大豆N2O释放与光照度和光合作用的关系

采用分隔式封闭箱法,测定盆栽大豆植株氧化亚氮(N2O)通量以及光照度、光合速率和气孔导度的日变化。同时,观测田间大豆—土壤系统在主要生长阶段N2O释放的变化。在温室里,大豆植株N2O释放在上午10:00时出现一个高峰;中午时N2O释放量较低,此时光照度和光合速率都保持在较高的水平上;在14:00时,N2O释放量达到低谷,光照度达到最大,但光合速率却处于很低的水平;在15:00时,植株N2O的释放达到第二个高峰,但光照度和光合速率却处于快速下降期。结果表明:植物N2O的释放不仅与光合作用的光反应有关,而且也与暗反应有关。上午10:00以后植株N2O释放通量与气孔导度变化没有一致的关系。在大豆生长季,大豆—土壤系统N2O释放通量有两个高峰,第一个峰出现在6月中下旬,第二个高峰出现在9月下旬。     

改进矢量中值滤波在图像处理中的应用研究

针对传统矢量中值滤波计算量大且复杂的问题,通过分析彩色图像滤波的一般方法,提出了彩色图像矢量中值滤波的改进算法.经与传统矢量中值滤波和理想滤波器实验结果对比可知,该算法不仅具有矢量中值滤波法去噪、保边缘和不增加新颜色的优点,而且具有计算量小、算法简单和易于实现的优点.此算法已应用于葡萄病害图像处理,并在Visual C 软件平台上进行验证,结果证明该方法可行,在完成病害图像增强的同时,对噪声有较好的抑制作用.     

1.5μm波段乙炔气体稳频光纤光栅外腔半导体激光器

为了提高1.5μm波段激光器的频率稳定性,利用乙炔分子饱和吸收稳频,设计了一种稳频的光纤光栅外腔半导体激光器。其通过步进电机对光纤光栅进行拉伸调节波长,实现了激光频率调谐。结果表明,所研制的激光器拥有较高的频率稳定度。     

CdTe/GaAs(111)B薄膜的MBE生长研究

采用分子束外延方法,在GaAs(111)B衬底上,生长CdTe薄膜,以求研制出用于液相外延生长碲镉汞(HgCdTe)薄膜的CdTe/GaAs(111)B复合衬底.通过理论分析和实验探索,优化了生长温度和Te/Cd束流比等重要生长参数,获得了质量较好的CdTe薄膜,再通过循环热处理,使CdTe/GaAs(111)B复合衬底的质量得到进一步的提高,X-射线回摆曲线半峰宽(FWHM)有明显的降低.为LPE-HgCdTe薄膜的生长打下了较好基础.     

一种集成多个机器学习模型的复合材料结构损伤识别方法

针对基于导波的复合材料结构损伤监测手段在实际工程应用中遇到的问题,结合目前已开展的利用机器学习模型辅助结构损伤识别的经验,提出了一种基于最小边际系数的复合材料结构损伤识别方法。通过采用多个机器学习模型对监测数据进行预测,利用不同机器学习模型之间的差异性和在不同数据分布上的预测置信度,提高整体结构损伤识别的泛化能力。通过试验验证,该方法能明显提高基于导波的复合材料结构损伤识别精度。     

ASTFA-BSS方法及其在齿轮箱复合故障诊断中的应用

自适应最稀疏时频分析（adaptive and sparsest time-frequency analysis,ASTFA）方法以分解得到的单分量个数最少为优化目标,以单分量的瞬时频率具有物理意义为约束条件,使得到的分量更加合理;结合盲源分离,提出了一种基于ASTFA的盲源分离方法并应用于齿轮箱复合故障诊断中。该方法首先利用ASTFA将单通道源信号进行分解,然后利用占优特征值法进行源数估计,根据源数重组观测信号,最后对观测信号进行盲源分离得到源信号的估计。实验结果表明,该方法可以有效地对齿轮箱复合故障信号进行分离进而实现齿轮箱的复合故障诊断。     

典型钢渣的化学成分、显微形貌及物相分析

用XRD、XRF、SEM-EDS等分析方法对20家钢铁企业的铁水脱硫渣、转炉钢渣、电炉氧化渣和精炼渣进行了化学成分、显微形貌及物相分析,分析结果表明脱硫渣中硫和金属铁含量较高,其化学成分和物相与脱硫剂种类有密切关系;转炉钢渣的主要物相是硅酸钙相、铁酸钙相、RO相和f-CaO相;电炉氧化渣的碱度整体比转炉渣低,因此还出现了明显的橄榄石相;精炼渣主要成分为CaO、Al2O3、MgO和SiO2,因精炼渣渣系的不同,渣中各成分含量会有较大变化.分析结果为钢渣的分类综合利用起到一定的指导作用.     

基于LCD和KNNCH分类算法的齿轮故障诊断方法

提出了一种基于局部特征尺度分解(LCD)和核最近邻凸包（KNNCH）分类算法的齿轮故障诊断方法。该方法采用LCD对齿轮原始振动信号进行分解得到若干内禀尺度分量(ISC),然后提取包含主要信息的ISC分量的能量作为特征向量输入到KNNCH分类器,根据其输出结果来判断齿轮的工作状态。实验分析结果表明,所提出的方法能有效地提取齿轮故障特征信息,而且在小样本的情况下仍能准确地对齿轮的工作状态进行识别。同时,与支持向量机(SVM)算法的对比分析结果表明,KNNCH算法能取得与SVM算法相当或更高的正确识别率。     

改进的EEMD算法及其应用研究

总体平均经验模态分解（Ensemble EMD,EEMD）虽然能够在一定程度上抑制模态混淆,但计算量较大,添加的白噪声不能被完全中和,不具有完备性。补充的EEMD（Complementary EEMD, CEEMD）成对地添加符号相反的白噪声到目标信号,大大减小了重构误差。论文结合CEEMD和基于排列熵的信号随机性检测,提出了改进的EEMD方法（Modified EEMD,MEEMD）,MEEMD方法在检测出CEEMD分解的异常分量之后,直接进行EMD分解;MEEMD不仅能够抑制EMD分解过程中的模态混淆,而且减小了计算量,缩小了重构误差。通过分析仿真信号和实测信号,结果表明,MEEMD方法有很好的分解效果,对模态混淆有一定的抑制作用。     

快速收敛的置信度传播立体匹配算法

针对传统基于置信度传播的立体匹配算法运算次数较多、效率低下的问题,提出一种快速收敛的置信度传播算法。该算法在计算每一个像素点的置信度时,只考虑当前像素点自适应大小邻域内像素点对它的信息传递,而忽略距离较远的像素点的影响。实验结果表明提出的算法在保持相近匹配精度的前提下,运算时间减少40%~50%,满足立体匹配的实时性要求。