蒸压建材生产过程中钢渣安定性处理与活性化利用

钢渣安定性处理过程常常造成胶凝活性的损失。为此，本文利用改性助剂消除钢渣水化过程中产生的氢氧化物并生成胶凝产物，在蒸压建材的生产过程中实现钢渣安定性处理和游离氧化物的活性化利用，并避免单独处置钢渣造成的活性物质损失。研究表明，8%秸秆灰和3%磷酸二氢铵作为复合助剂制备的尾矿-钢渣蒸压试块体积稳定，抗压强度达24.0MPa。通过对蒸压样品游离氧化物消解率、化学结合水量及热重、XRD分析，得出钢渣安定性处理与活性化利用机制：硅质材料与钢渣中f-CaO水化生成的Ca(OH)₂结合迅速生成对体系力学强度有益的水化硅酸钙，避免因大量Ca(OH)₂积累造成体积膨胀；磷酸盐中的NH₄⁺、H₂PO₄^-与f-MgO结合生成磷酸铵镁及其他低溶度积复盐类矿物，进而消除因f-MgO水化生成Mg(OH)₂造成体积膨胀的隐患。试样在180℃蒸压4h后，f-CaO及f-MgO消解率分别可达86.28%、89.73%。本文将为利用钢渣大比例取代水泥和石灰生产蒸压建筑材料提供理论基础，对于提高钢渣利用率、减少碳排放具有重要价值。     

区域导航对流层延迟误差修正模型研究

本文研究了电波大气折射理论，分析了传播误差因素，阐述了区域导航信号的传播路径与 GNSS 卫星导航的不同，论述了对流层延迟对区域导航信号测量精度的影响，设计了满足区域导航系统应用需求的对流层延迟误差修正模型，并通过仿真研究，验证了所设计区域导航对流层延迟误差修正模型的可行性，并给出了该模型在远距离低仰角和近距离高仰角下的误差修正能力。     

洋葱蛋白及多肽的制备及其体外抗氧化活性评价

对洋葱蛋白、4种不同水解度的粗洋葱多肽、4种分子量范围的纯化多肽组分的水解度、分子量、氨基酸组成、DPPH·清除能力进行了研究。结果表明,洋葱蛋白酶解后分子量大幅降低,必需氨基酸组分和支链氨基酸组分均有所提高,DPPH·清除能力大幅提高,且与水解度成正比;在4种水解度的粗洋葱多肽的纯化组分中,P-III(分子量为1~5kDa)的DPPH·清除能力均为最强,这归功于其合适的分子量分布。该研究为洋葱的高值化利用提供了理论依据。     

提升管内颗粒浓度梯度力的特性

由于Kutta-Joukowski横向力与浓度梯度力的共同作用，提升管内颗粒沿径向在边壁大量聚集并形成稳定的环?核结构。根据实验数据，分析了颗粒浓度梯度的径向分布特征，考察了不同操作条件下浓度梯度力系数K的分布特性。由Kutta-Joukowski横向力与浓度梯度的关系，提出了浓度梯度力的表达式Fρ=K(dρ/dr)A及浓度梯度力系数K的表达式K=[?ρg(νg?νp)(?v/?r)r]/?dρ/dr+(d2ρ/dr2)r?。提升管内颗粒群受到的浓度梯度力与浓度梯度力系数K有关。浓度梯度力系数K在提升管中心处为0，沿提升管径向呈“N”型分布，随表观气速增加而增加；提升管内充分发展段K的数值明显大于提升管加速区和出口约束区，总结了浓度梯度力系数K的经验关联式。     

渐变刚度板簧式轻卡悬架阻尼参数仿真设计

为了有效提高渐变刚度钢板弹簧式轻型卡车的乘坐舒适性,根据弹簧受力与刚度和变形之间的关系,利用等频原理,建立了渐变刚度钢板弹簧力学特性解析计算模型,并利用钢板弹簧加载-卸载试验对所建立的模型的正确性进行了验证。基于1/2车辆行驶振动模型,利用MATLAB的Simulink工具箱,建立了考虑渐变刚度钢板弹簧力学特性的轻卡行驶振动仿真分析模型。最后,以人体振动舒适性最佳为目标,利用多岛遗传算法,建立了轻卡悬架系统阻尼参数仿真设计方法,并利用实车试验对所建立的轻卡悬架系统阻尼参数仿真设计方法的正确性进行了验证。上述研究为渐变刚度钢板弹簧式轻卡悬架系统参数的设计提供了有效参考。     

低功耗高性能的全MOS电压基准源设计

设计了一种基于亚阈值技术的全MOS电压基准源,采用共源共栅结构来增大PSRR,使用MOS管代替电阻,优化温度特性,使电路中大部分MOS管工作于亚阈值区。基于0.18μm CMOS工艺进行设计、版图绘制、和前、后仿真,在后仿真中得出相关参数值。对各参数做出详细分析,包括:一定温度范围内的温度系数;常温下基准输出电压;不同电源电压条件下的线性调整率、基准源静态电流及功耗,并对不同频率下的电源电压抑制比进行了对比。实验结果表明达到了低功耗高性能的设计目标。     

面向云计算应用层演化的隐私保护方法研究

云计算应用层中的组合服务具有演化属性,因此,隐私数据在服务组合过程中,用户的隐私数据可能会因为服务或服务流程的演化而暴露。根据服务演化的特征,以描述逻辑为基础,提出了一种面向云计算应用层演化的隐私保护方法。对隐私协议进行形式化描述;根据服务的演化特征,对服务的演化进行监控,保证满足用户的隐私需求;利用实例研究证明该方法的正确性与可行性。     

带权决策表的属性约简

属性约简是粗糙集理论的重要应用。考虑将决策表中的每行都作为一条决策规则时，若把表中出现相同决策规则的次数作为权，可得到带权决策表。提出了关于带权决策表的正域约简相应的辨识矩阵并给出了证明，从而得到了约简算法。相比于决策表中的正域约简时发现，通过将决策表转化为带权决策表后，再利用算法1进行约简时，其在一定程度上优于前者。提出了近似分类精度约简相应的辨识矩阵并给出了证明。对于2个算法，在选取的UCI数据集上进行了实验验证。通过实验进一步说明了所提出算法的可行性和有效性。     

基于主动学习的离群点集成挖掘方法研究

离群点检测任务通常缺少可用的标注数据，且离群数据只占整个数据集的很小一部分，相较于其他的数据挖掘任务，离群点检测的难度较大，尚没有单一的算法适合于所有的场景。因此，结合多样性模型集成和主动学习思想，提出了一种基于主动学习的离群点集成检测方法OMAL（Outlier Mining based on Active Learning）。在主动学习框架指导下，根据各种基学习器的对比分析，选择了基于统计的、基于相似性的、基于子空间划分的三个无监督模型作为基学习器。将各基学习器评判的处于离群和正常边界的数据整合后呈现给人类专家进行标注，以最大化人类专家反馈的信息量；从标注的数据集和各基学习器投票产生的数据集中抽样，基于GBM（Gradient BoostingMachine）训练一个有监督二元分类模型，并将该模型应用于全数据集，得出最终的挖掘结果。实验表明，提出方法的AUC有了较为明显的提升，且具有良好的运行效率，具备较好的实用价值。