基于K-means和SOM的水下传感器数据采集方法

随着海洋资源勘探和海洋污染物监控工作的开展，水文数据的监测和采集等已经成为重要的研究方向。其中，水下无线传感器网络在水文数据采集过程中起着举足轻重的作用。本文研究的是水下无线传感器二维监测网络模型中，传感器节点数据采集的问题，其设计方法是通过自组织映射（Self-organizing mapping，SOM）对传感器节点进行路径最优化处理，结合优化的路径图形和K-means算法找到路径内部聚合点，利用聚合点和传感器的节点得到传感器通信半径内的数据采集点，最后通过SOM得到水下机器人（Autonomous underwater vehicle，AUV）到各个数据采集点采集数据的最优路径。经过实验验证，在水下1 200 m×1 750 m范围内布置52个传感器节点的情景下，数据采集点相比于传感器节点路径规划采用相同的采集顺序得到的路径优化了6.7%；对数据采集点重新进行自组织路径规划得到的路径比传感器结点路径的最优解提高了12.2%。增加传感器节点的数量，其结果也大致相同，因此采用该方法可以提高水下机器人采集数据的效率。     

金针菇多糖对微冻大黄鱼及其鱼片品质变化的影响

为研究金针菇多糖（polysaccharide from Flammulina velutipes，FVP）对微冻大黄鱼及鱼片在贮藏期间肌原纤维蛋白性质的变化及水分分布的影响，实验分别选用0.03、0.06、0.09 g/L FVP浸渍处理大黄鱼和鱼片，以无菌水处理为对照组，分析微冻贮藏期间样品的感官指标得分、总挥发性盐基氮含量、总巯基含量、Ca2＋-ATPase活性、蛋白流变学性质以及水分迁移变化规律。结果表明：FVP可有效抑制整鱼总挥发性盐基氮含量上升和感官得分的下降；减缓整鱼及鱼片在微冻过程中总巯基含量、Ca2＋-ATPase活性下降和水分流失；此外FVP还能够延缓大黄鱼因腐败而出现的蛋白凝胶能力减弱。在本实验选取的多糖浓度范围内，0.09 g/L FVP处理组保鲜效果较强。该研究结果可为FVP用于水产品贮运保鲜提供理论参考。     

锁紧机构防脱落保持架设计与分析

针对锁紧机构保持架在恶略环境下,反复振动过程中保持架上钢球脱落问题,提出了一种新型防脱落保持架设计方案,重点介绍了锁紧机构中保持架的工作形式,通过ANSYS进行有限元仿真分析,得出新型保持架结构满足刚强度要求以及热变形要求,且在随机振动6.06 g条件位移小,能有效免锁紧机构直线运动时钢球从外部脱落的可能,提高了锁紧机构工作过程中的可靠性与安全性.     

基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.     

PVC树脂生产中产生塑化片的原因与改进措施

分析了PVC树脂生产中产生塑化片的原因,针对储槽搅拌器、离心机、星形下料器和输送管线提出了改进措施,并在料仓底部下料管线处增加了振动筛,改造后效果良好.     

主存高效的公交网络路径规划索引

在公交时间表下给定起始和目标站点,路径规划查询返回一组到达时间早和换乘次数少的帕雷托最优路径.现有的索引方法需要大量运行时内存.本文提出主存空间高效的索引方法(a-)PAINT.(a-)PAINT对每个站点v预计算一组标签,使得对于从站点s到站点d的查询可以通过匹配s和d相关的标签高效地生成查询结果的一条路径.PAINT对任意查询返回最优路径.a-PAINT只需要很小的预处理开销,但可能返回多一趟换乘的次优路径.用真实的公交时间表与模拟查询测试,PAINT具有合理的预处理开销.a-PAINT需要更少量的预处理开销,在大规模公交网络下准确率达90％.     

自适应融合层级特征的混合退化图像复原算法

多种退化类型混合的图像比单一类型的退化图像降质更严重,很难建立精确模型对其复原,研究端到端的神经网络算法是复原的关键.现有的基于操作选择注意力网络的算法(operation-wiseattentionnetwork,OWAN)虽然有一定的性能提升,但是其网络过于复杂,运行较慢,复原图像缺乏高频细节,整体效果也有提升的空间.针对这些问题,提出一种基于层级特征融合的自适应复原算法.该算法直接融合不同感受野分支的特征,增强复原图像的结构;用注意力机制对不同层级的特征进行动态融合,增加模型的自适应性,降低了模型冗余;另外,结合L1损失和感知损失,增强了复原图像的视觉感知效果.在DIV2K,BSD500等数据集上的实验结果表明,该算法无论是在峰值信噪比和结构相似性上的定量分析,还是在主观视觉质量方面,均优于OWAN算法,充分证明了该算法的有效性.