安定性分析在热力管道设计中的应用

利用安定性分析方法,分析直埋敷设热水管道在温度循环变化过程中管道热应力的变化,说明热水管道可以实现无补偿直埋敷设。     

CVD金刚石薄膜半导体材料的研究进展

含Ⅲ族与Ⅴ族元素掺杂的金刚石是宽禁带的半导体材料,同时具有优异的物理和化学特性,在电子器件与光电子器件方面的应用具有极大潜力,成为近几年来国内外研究的热点之一。介绍了目前常用的掺杂方法、技术水平及金刚石半导体的应用前景。     

基于谱间预测和码流预分配的高光谱图像压缩算法

为解决高光谱图像数据量巨大带来的传输和存储问题,提出一种波段预测去除谱间冗余和码流预分配的高光谱图像压缩算法。由于波段预测后各波段残差图像分配的码流长度关系到该波段的清晰度,同时该波段作为预测波段对后面波段的预测编码产生影响,因此必须设计一种合理的分配各波段码流长度的算法。首先用DPCM预测求出各波段的预测残差图像的标准差,然后根据标准差的大小对该波段进行SPIHT编码需要分配的码流长度预测。最后基于均方差最小的线性预测器对图像各波段进行预测,根据事先分配的码流长度对各波段预测残差图像进行SPIHT编码。该算法在波段间采用最佳线性预测,有效的去除了高光谱图像的谱间相关性。同时设计的分配码流长度的算法能够根据各波段信息量大小,以及和相邻波段的相关性来分配码流长度。实验表明,重建图像平均PSNR高出3D-SPIHT算法0.9～2.5db。因此该算法对高光谱图像有损压缩非常适用。     

基于3D SPIHT的高光谱图像压缩技术

将三维多级树集合分裂(3D SPIHT)算法用于高光谱图像的压缩。根据高光谱图像的特点进行波段分组以得到处理单元,对各组分别进行三维小波变换,去除谱间和谱内冗余;利用3D SPIHT算法对变换后小波系数进行编码,去除系数之间的冗余。采用整数小波和浮点小波分别进行无损和有损压缩仿真,AVIRIS和OMIS实验结果表明,在bit/pixel为1的条件下,平均PSNR比准三维方法分别高0.91 dB和1.38 dB,且算法具有嵌入式、可伸缩性等优点,但无损压缩的平均bit/pixel比基于预测的方法高0.308和0.159。3D SPIHT算法用于高光谱图像压缩可以获得较好的有损性能,但无损压缩性能逊于基于预测的方法。     

明清时期白银冶炼渣浮选工艺研究

对某地明清时期白银冶炼渣进行了浮选试验研究,确定一次粗选、一次精选、二次扫选为最佳工艺流程,闭路试验获得了金品位为19.83g/t的金精矿,金回收率达到83.23%,为这部分已废弃的矿产资源再回收利用提供了技术保障。     

重量法测定磷化锌

介绍了一种测定磷化锌的方法,该方法标准偏差为0．17,变异系数0．21％,完全可用于磷化锌的分析。     

旧品钢管脚手架承载力及破坏模式的研究

建设施工过程中钢管脚手架经常被当作临时结构使用,建设工地中钢管脚手架的用途可分为“支撑架”与“施工架”两种。钢管脚手架作为支撑架时,常用于承载建筑物新浇筑混凝土楼板的重量,或是桥梁工程中桥面板的重量;钢管脚手架作为施工架时,大部分架设于新建工程或是旧有建筑物拉皮工程的外围,提供施工人员进行安全作业的施工平台。进行扣件式钢管脚手架载重试验,得出试体的承载力与破坏模式,以第一次及第二次载重试验承载力的比较,并用强度折减法对旧品脚手架的承载能力进行了分析。     

以凤凰卫视为例看内地电视频道的CI导入问题

当旋转的水波渐渐变成凤凰卫视两只相扣在一起的凤凰标志时,熟悉的音乐,熟悉的色调,立刻联想到凤凰人在各大新闻事件中口若悬河又不失文雅的报道风格。从原来的卫视中文台到现在的凤凰卫视中文台,并陆续开播的电影台、资讯台、欧洲台、美洲台,1996年那双在香港张开的凤凰翅膀到     

超级计算机错误预测模型研究

错误预测对于提高计算机系统的运算稳定性有重要意义,日志分析是建立错误预测模型的有效方法。在同类型错误的时间预测模型的基础之上,通过日志分析建立了不同类型错误之间的关联模式,并在此基础上建立了基于关联模式的错误预测模型,填补了时间预测模型在错误发生后的短时间内无能为力的缺陷,提高了预测率,并在IBM的BlueGene/L的系统日志数据上验证了关联模式错误预测模型的有效性。     

基于工况识别与多元非线性回归优化的能量管理策略

为给混合动力汽车智能管理策略提供基础,开展了基于学习向量化(LVQ)神经网络的工况模式识别算法研究。选取4种典型微观道路类型工况和3类标准循环工况,提取11个参数为训练特征数据,建立了LVQ神经网络工况模式识别算法;在此基础上,以某款混联式动力系统为例,结合多元非线性回归分析制定相应控制策略;最后,基于Simulink仿真平台建立LVQ神经网络工况模式识别及整车仿真模型,分别采用中国城市典型循环工况以及构建UDDS+NYCC+UDDS的标准行驶工况进行道路工况识别验证。结果表明,所建立的LVQ神经网络工况识别算法可以准确识别工况模式并能有效提高能量管理策略的控制效果。