保护生物多样性——从麻雀说起

麻雀,亦称家雀,是世界上最常见的小鸟之一。在生物学的分类系统上属鸟纲,雀形目,文鸟科,麻雀属。 麻雀原先主要分布在欧亚大陆,现在除两极附近及大洋海岛外,全世界都有它们的身影。在我国几乎遍布平原和丘陵地带。麻雀是与人类伴生     

STM—1的高阶通道

本文以国产第一套ＳＤＨ的ＳＴＭ－１复用设备为主，较详细的阐述了同步数字体系中ＳＴＭ－１系统的帧结构，是通道的组成。设计思路和实现的方法等。     

运用韦柏函数分析发动机燃烧过程时若干问题的探讨

探讨了韦柏函数的内涵及其在实际应用中的若干问题；应用双韦柏函数对涡流室式柴油机的燃烧过程进行分析，加深了对分隔室式发动机燃烧过程的认识．     

高能超声处理Al-1Si合金凝固组织分析

采用高能超声处理Al-1Si合金熔体,借助金相显微镜和电子探针进行组织分析,并测定合金的熔化潜热,分析了熔体中超声空化效应和声流效应影响凝固过程的机理。结果表明,试样晶粒平均尺寸由超声处理前的94μm减小到超声处理后的34μm;合金试样的熔化吸热量由263.90J/g降低为159.81J/g,在熔体中施加高能超声显著改善了合金成分的均匀性并细化了晶粒。     

直流闭锁故障下风电并网功率和直流输送功率的耦合关系分析

中国一次能源和负荷成逆向分布,新能源基地集群通过特高压直流群外送,新能源高占比电网中风电和直流耦合关系复杂。首先,建立电网分析模型,研究风电和直流在电网频率、电压方面的耦合关系。其次,根据最大频率偏差耐受能力,计算风电和直流在频率方面的耦合关系。再次,根据直流闭锁故障后风电暂态过电压总脱网量约束,推导风电并网点的暂态压升,计算暂态压升和脱网量的关系,得到直流和风电在暂态过电压方面的耦合关系。理论计算结果表明：风电和直流呈负相关性。根据2020年西北电网青豫直流和近区风电并网功率的仿真结果,验证了理论推导的正确性。     

HPLC测定复方氯己定甲硝唑栓中醋酸氯己定、甲硝唑的含量

建立复方氯己定甲硝唑栓中主要成分醋酸氯己定、甲硝唑含量的高效液相色谱测定方法。色谱柱为大连依利特公司HypersilC18柱(20cm×4.6mm,10μm);醋酸盐缓冲溶液(取醋酸铵80g、辛烷磺酸钠2g加水800mL溶解后,用冰醋酸调节pH值至4.2,加水至1000mL)—甲醇(40∶60)为流动相;检测波长:甲硝唑315nm,醋酸氯己定260nm。醋酸氯己定、甲硝唑的回收率分别为99.27%、99.40%,RSD分别为0.57%、0.55%(n=9)。该方法简便,结果准确可靠。     

基于GMM-CNN的鱼道内鱼类游泳行为提取方法

鱼道设计离不开鱼类行为特性的研究,智能监控是观测、记录和量化鱼类行为的主要手段,但由于鱼道紊动的水流环境对鱼体精确跟踪造成了困难。本研究提出一种适用于鱼道研究的鱼类游泳行为提取方法,通过高斯混合模型（GMM）和卷积神经网络模型（CNN）对鱼体图像语义分割,再根据鱼体像素计算上溯轨迹、游泳速度和摆尾幅度。方法的验证以草鱼为试验对象,分别进行基于UNet和SegNet的鱼体语义分割对比试验和鱼类游泳行为提取试验。试验结果表明：（1） UNet模型的图像语义分割结果（MPA=95.9%,MIoU=93.3%）优于SegNet模型（MPA=95.5%,MIoU=92.8%）;（2）应用GMM-CNN模型进行过鱼轨迹跟踪,其坐标平均相对误差（MRE_x=7.1%,MRE_y=2.4%）低于单独使用GMM方法23.1%、11.6%;（3） GMM-CNN模型测算鱼类行为能够准确定位鱼体特征点,应用于提取鱼类游泳行为时具有较高的精确度。基于GMM-CNN鱼类游泳行为提取方法可以为鱼道设计提供技术支持。     

对分课堂在人机交互设计课程中的应用

人机交互设计课程涉及的知识面广、涵盖领域众多,采用传统授课方式很难激发学生的兴趣,导致授课效果不理想.对分课堂的授课方式将传统的讲授与课堂讨论相结合,将课堂时间一分为二,通过先讲授,再布置作业,最后展开隔堂讨论,进而达到内化吸收、巩固知识的效果.对分课堂可逐步改善人机交互设计课程中教师讲授和学生学习过程中所面临的困境,激发学生自主学习的动力,增强学生探索新知识的欲望和信心,达到授人以渔的目的.     

基于RBF神经网络优化的装备保障系统效能评估

针对现有装备保障系统效能评估方法存在依赖专家经验、主观性强等问题,提出一种基于径向基函数（RBF）神经网络优化的装备保障系统效能评估方法。通过完备交叉与预变异策略对遗传算法（GA）进行改进,利用改进的GA对RBF神经网络中心、宽度及输出权值进行全局寻优,并采用优化的RBF神经网络实现装备保障系统效能评估。仿真结果表明,该方法相比AGA-RBF和GA-RBF评估方法能更准确地评估装备保障系统效能值,并且可在一定程度上降低评估过程中主观因素的影响,确保评估结果更客观真实。     

改进灰狼优化算法的K-Means文本聚类

针对K-Means算法在文本聚类过程中易陷入局部最优,造成文本聚类结果不准确的问题,提出了一种基于改进灰狼优化算法的K-Means文本聚类方法。在对文本数据进行分词、去停用词、特征提取以及文本向量化后,通过免疫克隆选择选出精英个体,并对精英个体进行深度探索以增加灰狼种群的多样性,避免早熟收敛现象的发生;将粒子群位置更新思想与灰狼位置更新结合,降低灰狼优化算法陷入局部极值的风险;与K-Means算法结合进行文本聚类。所提算法与K-Means算法、GWO-KMeans以及IPSK-Means算法相比,其准确率、召回率和F值平均都有明显提高,文本聚类结果更可靠。