采用含有一定量纳米铝粉的钴基合金粉末作为涂层原材料,在结晶器用Cu-Cr合金表面利用激光搭接原位反应制备陶瓷相颗粒增强钴基合金涂层。
通过金相显微镜、X射线衍射(XRD)仪、扫描电镜和显微硬度实验等分析手段对实验制备样品涂层的结构和形成机制进行了研究。
结果表明,在优化了的激光制备工艺参数(电流175A,频率15Hz,脉宽3ms,速度4.0mm/s)及搭接率在20%～25%时,在Cu-Cr合金表面制备出了陶瓷相颗粒增强钴基合金涂层。
Co基合金涂层和基体间形成了界面的冶金结合。
涂层中原位生成了陶瓷相颗粒,最大颗粒的粒径在3μm左右,多数为细小且呈弥散分布的近似球形颗粒,起到了增强基体的作用。
Co基合金的主要结晶方式是以原位生成的陶瓷相为中心,带动周围Co基合金液体结晶,反过来结晶后的合金对陶瓷相进行包裹,控制了陶瓷相的聚合,并使其弥散分布、颗粒细小化。
Cu-Cr合金表面涂层的平均显微硬度由基体表面的94HV增到了300HV。
通过金相显微镜、X射线衍射(XRD)仪、扫描电镜和显微硬度实验等分析手段对实验制备样品涂层的结构和形成机制进行了研究。
结果表明,在优化了的激光制备工艺参数(电流175A,频率15Hz,脉宽3ms,速度4.0mm/s)及搭接率在20%～25%时,在Cu-Cr合金表面制备出了陶瓷相颗粒增强钴基合金涂层。
Co基合金涂层和基体间形成了界面的冶金结合。
涂层中原位生成了陶瓷相颗粒,最大颗粒的粒径在3μm左右,多数为细小且呈弥散分布的近似球形颗粒,起到了增强基体的作用。
Co基合金的主要结晶方式是以原位生成的陶瓷相为中心,带动周围Co基合金液体结晶,反过来结晶后的合金对陶瓷相进行包裹,控制了陶瓷相的聚合,并使其弥散分布、颗粒细小化。
Cu-Cr合金表面涂层的平均显微硬度由基体表面的94HV增到了300HV。
2025/11/17 1:41:01
1.54MB
1
matlab编写的肌电处理程序，有功率谱图，平均值，肌电积分值，平均功率频率，中值频率，均方根值，频谱图的计算方法，还有界面编程等
2025/11/12 0:04:39
747KB
1
概要该项目探讨了三角形形成关系与图中聚类的影响。
Sgraph.hpp该文件定义了Graph类，并包含各种函数来创建不同类型的图，将它们保存到文本文件，并在所述图上运行类似于SIR/SIR的实验。
创建图无效Graph::createGraph（VsizenumberNodes，intgSize，intavgNodeDegree）不好的函数名称或函数...如果组大小为0，则生成随机图否则，这将创建一个无三角形的图形，该图形又分为几组。
每个组被分为两半，并且在组内以二分方式创建边缘。
为了满足平均节点度，然后将边随机添加到组外的节点第三个参数应＞组大小的一半voidGraph::TriangleFreeGraph（VsizenumberNodes，intgSize，intinDeg，intavgNodeDegree）{与create
Sgraph.hpp该文件定义了Graph类，并包含各种函数来创建不同类型的图，将它们保存到文本文件，并在所述图上运行类似于SIR/SIR的实验。
创建图无效Graph::createGraph（VsizenumberNodes，intgSize，intavgNodeDegree）不好的函数名称或函数...如果组大小为0，则生成随机图否则，这将创建一个无三角形的图形，该图形又分为几组。
每个组被分为两半，并且在组内以二分方式创建边缘。
为了满足平均节点度，然后将边随机添加到组外的节点第三个参数应＞组大小的一半voidGraph::TriangleFreeGraph（VsizenumberNodes，intgSize，intinDeg，intavgNodeDegree）{与create
2025/11/8 10:46:45
3.76MB
1
高校学籍管理系、问题描述（功能要求）：（1）能够从屏幕上读取一个学生的信息并将信息存入到数据文件中。
（2）能够将指定的信息从文件中删除。
（3）能够按编号、姓名对学生的信息进行检索并将检索结果显示在屏幕上。
（4）可以统计全部学生的总成绩，及其在班上的排名。
（5）能够统计各科的平均成绩及及格率。
（6）要求有错误提示功能，例如性别只能输入男女，输入错误提示重新输入。
（7）如果检索不到相应的信息应提示用户。
（8）扩展要求：能先行设置本学期的科目每个学生信息应该包括：姓名、学号、成绩成绩信息应该包括：科目数量、各科目名称、各科目成绩
（2）能够将指定的信息从文件中删除。
（3）能够按编号、姓名对学生的信息进行检索并将检索结果显示在屏幕上。
（4）可以统计全部学生的总成绩，及其在班上的排名。
（5）能够统计各科的平均成绩及及格率。
（6）要求有错误提示功能，例如性别只能输入男女，输入错误提示重新输入。
（7）如果检索不到相应的信息应提示用户。
（8）扩展要求：能先行设置本学期的科目每个学生信息应该包括：姓名、学号、成绩成绩信息应该包括：科目数量、各科目名称、各科目成绩
2025/11/4 11:44:03
59KB
1
分子识别特征（MoRF）是内在无序蛋白（IDP）的关键功能区域，它们在细胞的分子相互作用网络中起重要作用，并与许多严重的人类疾病有关。
鉴定MoRF对于IDP的功能研究和药物设计都是必不可少的。
本研究采用人工智能的前沿机器学习方法，为改进MoRFs预测开发了强大的模型。
我们提出了一种名为enDCNNMoRF（基于集成深度卷积神经网络的MoRF预测器）的方法。
它结合了利用不同特征的两个独立的深度卷积神经网络（DCNN）分类器的结果。
首先，DCNNMoRF1使用位置特定评分矩阵（PSSM）和22种氨基酸相关因子来描述蛋白质序列。
第二种是DCNNMoRF2，它使用PSSM和13种氨基酸索引来描述蛋白质序列。
对于两个单一分类器，都采用了具有新颖的二维注意机制的DCNN，并添加了平均策略以进一步处理每个DCNN模型的输出概率。
最后，enDCNNMoRF通过对两个模型的最终得分进行平均来组合这两个模型。
当与应用于相同数据集的其他知名工具进行比较时，新提出的方法的准确性可与最新方法相媲美。
可以通过http://vivace.bi.a.utokyo.ac.jp:8008/fang
鉴定MoRF对于IDP的功能研究和药物设计都是必不可少的。
本研究采用人工智能的前沿机器学习方法，为改进MoRFs预测开发了强大的模型。
我们提出了一种名为enDCNNMoRF（基于集成深度卷积神经网络的MoRF预测器）的方法。
它结合了利用不同特征的两个独立的深度卷积神经网络（DCNN）分类器的结果。
首先，DCNNMoRF1使用位置特定评分矩阵（PSSM）和22种氨基酸相关因子来描述蛋白质序列。
第二种是DCNNMoRF2，它使用PSSM和13种氨基酸索引来描述蛋白质序列。
对于两个单一分类器，都采用了具有新颖的二维注意机制的DCNN，并添加了平均策略以进一步处理每个DCNN模型的输出概率。
最后，enDCNNMoRF通过对两个模型的最终得分进行平均来组合这两个模型。
当与应用于相同数据集的其他知名工具进行比较时，新提出的方法的准确性可与最新方法相媲美。
可以通过http://vivace.bi.a.utokyo.ac.jp:8008/fang
2025/10/29 10:38:37
1.56MB
1
最短路径问题是图论中的一个经典问题，其中的Dijkstra算法一直被认为是图论中的好算法，但有的时候需要适当的调整Dijkstra算法才能完成多种不同的优化路径的查询。
对于某城市的公交线路，乘坐公交的顾客希望在这样的线路上实现各种优化路径的查询。
设该城市的公交线路的输入格式为：线路编号：起始站名(该站坐标)；
经过的站点1名(该站坐标)；
经过的站点2名(该站坐标)；
……；
经过的站点n名(该站坐标)；
终点站名(该站坐标)。
该线路的乘坐价钱。
该线路平均经过多少时间来一辆。
车速。
例如：63：A(32,45)；
B(76,45)；
C(76,90)；
……；
N(100,100)。
1元。
5分钟。
1/每分钟。
假定线路的乘坐价钱与乘坐站数无关，假定不考虑公交线路在路上的交通堵塞。
对这样的公交线路，需要在其上进行的优化路径查询包括：任何两个站点之间最便宜的路径；
任何两个站点之间最省时间的路径等等。
对于某城市的公交线路，乘坐公交的顾客希望在这样的线路上实现各种优化路径的查询。
设该城市的公交线路的输入格式为：线路编号：起始站名(该站坐标)；
经过的站点1名(该站坐标)；
经过的站点2名(该站坐标)；
……；
经过的站点n名(该站坐标)；
终点站名(该站坐标)。
该线路的乘坐价钱。
该线路平均经过多少时间来一辆。
车速。
例如：63：A(32,45)；
B(76,45)；
C(76,90)；
……；
N(100,100)。
1元。
5分钟。
1/每分钟。
假定线路的乘坐价钱与乘坐站数无关，假定不考虑公交线路在路上的交通堵塞。
对这样的公交线路，需要在其上进行的优化路径查询包括：任何两个站点之间最便宜的路径；
任何两个站点之间最省时间的路径等等。
76KB
1
有效值计算算法c语言实现，采用四分之一周波滑动平均，默认一周采样256点，采样点数可更改。
实时计算，采一个点计算一次，精度较高，容易移植。
实时计算，采一个点计算一次，精度较高，容易移植。
2025/10/22 7:12:07
2KB
1
基于密度的DBSCAN聚类算法可以识别任意形状簇,但存在全局参数Eps与MinPts的选择需人工干预,采用的区域查询方式过程复杂且易丢失对象等问题,提出了一种改进的参数自适应以及区域快速查询的密度聚类算法。
根据KNN分布与数学统计分析自适应计算出最优全局参数Eps与MinPts,避免聚类过程中的人工干预,实现了聚类过程的全自动化。
通过改进种子代表对象选取方式进行区域查询,无需漏检操作,有效提高了聚类的效率。
对4种典型数据集的密度聚类实验结果表明,本文算法使得聚类精度提高了8.825%,聚类的平均时间减少了0.92s。
根据KNN分布与数学统计分析自适应计算出最优全局参数Eps与MinPts,避免聚类过程中的人工干预,实现了聚类过程的全自动化。
通过改进种子代表对象选取方式进行区域查询,无需漏检操作,有效提高了聚类的效率。
对4种典型数据集的密度聚类实验结果表明,本文算法使得聚类精度提高了8.825%,聚类的平均时间减少了0.92s。
2025/10/18 21:46:30
143KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB