基于翘曲度阈值约束的铝合金板材热轧工艺优化与实验验证

蛇形热轧是能够保证板材中心发生充分变形、破碎铸造状态下粗大晶粒为加工组织的铝合金厚板制备关键工艺,为此研究了板材在蛇形轧制工艺过程中产生的翘曲变形及其控制问题。通过研究铝合金板材轧制的机理模型,构建铝合金板材的蛇形轧制有限元仿真模型,得到有限元仿真值与参考值、测量数据吻合较好,应力、应变的最大相对误差仅为6.92%和7.33%,而翘曲因子也只有13%左右的误差;基于有限的训练样本组合,建立等效应变和翘曲因子的耦合预测模型,得到预测值与相应仿真值的误差不超过6%;在翘曲因子不超过规定阈值的约束条件下,建立使等效应变达到最大的轧制工艺参数优化模型,通过轧件等效应变构造个体的适应度函数,提出了轧制工艺参数优化模型的遗传算法求解方法。利用该方法不仅实现了铝合金板材轧制工艺参数的合理设计与选择,而且提高了板材轧制过程的仿真计算效率。

基于Curvelet变换的指纹图像去噪

指纹图像因其具有的终身不变性、唯一性和方便性三大特征在生物特征识别领域发挥着极其重要的作用。然而,指纹在采集和传输的过程中会不可避免地受到外界噪声的污染,从而影响指纹识别系统的准确性。对此,文中采用基于Curvelet变换的多尺度几何去噪方法,提出对多尺度变换后的各个Curvelet子带自适应选取阈值,并结合一种新型阈值函数,克服了传统软硬阈值函数的缺陷。实验结果表明,该方法使得图像中的边缘、直线和曲线特征得到了更好的恢复,而且去噪后的PSNR更高,相较于传统阈值处理方法去噪效果更好。

基于快速离散曲波变换的图像去噪算法

Curvelet变换可以更好地表示曲线奇异函数的异向性及图像边缘,因此更适合于多尺度图像去噪。针对传统阈值法存在的不足,在分析wrapping方法的快速离散曲波变换基础上,提出结合Cycle Spinning循环平移方法的菱形块阈值规则去噪法,并自适应地对不同的Curvelet子块进行阈值化。该方法可以消除由于Curvelet变换缺乏平移不变性而产生的图像失真,并且更好地利用曲波系数的相关性。实验结果表明,该方法与传统的小波去噪、曲波硬阈值去噪、曲波软阈值去噪、曲波软硬阈值折中法去噪相比,使得去噪图像的峰值信噪比更高,视觉效果更好。

基于动态时间扭曲的NFV网络故障检测

网络功能虚拟化(Network Functions Virtualization,NFV)实现了硬件与软件的解耦,是5G应用与发展的核心技术.NFV网络具有高动态性、层间不可见性、网络组件复杂等特点,给网络管理带来了挑战.为了保证NFV网络的正常高效运行,提出基于动态阈值的NFV故障检测算法DTF-DTW:首先,根据已有的正常样本数据,获得不同虚拟网络功能的故障阈值;然后,采用基于滑动窗口的快速动态时间扭曲算法,检测虚拟网络功能的故障时段并报警.采用真实世界的NFV数据对该算法进行测试,并使用机器学习算法STAD (Spatio-Temporal Anomaly Detection)进行比较,证明提出的算法与现有算法相比,能更加迅速准确地检测出NFV中的异常行为,提高网络运行效率和用户服务满意度.