利用6kW光纤激光器对1.5mm厚冷轧800MPa级双相钢进行激光拼焊试验，研究激光焊接接头的显微组织演变规律、显微组织对显微硬度及疲劳性能的影响规律。
结果表明，焊接接头主要包括焊缝区（WZ）、粗晶区（CGHAZ）、细晶区（FGHAZ）、混晶区（MGHAZ）和回火区（TZ），其中焊缝区和粗晶区显微组织均为马氏体，但焊缝区内的原始奥氏体晶界保留着柱状晶的生长形态，粗晶区内的原始奥氏体晶界呈多边形生长；
细晶区和混晶区均为铁素体和马氏体，但细晶区的显微组织更为精细；
回火区主要由铁素体和回火马氏体组成。
混晶区和回火区显微硬度均低于母材，共同组成了焊接接头的软化区。
由于软化区尺寸相对较窄（0.4mm）且硬度降低幅度低（~6.8%），拉伸断裂位置出现在母材。
在应力比为0.1的拉拉疲劳条件下，母材和焊接接头的疲劳极限分别为545MPa和475MPa，疲劳断裂未出现在软化区。
母材中的疲劳裂纹在铁素体与马氏体两相界面萌生并扩展；
而焊接接头中的疲劳裂纹则在焊缝中的奥氏体晶界上或马氏体板条内萌生，沿着焊缝中心处柱状原始奥氏体晶界的交汇处切断马氏体板条束扩展。
结果表明，焊接接头主要包括焊缝区（WZ）、粗晶区（CGHAZ）、细晶区（FGHAZ）、混晶区（MGHAZ）和回火区（TZ），其中焊缝区和粗晶区显微组织均为马氏体，但焊缝区内的原始奥氏体晶界保留着柱状晶的生长形态，粗晶区内的原始奥氏体晶界呈多边形生长；
细晶区和混晶区均为铁素体和马氏体，但细晶区的显微组织更为精细；
回火区主要由铁素体和回火马氏体组成。
混晶区和回火区显微硬度均低于母材，共同组成了焊接接头的软化区。
由于软化区尺寸相对较窄（0.4mm）且硬度降低幅度低（~6.8%），拉伸断裂位置出现在母材。
在应力比为0.1的拉拉疲劳条件下，母材和焊接接头的疲劳极限分别为545MPa和475MPa，疲劳断裂未出现在软化区。
母材中的疲劳裂纹在铁素体与马氏体两相界面萌生并扩展；
而焊接接头中的疲劳裂纹则在焊缝中的奥氏体晶界上或马氏体板条内萌生，沿着焊缝中心处柱状原始奥氏体晶界的交汇处切断马氏体板条束扩展。
2023/8/14 11:37:40
28.66MB
1
本代码采用C语言，基于vc6.0+miracl5.5.4。
运用费马小定理和概率性算法对大整数的素性检测（大整数从txt文档读入）
运用费马小定理和概率性算法对大整数的素性检测（大整数从txt文档读入）
2023/8/13 11:08:19
2KB
1
声纹识别技术，形象的说法就是说话人识别技术。
它是根据人在说话时产生的波形，以及波形中反映人类心理和生理的特征参数来判断说话人的身份的技术。
本文所研究的是与文本有关的说话人确认系统。
比较了基于声道的线性预测倒谱系数(LPCC)和基于听觉特性的MEL频率倒谱系数(MFCC)参数特征，得出MFCC对环境存在更高的鲁棒性。
并运用了隐形马尔可夫模型(HMM)在MATLAB上实现了语音数字的识别仿真。
本实验系统的识别率达到了90%，验证了HMM模型识别的准确性。
它是根据人在说话时产生的波形，以及波形中反映人类心理和生理的特征参数来判断说话人的身份的技术。
本文所研究的是与文本有关的说话人确认系统。
比较了基于声道的线性预测倒谱系数(LPCC)和基于听觉特性的MEL频率倒谱系数(MFCC)参数特征，得出MFCC对环境存在更高的鲁棒性。
并运用了隐形马尔可夫模型(HMM)在MATLAB上实现了语音数字的识别仿真。
本实验系统的识别率达到了90%，验证了HMM模型识别的准确性。
2023/8/10 15:50:09
1.61MB
1
代码说明代码仅供学习研究，未经允许，请勿擅自商用。
1.输入文件格式输入的文件要求为N行两列的形式，两列分别对应，输入数据点的X轴坐标和Y轴坐标。
输入文件格式示例如下：0.821794-0.04621531.03929 0.0608351.12046 0.07455681.02233 0.05147392.代码支持的凝聚层次聚类算法通过简要的修改代码中函数的参数，代码可以支持不同的凝聚方法，支持的凝聚方法如下，默认的为代码本身算法：单连接算法（默认，最近邻聚类算法，最短距离法，最小生成树算法）；
全连接算法（最远邻聚类算法，最长距离法）；
未加权平均距离法；
加权平均法；
质心距离法；
加权质心距离法；
内平方距离法（最小方差算法）3.代码支持的距离（相似度）度量公式通过简要的修改代码，代码支持计算距离的过程采用不同的距离或相似度度量公式，支持的距离（相似度）公式如下，默认为代码本身才采用的距离公式：欧氏距离（默认）；
标准化欧氏距离；
马氏距离；
布洛克距离（曼哈顿距离，城市街区距离）；
闵可夫斯基（明可夫斯基）距离；
余弦相似度；
相关性相似度；
汉明距离；
Jaccard相似度；
切比雪夫距离。
1.输入文件格式输入的文件要求为N行两列的形式，两列分别对应，输入数据点的X轴坐标和Y轴坐标。
输入文件格式示例如下：0.821794-0.04621531.03929 0.0608351.12046 0.07455681.02233 0.05147392.代码支持的凝聚层次聚类算法通过简要的修改代码中函数的参数，代码可以支持不同的凝聚方法，支持的凝聚方法如下，默认的为代码本身算法：单连接算法（默认，最近邻聚类算法，最短距离法，最小生成树算法）；
全连接算法（最远邻聚类算法，最长距离法）；
未加权平均距离法；
加权平均法；
质心距离法；
加权质心距离法；
内平方距离法（最小方差算法）3.代码支持的距离（相似度）度量公式通过简要的修改代码，代码支持计算距离的过程采用不同的距离或相似度度量公式，支持的距离（相似度）公式如下，默认为代码本身才采用的距离公式：欧氏距离（默认）；
标准化欧氏距离；
马氏距离；
布洛克距离（曼哈顿距离，城市街区距离）；
闵可夫斯基（明可夫斯基）距离；
余弦相似度；
相关性相似度；
汉明距离；
Jaccard相似度；
切比雪夫距离。
2023/8/2 17:50:02
328KB
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