本文通过在TC4中添加一定质量分数的钒元素(2%，4%，6%，8%，10%)，研究了钒对激光熔化沉积(LMD)钛合金沉积态显微组织、相组成及力学性能的作用机制。结果表明，随着V含量的增加，沉积方向(Z方向)的原始β柱状晶晶粒尺寸逐渐减小，沉积层底部柱状晶平均宽度从1 mm(TC4＋0%V)左右减小到0.24 mm(TC4＋10%V)，且沿Z方向组织存在逐渐向等轴晶转化的趋势；不同V含量的沉积态样件组织均由大量密排六方结构α-Ti(α)相和少量体心立方结构β-Ti(β)相构成，而β相的相对含量(质量分数)随着V含量的增加，由0.83%(TC4＋0%V)逐渐提高到30.91%(TC4＋10%V)。另外，随着V含量的增加，初生针状α组织逐渐细化，并更加趋向于等轴晶。添加V能够明显提高沉积态样件的抗拉强度，但塑性在一定程度上有所降低；当V元素添加量为6%时，沉积态样件的综合力学性能最佳，抗拉强度约为1018 MPa，屈服强度约为892 MPa，伸长率约为11.2%，均超过了TC4锻件标准；不同V含量的沉积态样件断口上均布满了韧窝，均为塑性断裂。

为了对传统体素生长算法加以改进,提取心脏局部血管,在三维心脏组织的感兴趣局部血管上勾画初始体素种子点,将初始体素的相邻体素中灰度直方图相似的体素添加到生长体素集合中,作为新的种子点按照生长规则继续寻找相似体素。为了防止体素生长过程中出现泄漏,设置终止规则限制体素生长的边界,进而找到感兴趣血管包括的全部体素。通过对体素生长算法的生长规则和终止条件的进一步改进,在一定程度上解决了传统体素生长算法交互性差、运行不实时等问题,测试结果表明该算法的准确度高、稳健性好,是心血管疾病临床治疗过程中有效的影像辅助工具。

分析了热处理对激光熔覆涂层的组织、力学性能、摩擦学性能以及抗腐蚀性能产生影响的机理; 综述了热处理对激光熔覆涂层的物相、力学性能、摩擦学性能以及抗腐蚀性能的研究进展和发展趋势, 以期为热处理对激光熔覆涂层的研究提供理论依据。

为了在影像学检查中实时交互地提取病灶血管的四维计算机断层扫描(CT)影像,提出了一种思维进化算法(MEA)优化的并行区域生长算法;MEA优化的基于三级线程处理队列的并行区域生长算法能够通过自我进化避免局部最优,提高了收敛速度和血管分割精度,借助可视化工具包(VTK)和计算机图形图像类库,实现交互式心脏CT局部任意血管病灶的提取和四维可视化。结果表明:局部感兴趣血管10个时相的提取时间大大缩短,体绘制速度大幅提升,局部血管提取数据的每秒帧数(FPS)可达到30左右,如果在显示过程中有旋转、缩小、放大等交互操作,会使数据的FPS减至21左右,但仍能满足心血管的实时显示;借助优化算法实现心肌局部血管区域的提取,能辅助医生观察病人心血管疾病的病灶区域,可为诊断心血管疾病提供直观、有效的可视化依据。

通过应用线性八叉树将心脏三维模型离散成体素以快速提取并显示局部任意感兴趣血管，把三维模型离散成体素后，利用多边形交互区域选择感兴趣体积内部体素。根据26-邻接体素的拓扑关系和体素互信息相似度比较结果，最终确定最佳深度和最佳互信息阈值分别为14和-1.375，以此来寻找感兴趣体积中同一组织的体素集合。最终实现了三维医学影像中任意感兴趣血管的精确显示，该技术可被视为用一个提取工具将任意局部三维模型进行提取并进行四维动态显示的过程。实验结果表明：与C-V三维分割算法精度90.1%相比，本分割算法平均精确度达到96.02%；运行时间从13.8 s缩短为10.7 s；四维播放帧数最大40 FPS,基本满足了血管三维分割的临床需求。该算法不仅可以快速地分析局部病灶的生理学特点和病理特征，而且让医生更加直观、便利地观察病人心脏任意局部血管的实际运动状况，以便做出临床决策。

卷积神经网络(Convolution Neural Networks, CNN)和循环神经网络(Recurrent Neural Networks, RNN)在图像分类、计算机视觉、自然语言处理、语音识别、机器翻译、语义分析等领域取得了迅速的发展, 引起了研究者对计算机自动生成图像描述的广泛关注。目前图像描述存在的主要问题有输入文本数据稀疏、模型存在过拟合、模型损失函数震荡难以收敛等问题。文中使用NIC作为基线模型, 针对数据稀疏问题, 改变了基线模型中的文本one-hot表示, 使用word2vec对文本进行映射, 为了防止过拟合, 在模型中加入了正则项和使用Dropout技术, 并在词序记忆方面取得创新, 引入联想记忆单元GRU, 用于文本生成。在试验中使用AdamOptimizer优化器进行参数迭代更新。实验结果表明: 改进后的模型参数减少且收敛速度大幅加快, 损失函数曲线更加平滑, 损失最大降至2.91, 模型的准确率比NIC提高了接近15%。实验有效地验证了在模型当中使用word2vec对文本进行映射可明显缓解数据稀疏问题, 加入正则项和使用Dropout技术可有效防止模型过拟合, 引入联想记忆单元GRU能够大幅减少模型训练参数, 加快算法收敛速度, 进而提高整个模型的准确率。

为实现对飞行器结构高精度、高分辨率的健康监测,开展了对光频域反射光纤分布式传感技术的研究。介绍了瑞利散射光谱互相关分布式传感的原理,分析了传统互相关法中传感单元长度对光谱分辨率的限制因素,提出利用傅里叶插值法提高光谱分辨率的方法,并进行了实验验证。实验结果表明,采用所提方法可在长度为14.2 m的单模光纤上实现传感单元长度为1 cm、光谱分辨率为1.6 pm的连续分布式传感。所提方法在高精度、高分辨率的短、中程健康监测领域具有广阔的应用前景。

针对传统的路面检测方法无法直接获得路面的深度信息, 设计了一种基于三维激光扫描技术的路面断板深度检测方法。该方法首先通过三维激光扫描仪得到路面点云数据, 其次将路面断板数据沿水平方向分为若干切片, 然后对每一断板切片上下平面分别进行拟合, 最终根据上下平面之间的距离确定断板的深度。根据实际工程需要, 提出了一种基于动态阈值的平面拟合迭代算法, 不仅可以有效地识别并去除断板点云数据中的无效点, 而且可以在点云数据三个方向都存在误差的情况下实现平面计算。实验结果表明, 该方法不仅能得到整个路面断板的深度信息, 还能反映出断板深度沿水平方向的变化趋势。

应用三维荧光技术结合自组织神经网络方法,研究典型城市河流沉积物孔隙水中水溶性有机物(DOM)与颗粒性有机物(POM)组成结构及空间分布特征.自组织神经网络是一种非监督神经网络算法,能够从有机物三维光谱中提取不同的荧光组分,表征各组分的含量.沉积物是重要的有机碳库,而沉积物孔隙水中有机物的多寡可直接反映其环境特征.人们对水体中沉积物孔隙水中的DOM与营养盐特征的研究较多,而对POM的研究较少,尤其对重污染城市支流河的研究更少.因此,选取沈阳市白塔堡河为研究对象,沿河源、农村、城市区域河段采集沉积物孔隙水样品,提取DOM与POM,检测样品的三维荧光光谱.DOM的f450/500值为1.82～1.91,表明DOM主要是微生物源;POM的f450/500值为1.42～1.68,表明POM主要以陆地输入为主.自组织神经网络解析DOM与POM含有类酪氨酸、类色氨酸、类富里酸与类胡敏酸等物质,类酪氨酸主要源于新鲜的具有高氧化的类蛋白物质,而类色氨酸主要为微生物代谢产物。　DOM的各组分丰度之和为POM的2倍,类酪氨酸平均相对丰度在50%以上,类色氨酸的平均相对丰度为18.8%～23.1%,类富里酸相对丰度比类胡敏酸的高,但两者在有机物组分所占比重小。　通过主成分分析,DOM与POM特征呈现沿河源、农村、城市区域河段变化,表明白塔堡河深受人类活动的影响。