Al与γ－Al2O3润湿角的计算

本文应用金属的形核理论对目前无法用实验进行准确测定的易氧化金属Al与γ-Al₂O₃的润湿角进行了计算。计算结果发现Al与γ-Al₂O₃的润湿角在30°到50°这一范围之间,即30°<θ≤50°。     

ZrO2在β"─Al2O3复合陶瓷中的作用

本文研究了四方和立方ZrO₂在与Na-β"-Al₂O₃的复合陶瓷中作为第二相所起的各种作用。结果说明ZrO₂对复合陶瓷具有细化晶粒、改善显微结构、提高强度和断裂韧性的作用,与此同时也在一定程度上降低离子电导率。在提高力学性能方面,四方ZrO₂除了具有与立方ZrO₂相同的弥散颗粒的作用外,相变所起的作用也是很显着的。ZrO₂-Na-β"-Al₂O₃复合陶瓷是一种有应用价值的固体电解质材料。     

Al2O3-SiO2纤维增强ZL108合金复合材料的强度特性

用低成本的Al₂O₃-SiO₂系纤维作为增强相,通过加压铸造法制作ZL108合金复合材料,并对该复合材料和ZL108合金进行不同温度下的时效处理和压缩试验。通过DSC、EPMA和TEM分析认为:经488K、0.5h时效处理(T6处理)的V_f 20%的复合材料在573K以下的压缩屈服强度低于ZL108合金,是由于基体中的Mg与Al₂O₃-SiO₂纤维在加压铸造过程中起化学反应而生成MgAl₂O₄,损耗了基体中的大量Mg,导致基体铝合金时效硬化效果很差,所以压缩屈服强度低下。623K、720h保温后的V_f 20%的复合材料的压缩屈服强度比ZL108合金要高得多,是由于在这种温度环境下对ZL108合金来说是过时效,所以纤维的增强怍用显得明显。在高温(673K)下V_f 20%的复合材料的屈服强度比ZL108台金高一倍左右。不论在什么温度场合下V_f5%的复合材料的屈服强度比V_f 20%的复合材料都低。     

基于模型稀疏表示的单快拍波达方向鲁棒估计

基于传感器阵列输出模型的稀疏重构,研究了利用单快拍数据进行波达方向（Direction of Arrival,DOA）估计的问题。考虑到在实际应用中,目标信号个数远小于传感器阵元数,目标信号DOA相对于空间来说也是稀疏的,将传统的传感器阵列输出模型进行稀疏化表示,得到阵列输出数据的稀疏表示模型,研究了一种基于l₁-范数最小化的单快拍DOA估计算法（L1-Min）。该算法将稀疏参数求解问题转化为二阶锥规划（Second-Order Cone Programming,SOCP）问题的一般形式,并在二阶锥规划的框架下求解,同时分析了算法中正则化参数的选取依据。L1-Min算法对小样本、相干多径信号、目标信号角度间隔小等非理想条件都具有较好的鲁棒性。仿真实验验证了算法的有效性。     

贝叶斯目标跟踪方法性能分析

目标跟踪中的一个核心部分就是滤波算法。经典的卡尔曼滤波算法对于具有高斯分布噪声的线性系统,可得系统状态的最小均方差估计,α-β-γ滤波器比卡尔曼滤波器计算量小且易于实现。基于贝叶斯滤波的目标跟踪原理,在线性高斯环境下对比分析了标准卡尔曼滤波器和α-β-γ滤波器的估计精度,并给出两种方法的适用条件。介绍了标准卡尔曼滤波器和α-β-γ滤波器的原理及算法实现,分别对匀速直线运动和匀加速直线运动的目标进行跟踪仿真分析。仿真表明,在高斯背景环境下,卡尔曼滤波器、α-β滤波器和α-β-γ滤波器都具有很好的跟踪精度和很强的实时性。     

超导Ag/Bi1.6Pb0.4Sr2Ca2Cu3O10-x复合氧化物摩擦磨损性能

为适应20℃～-200℃ 温度的适用范围,采用固相法制备了Bi_1.6Pb_0.4Sr₂Ca₂Cu₃O_10-x超导材料,用摩擦磨损试验机测试了Bi_1.6Pb_0.4Sr₂Ca₂Cu₃O_10-x从液氮温度至室温的摩擦学性能。结果表明 : 在室温 20℃下,Bi_1.6Pb_0.4Sr₂Ca₂Cu₃O_10-x与对偶件轴承钢盘对摩时,摩擦系数约为0.35,当温度降到超导转变温度以下时(液氮温度-170℃)摩擦系数大幅度降低,Bi_1.6Pb_0.4Sr₂Ca₂Cu₃O_10-x超导态摩擦系数为正常态值的一半,实验证明了电子激励对摩擦能量耗散的作用。为改善室温下Bi_1.6Pb_0.4Sr₂Ca₂Cu₃O_10-x摩擦学性能,掺杂不同质量分数 Ag作为润滑组元,制备了Bi_1.6Pb_0.4Sr₂Ca₂Cu₃O_10-x超导固体润滑复合材料,取得良好耐磨减摩效果。Ag掺杂不影响Ag/Bi_1.6Pb_0.4Sr₂Ca₂Cu₃O_10-x复合材料的超导性,在正常载荷和滑动速度下10 wt%Ag/ Bi_1.6Pb_0.4Sr₂Ca₂Cu₃O_10-x复合材料摩擦系数为0.2~0.3,磨损率为4.57×10-4 mm3·(N·m)-1。     

热处理对Bi2O3-B2O3-SiO2凝胶玻璃粉体结构与性能的影响

采用溶胶-凝胶法制备了一种Bi₂O₃-B₂O₃-SiO₂系玻璃粉体,在200 ℃、400 ℃、600 ℃和800 ℃温度下分别对凝胶玻璃粉体进行热处理,借助SEM、TEM、XRD、FT-IR、Raman、XPS、DSC、热膨胀仪及“纽扣”烧结实验分别测定了经不同温度热处理后玻璃粉体的结构与性能,分析了其结构变化对玻璃粉体转变温度T_g和烧结特性的影响。结果显示,在实验温度范围内,随热处理温度升高,Bi³⁺逐渐进入玻璃网络中,[BiO₆]八面体和[BiO₃]三角体、[BO₄]四面体和[BO₃]三角体分别与[SiO₄]四面体以顶角相连的方式构建玻璃网络结构。O1s和Bi4f的电子结合能逐渐增大,B1s的电子结合能减小,玻璃网络结构稳定性增强,导致玻璃转变温度T_g及玻璃膨胀软化点温度T_d升高、 润湿性降低且热膨胀系数略有降低。经600 ℃热处理后,玻璃粉体具有较优的烧结性能,T_g、T_d分别约为485 ℃及542 ℃,热膨胀系数α约为7.067×10-6/℃。     

不同纳米材料与石墨混合填充PTFE复合材料摩擦磨损性能

利用MM-200型磨损试验机考察了载荷对纳米SiO₂、TiO₂、Al₂O₃与石墨混合填充PTFE复合材料摩擦磨损性能的影响,采用扫描电子显微镜观察分析磨损表面形貌及磨损机理。结果表明,纳米材料及其与石墨混合都可以不同程度地提高PTFE的耐磨性,而它们对PTFE耐磨性的提高程度各不相同,其中以纳米SiO₂-石墨填充PTFE复合材料的磨损质量损失最小,纳米Al₂O₃-石墨填充PTFE复合材料的磨损质量损失较大;填充PTFE复合材料同钢对磨时的摩擦系数表现出不同的性能,纳米SiO₂-石墨填充PTFE的摩擦系数与纯PTFE相差不大。     

原位生成Al2O3/Cu复合材料的新工艺

采用一种新型工艺制备了Al₂O₃/Cu复合材料。高能球磨制备亚稳态的Cu-0.8 wt% Al合金粉,再将Cu₂O粉与其一起进行高能球磨,然后将复合粉末压坯在真空炉中同时进行氧化和烧结。该工艺省略了还原剩余Cu₂O的环节,氧化和烧结时间仅为1 h。生成的Al₂O₃的粒径约250nm,颗粒间距约500 nm,均匀弥散分布;该材料冷加工后性能接近SCM制品性能。该配比的Al₂O₃/Cu复合材料的热稳定性良好,在800℃下循环冷淬20次无裂纹;软化温度为700℃。     

超临界流体干燥法制备TiO2/ Fe2O3 和TiO2/ Fe2O3/ SiO2 复合纳米粒子及光催化性能

以TiCl₄ 、Fe (NO₃ )₃·9H₂O 和Na₂SiO₃19H₂O 为原料, 采用溶胶凝胶法结合超临界流体干燥法(SCFD)制备了纳米级TiO₂/ Fe₂O₃ 和TiO₂/ Fe₂O₃/ SiO₂ 复合光催化剂。以光催化降解苯酚对所得催化剂的催化活性进行了评价。结果表明, 纳米TiO₂/ Fe₂O₃ 复合粒子与单组分TiO₂ 比较, 复合粒子光催化活性高于单组分的TiO₂, 6h 苯酚降解率高达95.9 %。SiO₂ 的加入可以抑制纳米粒子粒径的长大和晶相的转变, 增强TiO₂ 纳米粒子的热稳定性。复合光催化剂中Fe₂O₃ 最佳掺入量为0.06 %, SiO₂ 最佳掺入量为10 %(摩尔分数) 。并用XRD、TEM 和FTIR 等手段进行了表征。TiO₂ 以锐钛矿型形式存在, SiO₂ 以无定性形式存在。比较了不同制备方法制得的TiO₂/ Fe₂O₃ 复合光催化剂, 得出超临界干燥法制备的光催化剂具有粒径小、比表面积大、分散性好、光催化活性高等特点。采用超临界流体干燥可直接得锐钛型纳米复合光催化剂。     

On the convergence of the lp ‐norm algorithm for polynomial perceptron having different error signal distributions

Abstract

The convergence property of the l_p ‐norm algorithm for polynomial‐perceptron having different error signal distributions will be analyzed in this paper. To see the effect of error signal on the convergence rate, two types of activation functions are considered in the analysis: one is of a linear type and the other is of a sigmoidal type. Different activation functions yield different ranges of output signal and, in turn, yield different error signal distributions. Linear activation function causes the error signal to be distributed in an uncertain way, while sigmoidal activation function causes it to be distributed in a tightly bounded region. Based on this difference the convergence property of the l_p ‐norm algorithm, 1 ≤ p ≤ 2, is investigated in this paper. Expressions of average learning gains are obtained in terms of the power metric p, the error probability, and the upper bound of the error signal distribution. Analytic results indicate that it is of particular value in using the l_p ‐norm algorithm for the perceptron using sigmoidal activation functions. Computer simulation of an adaptive equalizer using this algorithm confirms the theoretical analysis.     

A Coordinate-Descent-Based Approach to Solving the Sparse Group Elastic Net

Group sparse approaches to regression modeling are finding ever increasing utility in an array of application areas. While group sparsity can help assess certain data structures, it is desirable in many instances to also capture element-wise sparsity. Recent work exploring the latter has been conducted in the context of l₂/l₁ penalized regression in the form of the sparse group lasso (SGL). Here, we present a novel model, called the sparse group elastic net (SGEN), which uses an l_∞/l₁/ridge-based penalty. We show that the l_∞-norm, which induces group sparsity is particularly effective in the presence of noisy data. We solve the SGEN model using a coordinate descent-based procedure and compare its performance to the SGL and related methods in the context of hyperspectral imaging in the presence of noisy observations. Supplementary materials for this article are available online.     

共生生物搜索算法在水声信道均衡中的应用

由于多径效应和频散效应导致水声信道中声信号衰减和失真严重,传统均衡技术不能满足在水声信道中应用的要求,近年来神经网络在均衡技术方面的突出表现受到广泛关注,因此,本文提出一种高效的神经网络训练算法,即基于非线性自回归神经网络的改进共生生物搜索算法(简称NARX-nSOS算法)实现水声信道均衡。该算法在非线性自回归神经网络(Nonlinear Autoregressive Neural Network with Exogenous Inputs, NARX)均衡器的基础上,用共生生物搜索算法(Symbiotic Organisms Search, SOS)来进行优化,并结合反向学习算法(Opposition-Based Learning, OBL)来提高该算法的收敛能力,利用计算机对NARX-nSOS算法的有效性进行了仿真验证,结果证明NARXnSOS算法加快了收敛速度,通信质量得到了显著提高。     

水声通信中变步长神经网络盲均衡算法研究

在水声通信领域多途引起的码间干拢可以用均衡消减。盲均衡不需要训练序列,这将有效的节省通信带宽,提高通信效率及通信性能。实际中的通信信道不可能是完全线性的,神经网络作为一种非线性动态系统,具有大规模并行处理及高度的鲁棒性特征,将其应用于水声信道盲均衡切实可行。文中对变步长BP算法的前馈神经网络进行了理论和算法分析,并通过计算机对其实现水声信道盲均衡进行了仿真。仿真结果表明采用变步长BP算法比采用传统BP算法的神经网络盲均衡器收敛速度快,均衡性能明显提高。     

强多径干扰下的水声通信均衡算法研究

水声信道的典型特点为强多径干扰、多普勒频移严重。锁相环-判决反馈均衡器(Phase-Lock Loop-Decision Feedback Equalization,PLL-DFE)是水声相干通信中克服信道多径干扰,消除码间干扰的主要技术手段。对抗多径干扰的判决反馈均衡自适应算法进行了改进,在快速自优化LMS算法的基础上进行了优化,提出了记忆快速自优化均衡(Memory Fast-Optimized LMS,MFOLMS)算法。该算法提高了均衡器的跟踪性能。在二阶锁相环和判决反馈均衡器的联合作用下,按照最小均方误差(Minimum Mean Square Error,MMSE)准则自动调节相应的参数,使均衡器达到最佳的性能。仿真和湖试数据处理结果均表明,该文提出的算法可以抵消多径的影响,提高通信系统的接收性能。     

Robust Parameter Estimation in Dynamic Systems

In this paper we present a practical method for robust parameter estimation in dynamic systems. In our study we follow the very successful approach for solving optimization problems in dynamic systems, namely the boundary value problem (BVP) approach. The suggested method combines multiple shooting for parameterizing dynamics, a flexible realization of the BVP principle, with a fast Gauss-Newton algorithm for solving the resulting constrained l ₁ problem. We give an overview of the theoretical background as well as the details of a numerical implementation. We discuss why the Gauss-Newton algorithm, which is known to perform well mainly on well-conditioned problems, is appropriate for parameter estimation problems, while quasi-Newton methods have only limited use for parameter estimation. The method is implemented on the basis of the direct multiple shooting method as implemented in PARFIT, thus inheriting all basic properties of PARFIT such as numerical stability, reliability and efficiency. The new code has been successfully applied to real-life parameter estimation problems in enzyme and chemical kinetics.     

多径信道下基于频域均衡的超奈奎斯特传输

针对在多径信道下进行超奈奎斯特(FTN)传输时,同时存在由FTN与多径信道引入的双重符号间干扰(ISI)的问题,提出了应用频域均衡与低密度奇偶校验(LDPC)编码相结合的接收机结构来提高系统传输性能。该接收机构在接收端利用频域均衡器对由FTN与多径信道引入的符号间干扰进行频域均衡,均衡后的信号再通过LDPC信道译码器,利用最大后验概率准则(MAP)进行判决,最终恢复出原始信息。仿真实验显示,基于频域均衡的FTN传输系统可改善系统传输的误码性能。     

基于深度压缩感知的语音增强模型

随着压缩感知的深入研究,压缩感知在语音增强方面的应用也备受关注。针对传统压缩感知语音增强算法中存在的不足,将压缩感知与深度学习结合构建名为基于深度压缩感知的语音增强模型(Speech Enhancement based on Deep Compressed Sensing, SEDCS)。基于压缩感知原理使用编解码模型代替压缩感知中语音信号稀疏过程,使用卷积神经网络代替测量矩阵实现语音信号观测降维过程,通过联合训练的方式实现语音增强。实验结果表明：该模型能够完成语音增强任务,并且与现有的压缩感知语音增强算法相比,该模型能取得较好的语音增强效果;相比利用深度学习的语音增强算法,该模型虽性能一般,但在模型泛化性能和测试阶段的增强时间效率上有一定提升。     

一种用于水声相干通信的快速自适应自最佳均衡器

多通道判决反馈均衡器(MC-DFE)是水声相干通信克服信道多径效应、消除码间干扰(ISI)的主要手段。本文提出了一种用于水声相干通信系统的分集合并自最佳自适应多通道判决反馈均衡器。该算法将快速自优化LMS分集合并(FOLMSDC)算法、快速自优化LMS(FOLMS)算法和快速自优化LMS相位补偿(FOLMSPC)算法有机地结合在一起。该算法一方面可以进一步减少运算复杂度,另一方面,由于算法中的步长因子和相位跟踪因子可以自适应地更新,因此算法可以更好地跟踪水声信道的变化,进一步提高通信系统的接收性能。仿真结果表明,本文提出的算法的性能优于现有算法。