检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

压缩机吸气阀变形模拟及结构优化

低温与超导 2024年第7期52卷 67-74页

作者：董博王洪利陈名扬刘浩雨华北理工大学冶金与能源学院唐山063210

基于吸气阀变形研究,建立吸气阀流固耦合模型,探究吸气阀在一个工作循环中产生的纵向位移变形和横向位移变形。结果表明,吸气阀的最大纵向位移变形为2.4319 mm,最大横向位移变形为0.0665 mm,吸气阀的应变主要集中在螺栓孔处且纵向位移... 详细信息

基于吸气阀变形研究,建立吸气阀流固耦合模型,探究吸气阀在一个工作循环中产生的纵向位移变形和横向位移变形。结果表明,吸气阀的最大纵向位移变形为2.4319 mm,最大横向位移变形为0.0665 mm,吸气阀的应变主要集中在螺栓孔处且纵向位移影响较大。根据吸气阀的应力应变分布规律,添加不同尺寸肋片对吸气阀结构进行优化,并分析对比肋片尺寸对吸气阀变形的影响。优化表明,当吸气阀添加肋片尺寸为25 mm×4 mm×0.1 mm时,可显著减小吸气阀纵向位移及应变。

关键词：活塞压缩机吸气阀流固耦合数值模拟

基于NB-IoT的充电桩数据监控及合理分配

在线全文

学校读者我要写书评

暂无评论

电测与仪表 2024年第3期61卷 211-216页

作者：孙洁房新灿刘晓悦华北理工大学电气工程学院河北唐山063200

针对充电桩分配不合理而导致的充电桩资源浪费,过剩等情况。从实际情况出发设计了基于NB-IoT的充电桩远程数据监控,通过窄带物联网(NB-IoT),把多个地区的所有充电桩进行统一的监控,进而去了解每个地区中每一个充电桩的使用情况。在进行... 详细信息

针对充电桩分配不合理而导致的充电桩资源浪费,过剩等情况。从实际情况出发设计了基于NB-IoT的充电桩远程数据监控,通过窄带物联网(NB-IoT),把多个地区的所有充电桩进行统一的监控,进而去了解每个地区中每一个充电桩的使用情况。在进行一段时间的监控之后,对所有数据进行综合比对,便可以得到每个地区充电桩的使用频率以及电能使用量。结合实际情况进而对每个地区的充电桩进行合理的分配。以STM32103VE芯片为控制核心,同时辅以RC522智能卡信息采集模块和IM1281电能采集模块,在NB-IoT的通信手段的支持下,完成对每个地区充电桩的远程数据监控。测试结果显示,基于NB-IoT的充电桩远程数据监控能够很好的监测到每个地区中充电桩的电能使用情况,这对于合理分配充电桩有着非常重要的意义。

关键词：窄带物联网充电桩电能使用远程数据监控

在线全文

学校读者我要写书评

暂无评论

面向联邦学习的后门攻击与防御综述

计算机应用 2024年

作者：陈学斌屈昌盛华北理工大学理学院河北省数据科学与应用重点实验室(华北理工大学) 唐山市数据科学重点实验室(华北理工大学)

联邦学习是一种分布式的机器学习方法，允许不同参与方利用各自的本地数据集合作训练一个机器模型，能够解决数据孤岛与用户隐私保护问题。但是，由于联邦学习本身的分布式特性，更容易受到后门攻击，这为其在实际应用带来更大的挑战。... 详细信息

联邦学习是一种分布式的机器学习方法，允许不同参与方利用各自的本地数据集合作训练一个机器模型，能够解决数据孤岛与用户隐私保护问题。但是，由于联邦学习本身的分布式特性，更容易受到后门攻击，这为其在实际应用带来更大的挑战。因此，深入了解联邦学习环境下的后门攻击与防御方法对该领域的发展至关重要。首先介绍了联邦学习的定义、流程和分类以及后门攻击的定义；然后从联邦学习环境下的后门攻击和后门防御方案两个方面进行详细介绍与分析,并对后门攻击和后门防御方法进行对比；最后，对联邦学习环境下后门攻击与防御方法的发展进行了展望。

关键词：联邦学习后门攻击后门防御隐私保护机器学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

CoCrFeMnNi高熵合金粘度模型

粉末冶金技术 2024年第4期42卷 411-417页

作者：李月赵定国苏新磊刘岩王书桓华北理工大学冶金与能源学院唐山063210

高熵合金液雾化过程的粘度对于雾化效果具有重要影响。利用现有的三元合金粘度模型,通过模型扩展建立了等摩尔比CoCrFeMnNi高熵合金熔体的粘度新模型,研究了温度对五元高熵合金粘度的影响,绘制了粘度变化曲线并进行了修正,计算出温度与... 详细信息

高熵合金液雾化过程的粘度对于雾化效果具有重要影响。利用现有的三元合金粘度模型,通过模型扩展建立了等摩尔比CoCrFeMnNi高熵合金熔体的粘度新模型,研究了温度对五元高熵合金粘度的影响,绘制了粘度变化曲线并进行了修正,计算出温度与高熵合金粘度的关系。研究表明,当温度从1360 K上升到2000 K,其粘度从0.0211 Pa·s减小到0.0114 Pa·s。随着五种金属含量的增加,高熵合金的粘度增大,其中Cr金属对于合金粘度的影响最显著,Fe和Co对粘度的影响相同。五元高熵合金液态粘度预测模型结果与热态实验结果相吻合。

关键词：高熵合金粘度 Miedema模型 TOOP模型

在线全文

学校读者我要写书评

暂无评论

废旧锂电池预处理安全放电方法研究

化学通报 2024年第8期87卷 979-987页

作者：王乔李海英汪小琪王晓东李国良华北理工大学冶金与能源学院唐山063210

残余电量释放是废旧锂离子电池回收过程中防止热失控发生的重要预处理步骤,化学放电是目前研究最多的锂离子电池残余电量释放方法。然而电池在化学放电反应过程中腐蚀及污染物释放问题一直被忽视。本文对废旧锂电池在不同溶液中的放电... 详细信息

残余电量释放是废旧锂离子电池回收过程中防止热失控发生的重要预处理步骤,化学放电是目前研究最多的锂离子电池残余电量释放方法。然而电池在化学放电反应过程中腐蚀及污染物释放问题一直被忽视。本文对废旧锂电池在不同溶液中的放电反应情况进行了详细研究。通过测试14种不同溶液放电反应情况,发现大部分溶液具有良好放电效果,不同类型的盐溶液放电机理不同。CuSO4溶液是一种综合性能优良的潜在放电介质,采用该放电溶液大大降低了电极腐蚀,电池循环性放电试验验证了放电策略的可行性,对废旧锂电池回收具有重要意义。

关键词：废旧锂电池残余电量释放盐溶液放电效率污染物排放

基于增强多尺度特征融合的轻量级调制信号识别方法

在线全文

学校读者我要写书评

暂无评论

电讯技术 2024年

作者：吴长城孙晓川余继科李莹琦华北理工大学人工智能学院

自动调制识别(Automatic Modulation Identification，AMI)技术能有效检测不同调制类型，对非协作通信起到关键作用。深度学习(Deep Learning，DL)是实现AMI的有效方法。然而，DL方法通常难以同时兼顾识别精度和效率。为此，提出了一种... 详细信息

自动调制识别(Automatic Modulation Identification，AMI)技术能有效检测不同调制类型，对非协作通信起到关键作用。深度学习(Deep Learning，DL)是实现AMI的有效方法。然而，DL方法通常难以同时兼顾识别精度和效率。为此，提出了一种增强多尺度特征融合的轻量化AMI方法，旨在提高调制识别性能，同时保持模型的轻量化设计。首先，设计了轻量化的多尺度特征融合模块，通过跨尺度卷积结构高效提取调制信号的多尺度特征，以增强模型对不同信号特征的表征能力；其次，构建了自适应特征增强模块，结合深度可分离卷积与注意机制，能够自适应地学习关键特征的通道权重，突出重要信号特征的同时减少无关特征的干扰；最后，设计了差异平衡分类器，通过聚焦细微调制模式的识别，从而实现高效分类。实验结果表明，所提方法在识别精度上平均提高了5.91%，参数量减少约0.85M，单次迭代时间缩短0.0624秒，与所对比的先进模型相比具备更高的精度、更快的速度和更少的参数量，验证了所提方法的可行性和有效性。

关键词：自动调制识别深度学习轻量化多尺度

分子动力学模拟及其在金属陶瓷复合材料中的应用现状

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中国陶瓷 2024年第7期60卷 1-6页

作者：魏翔宇张快孙腾飞李运刚华北理工大学冶金与能源学院唐山063210

综述了分子动力学模拟的应用现状,主要对分子动力学模拟在界面、晶面缺陷、材料力学性能三个方面的研究做了介绍,对分子动力学模拟在金属陶瓷复合材料制备和研究中的应用做了总结,并对其应用前景进行了展望。

关键词：金属陶瓷分子动力学第一性原理计算机模拟

在线全文

学校读者我要写书评

暂无评论

基于标签分类的联邦学习客户端选择方法

计算机应用 2024年

作者：张祖篡陈学斌高瑞邹元怀唐山市数据科学重点实验室(华北理工大学) 华北理工大学理学院河北省数据科学与应用重点实验室(华北理工大学)

联邦学习作为一种分布式的机器学习方法，在保护数据隐私的同时可以充分挖掘其中的价值。由于传统的联邦学习训练方法只是随机选择参与客户端，因此难以适应非独立同分布(Not Identically and Independently Distributed,Non-IID)数据... 详细信息

联邦学习作为一种分布式的机器学习方法，在保护数据隐私的同时可以充分挖掘其中的价值。由于传统的联邦学习训练方法只是随机选择参与客户端，因此难以适应非独立同分布(Not Identically and Independently Distributed,Non-IID)数据集。针对Non-IID数据下联邦学习模型精度低、收敛速度慢等问题，提出一种基于标签分类的联邦客户端选择(Federated Client Selection based on Label Classification,FedLCCS)方法。首先对客户端数据集标签按照频数统计结果进行分类排序，其次选择拥有高频数标签的客户端参与训练，最后通过调节自有参数来获取不同精度的模型。在MNIST、Fashion-MNIST和Cifar-10数据集下的实验表明，结合FedLCCS方法后的联邦平均(Federated Averaging,FedAvg)、联邦近端优化(Federated Proximal,FedProx)两种基线方法在初始数据集标签选择比例下准确率最多提高约17个百分点，收敛速度最多提升约60%，整体运行时间最多降低约35%。验证了FedLCCS方法可以优化联邦模型的精度、收敛速度和运行时间，并且能够训练不同精度的模型应对多样化的需求。

关键词：联邦学习非独立同分布客户端选择频数统计分类排序

基于改进YOLOv7算法的连铸坯表面缺陷检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

组合机床与自动化加工技术 2024年第7期 177-181页

作者：孙铁强付方龄宋超肖鹏程华北理工大学人工智能学院唐山063210 华北理工大学冶金与能源学院唐山063210

针对连铸坯表面缺陷检测存在的参数量大、小目标检测效果较差、人工标注数据集质量的不稳定性等问题,提出了一种基于改进YOLOv7算法的连铸坯表面缺陷检测模型。首先,引入MobileNetv3 block模块轻量化主干网络,降低计算量,减少参数与复杂... 详细信息

针对连铸坯表面缺陷检测存在的参数量大、小目标检测效果较差、人工标注数据集质量的不稳定性等问题,提出了一种基于改进YOLOv7算法的连铸坯表面缺陷检测模型。首先,引入MobileNetv3 block模块轻量化主干网络,降低计算量,减少参数与复杂度;其次,融合双层路由注意力机制,实现更灵活的计算分配和内容感知;最后,使用WIoU损失函数替换原损失函数,使模型获得更好的泛化能力。改进后的模型检测精度达到了89.3%,角部横裂的检测精度提升了6.6%;权重文件大小减少为原来的56.5%,检测速度达到了98 fp/s。结果表明,所提出的算法参数量小、检测速度快、精度高,能够满足连铸坯表面缺陷在线检测工作需求。

关键词：表面缺陷检测 YOLOv7 连铸坯注意力机制损失函数