中国气温空间GWR模型的建立

气温变化对经济、社会、生态文明等各个领域有着显著影响,成为国内外的研究热点和重点,在环境建设中起重要保障作用。然而实际获取的气温数据具有明显的相关性、多样性和复杂性,为不同地区气温空间建模带来困难。空间变系数回归模型中的地理加权回归模型(Geographical Weighted Regression,GWR)可以很好的解决这一问题。文章主要利用1961-2000年的年均气温数据,在考虑地形影响的条件下,建立全国气温空间GWR模型,并对模拟精度进行评价,说明各地形因子的影响程度。通过与OLS模型对比,显示出GWR的优越性。     

设计师与设计哲学关系研究

现如今对于设计的发展不仅仅是基于对于物质世界的创造。人们对于设计在精神世界的创造随着人们对于设计的认识而逐步深入。在当下设计逐步演化成为独立的学科,对于设计理论和设计方法论研究的愈发深入。研究设计哲学与设计师、设计活动之间的关系对于设计自身发展而言变得尤其的重要。本文意在讨论设计哲学与设计师以及设计活动之间的关系,以及相对应的影响因子,希望从中找寻其一般规律,促进设计自身全面而协调地发展。     

矿用动力电池荷电状态预测

针对最小二乘支持向量机(LSSVM)用于预测矿用动力电池荷电状态(SOC)时正则化参数和核函数参数难以优化选择,灰狼优化(GWO)算法在单独求解约束优化问题时出现早熟、稳定性差、易陷入局部最优等问题,在差分进化灰狼优化(DE-GWO)算法的基础上,采用指数函数形式的非线性收敛因子对DEGWO算法进行改进。该非线性收敛因子在迭代过程前段衰减速率低,能更好地寻找全局最优解,在迭代过程后段衰减速率高,能更精确地寻找局部最优解,有效平衡全局搜索能力和局部搜索能力。实验结果表明,利用改进DE-GWO算法优化LSSVM参数后建立的矿用动力电池SOC预测模型最大绝对误差为3.7%,最大相对误差为5.3%。     

“食品化学性风险及安全控制研究”专题征稿函

《食品女全质量检测学报》(半月刊)创刊于2010年,是全国首本专注于食品安全与质量领域研究与开发的学术期刊,连续入选中国科技核心期刊库、中国知网学术期刊网络出版总库、万方数据库等,以及国际上英国CABI、英国FSTA、俄罗斯AJ等知名专业文献索引系统。在2020版《中国学术期刊影响因子年报(自然科学与工程技术-2020版)》中的复合影响因子为1.347,质量水平和学术影响力增幅显著,获得专家学者一致好评。目前为中国科技核心期刊。     

基于双LSTM融合的类人机器人实时表情再现方法

为提高机器人表情再现的时空相似度和运动平滑度,结合序列到序列的深度学习模型,提出一种基于双LSTM(长短期记忆)融合的类人机器人实时表情再现方法.在离线机械建模阶段,首先构建逆向机械模型以实现面部特征序列到电机控制序列的逆向映射,并进一步提出运动趋势模型以规整电机连续运动的平滑度;然后,引入加权目标函数以实现两模型的融合和参数优化.在在线表情迁移阶段,以表演者面部特征序列作为融合模型的输入,并在最优参数下完成表演者面部特征序列到机器人控制序列的端-端翻译,从而达到机器人表情的帧-帧再现.实验结果表明:融合模型的电机控制偏差不超过8%,且表情再现的时空相似度和运动平滑度大于85%.与相关方法相比,提出的方法在控制偏差、时空相似度和运动平滑度方面均有较大提升.     

新型放射性气溶胶在线监测仪设计

采用传统工控机作为控制/处理器的放射性气溶胶在线监测仪体积大、集成度低,在恶劣环境下容易因计算机死机、系统故障等导致仪器运行中断,为此研制了一种新型放射性气溶胶在线连续监测仪。该仪器在以高性能ARM嵌入式系统为核心的硬件和软件环境下,较好地实现了α能谱平滑、寻峰、峰位校正,天然氡钍及其子体放射性气溶胶扣除等关键技术,有效地提高了仪器的运行可靠性和稳定性。对监测仪进行了超过72 h的普通实验室环境的运行实验,测试结果表明:该仪器对α和β气溶胶的探测限分别为0.046 Bq/cm~3和0.29 Bq/cm~3。此外,通过相关试验对监测仪的准确性和稳定性进行了验证。     

一种新的多渐消因子容积卡尔曼滤波

将强跟踪思想引入容积卡尔曼滤波（cubature Kalman filter，CKF），建立强跟踪CKF能有效克服CKF在模型不确定、状态突变等情况下，滤波性能下降的问题。通过分析现有多渐消因子计算方法，发现它们均只利用了协方差矩阵的对角线元素，并没有考虑各个状态之间的相关性，不能充分发挥多渐消因子的优势。为此，本文提出渐消因子矩阵，基于正交原理推导渐消因子矩阵的求解方法，提出多渐消因子强跟踪CKF算法。多渐消因子强跟踪CKF算法突破了传统多渐消因子为向量的限制，也不再要求渐消因子取值要大于1。仿真验证了算法具有更好的滤波精度何鲁棒性，能更好的满足工程应用的要求。     

复杂环境下的自适应红外目标分割算法

针对现有图像分割算法存在分割效果不佳及耗时长等缺点,提出了一种二维Otsu法红外目标阈值分割算法。根据局部邻域熵引入图像背景因子来对图像进行预分类,并采用最佳阈值与类内与类间方差的归一化处理对图像进行图像分类;最终通过约束阈值的搜索范围,来提高算法的准确性与稳定性。实验结果表明,该方法能够对不同类型的图像进行有效的图像分割同时保持较高的编码效率,与其他算法比较,该算法的图像分割效果及消耗时间具有一定的优势。