Technology BeijingBeijing 100083China School of Materials Science and Technology Liaoning Technical UniversityLiaoning 114051China The Institute of Statistical Mathematics Research Organization of Information and SystemsTachikawaTokyo 190-8562Japan National Intellectual Property Administration Beijing 100088China Faculty of Engineering Sciences University of BurundiBujumburaBurundi Faculty of Engineering and Technology Palestine Technical University–KadoorieTulkaremPalestine College of Information Science and Engineering China University of PetroleumBeijingChina Key Lab of Petroleum Data Mining China University of PetroleumBeijingChina

Recent progress in material data mining has been driven by high-capacity models trained on large ***,collecting experimental data(real data)has been extremely costly owing to the amount of human effort and expertise ***,we develop a novel transfer learning strategy to address problems of small or insufficient *** strategy realizes the fusion of real and simulated data and the augmentation of training data in a data mining *** a specific task of grain instance image segmentation,this strategy aims to generate synthetic data by fusing the images obtained from simulating the physical mechanism of grain formation and the“image style”information in real *** results show that the model trained with the acquired synthetic data and only 35%of the real data can already achieve competitive segmentation performance of a model trained on all of the real *** the time required to perform grain simulation and to generate synthetic data are almost negligible as compared to the effort for obtaining real data,our proposed strategy is able to exploit the strong prediction power of deep learning without significantly increasing the experimental burden of training data preparation.

关键词： mining instance competitive

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于视觉检测的非接触式膏体浓度识别方法

引用

中南大学学报（自然科学版） 2023年第5期54卷 1942-1953页

作者：马博渊周佳城班晓娟袁兆麟阮竹恩北京科技大学北京材料基因工程高精尖创新中心北京100083 北京科技大学顺德创新学院广东佛山528300 北京科技大学材料领域知识工程北京市重点实验室北京100083 北京科技大学人工智能研究院北京100083 北京科技大学计算机与通信工程学院北京100083

为解决膏体料浆对于接触式浓度计的损坏以及核子浓度计对施工人员的辐射等问题,提出一种基于视觉检测的非接触式膏体浓度识别方法,以膏体图像数据集为基础,采用卷积神经网络模型提取膏体深度特征,设计多模型全连接层融合算法、伽马矫正... 详细信息

为解决膏体料浆对于接触式浓度计的损坏以及核子浓度计对施工人员的辐射等问题,提出一种基于视觉检测的非接触式膏体浓度识别方法,以膏体图像数据集为基础,采用卷积神经网络模型提取膏体深度特征,设计多模型全连接层融合算法、伽马矫正数据增广策略,对膏体浓度监测准确率进行分析。研究结果表明:手动搅拌膏体数据集的准确率为88.79%,在自动搅拌膏体数据集上获得91.42%的准确率,可有效提高浓度识别准确性,避免浓度计损坏或辐射危险。

关键词：膏体充填非接触式浓度识别深度学习图像分类模型融合

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于联邦风格迁移的图像分割方法

引用

北京邮电大学学报 2023年第6期46卷 27-32页

作者：马静超印象胡陈菲马博渊班晓娟北京科技大学北京材料基因工程高精尖创新中心北京100083 北京科技大学智能科学与技术学院北京100083 北京科技大学钢铁共性技术协同创新中心北京100083 河钢集团有限公司石家庄050023 北京科技大学顺德创新学院佛山528300 北京科技大学智能仿生无人系统教育部重点实验室北京100083 辽宁材料实验室材料智能技术研究所沈阳110004

针对联邦学习中的非独立同分布问题,提出了一种基于联邦风格迁移的影像分割方法,联邦风格迁移通过共享用户隐私中不敏感的信息,以此生成合成数据进行数据增广,在保证数据重要结构信息不泄露的情况下降低不同用户之间的数据差异。实验结... 详细信息

针对联邦学习中的非独立同分布问题,提出了一种基于联邦风格迁移的影像分割方法,联邦风格迁移通过共享用户隐私中不敏感的信息,以此生成合成数据进行数据增广,在保证数据重要结构信息不泄露的情况下降低不同用户之间的数据差异。实验结果表明,联邦风格迁移可有效降低肝脏图像分割中各节点之间的非独立同分布现象对联邦模型性能的影响,在统一测试集上的准确率逼近数据集中的训练结果。联邦风格迁移可提高联邦模型的性能,为打破数据孤岛和建立医疗领域的通用分割模型提供可能。

关键词：图像分割深度学习风格迁移联邦学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

面向材料基因工程的人工智能课程体系教学改革

引用

中国冶金教育 2021年第4期26卷 71-73页

作者：姚超刘斯诺马博渊班晓娟北京科技大学北京材料基因工程高精尖创新中心北京100083 北京科技大学计算机与通信工程学院北京100083 北京科技大学人工智能研究院北京100083

材料基因工程技术对人工智能技术具有较大的依赖性,但现有人工智能课程体系并未对材料基因工程课程作出适应性调整。面向材料基因工程领域,设计了全新的人工智能课程体系,包含以材料领域实际需求为导向的“基础-进阶-应用”BAA递进式培... 详细信息

材料基因工程技术对人工智能技术具有较大的依赖性,但现有人工智能课程体系并未对材料基因工程课程作出适应性调整。面向材料基因工程领域,设计了全新的人工智能课程体系,包含以材料领域实际需求为导向的“基础-进阶-应用”BAA递进式培养方案,以材料领域实际案例为基础的“听-学-做-讲”4A立体化教学模式,以国内外多领域专家为依托的高水平师资队伍,以及“随堂-课后-上机-答辩”CHCR多元化考核体系,并通过实践对教学效果进行评估。教学结果表明,在该教学模式下,研究生对本课程的接受度较高,科研潜力被激发,科研水平得到有效提升。

关键词：教学改革材料基因工程人工智能

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

特高压断路器开断大容量高抗时的电磁暂态特性

引用

电网技术 2021年第6期45卷 2465-2471页

作者：徐文佳郑彬项祖涛班连庚杜宁张媛媛杨大业崔博源姜红利张鹏飞韩彬中国电力科学研究院有限公司北京市海淀区100192 国家电网有限公司北京市西城区100031

为解决榆横—潍坊特高压交流输电工程送端特高压开关站的电压控制问题,我国在世界上首次采用在特高压交流母线上配置高压并联电抗器(简称高抗)的无功补偿方案,并采取专用的特高压交流断路器以满足母线高抗的日常开合需求。开断大容量感... 详细信息

为解决榆横—潍坊特高压交流输电工程送端特高压开关站的电压控制问题,我国在世界上首次采用在特高压交流母线上配置高压并联电抗器(简称高抗)的无功补偿方案,并采取专用的特高压交流断路器以满足母线高抗的日常开合需求。开断大容量感性无功设备可能产生严重的过电压、过电流等电磁暂态问题,需要研究其对特高压高抗绝缘水平、断路器开断条件以及邻近电容式电压互感器(capacitor voltage transformer,CVT)等主设备耐受能力的影响,并提出有效对策,解决工程设计、设备研制和应用面临的突出问题。研究了截流、重燃对高抗过电压及断路器断口暂态恢复电压(transient recovery voltage,TRV)特性的影响机理,并基于特高压断路器开断大容量母线高抗的现场试验实测结果在EMTP中进行建模,仿真分析了断路器正常开断、发生截流和重燃等多种工况下的高抗过电压和断路器断口TRV特性,以及高抗附近CVT的过电流问题。断路器截流值为50A时,断路器断口TRV峰值将达到标准值的1.2倍;断路器开断过程发生重燃时,流过CVT的高频电流将超过设备耐受值的2.1倍。针对CVT高频电流超过耐受能力、断路器TRV峰值较高问题,分别提出了抑制方法,并验证了方法的有效性,保障了榆横—潍坊工程的安全投运,为今后的工程建设提供了参考。

关键词：电磁暂态高抗截流重燃抑制措施

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习和区域感知的多晶体显微组织图像分割方法

引用

中国体视学与图像分析 2020年第2期25卷 120-127页

作者：马博渊刘楚妮高鸣飞班晓娟黄海友王浩薛维华北京材料基因工程高精尖创新中心(北京科技大学) 材料领域知识工程北京市重点实验室(北京科技大学) 北京科技大学计算机与通信工程学院北京科技大学新材料技术研究院北京科技大学材料科学与工程学院北京100083 辽宁工程技术大学材料科学与工程学院辽宁阜新123099

材料微观组织结构表征是成分-工艺-组织-性能内禀关系研究中的重要环节。通常采用图像技术对材料显微组织图像进行处理和分析是获取材料微观组织结构特征的主要途径。本文针对材料组织图像分割任务,提出了一种基于深度学习和区域感知的... 详细信息

材料微观组织结构表征是成分-工艺-组织-性能内禀关系研究中的重要环节。通常采用图像技术对材料显微组织图像进行处理和分析是获取材料微观组织结构特征的主要途径。本文针对材料组织图像分割任务,提出了一种基于深度学习和区域感知的图像分割方法。通过将形状信息作为约束条件引入深度学习的损失函数中,驱使网络在训练过程中更加关注分割目标的形状特征,提升准确度。实验结果表明,本文提出的加权损失函数在4种基线模型上的性能均超过9种经典的损失函数加权方法。

关键词：显微组织多晶体材料图像分割深度学习区域感知

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

Author Correction:Data augmentation in microscopic images for material data mining

引用

npj Computational Materials 2020年第1期6卷 476-476页

作者： boyuan Ma Xiaoyan Wei Chuni Liu Xiaojuan ban Haiyou Huang Hao Wang Weihua Xue Stephen Wu Mingfei Gao Qing Shen Michele Mukeshimana Adnan Omer Abuassba Haokai Shen Yanjing Su Beijing Advanced Innovation Center for Materials Genome Engineering University of Science and Technology Beijing Beijing China School of Computer and Communication Engineering University of Science and Technology Beijing Beijing China Beijing Key Laboratory of Knowledge Engineering for Materials Science Beijing China Institute for Advanced Materials and Technology University of Science and Technology Beijing Beijing China School of Materials Science and Engineering University of Science and Technology Beijing Beijing China School of Materials Science and Technology Liaoning Technical University Liaoning China The Institute of Statistical Mathematics Research Organization of Information and Systems Tachikawa Tokyo Japan National Intellectual Property Administration Beijing China Faculty of Engineering Sciences University of Burundi Bujumbura Burundi Faculty of Engineering and Technology Palestine Technical University – Kadoorie Tulkarem Palestine College of Information Science and Engineering China University of Petroleum Beijing China Key Lab of Petroleum Data Mining China University of Petroleum Beijing China

The original version of this article omitted the following from the Acknowledgements:“This work was supported by Beijing Top Discipline for Artificial Intelligent Science and Engineering,University of Science and Tec... 详细信息

关键词： HTML knowledge mining

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：