空间曲线的特征识别与高质量非均匀采样

为避免传统均匀采样方法因忽视曲线重要特征而生成不理想的采样结果,获得给定数量且由特征点和辅助点组成的采样点序列,提出基于特征识别的高质量空间曲线非均匀采样方法.首先使用抛物线插值法得到曲线上所有曲率极大值点和挠率极大值点的近似位置,经筛选后产生特征点,以更好地抓住空间曲线的轮廓特征.然后定义基于弧长、曲率和挠率加权组合的特征函数,并以此自适应地选取曲线上的辅助点.与3种主流采样方法比较的实验结果表明,该方法能够获得更高质量的采样结果且具有更好的实用性,从而进一步改善空间曲线的B样条拟合效果.     

一场中国素食的艺术盛宴——山河万朵最新推出冬季可持续生态餐单

2022年1月14日,山河万朵中国素食餐厅隆重推出品鉴冬季“可持续生态”主题餐单,并由“全球唯一华人侍酒大师”吕杨为餐配酒。据他介绍,山河万朵是北京唯一一家只选用有机、生物动力法或自然酒的餐厅。当日这套“可持续生态餐单”所用到的食材100%产自于原产地、有机农场、当地农户和特约供应商,餐厅通过执行可持续性的采购政策,实现食材的可追溯性,结合传统与现代料理手法并融合风干、发酵、腌渍、烟熏等制法,引领大家在餐盘中寻找“森林、海洋般的自然气息”,让食客从头至尾感受并经历生态循环中蔬果的完整生长周期。     

CDBN‑IKELM的轴承变工况故障诊断方法

针对现有方法在轴承变工况方面存在的诊断精度低、人工提取特征不充分等问题，提出了基于卷积深度置信网络（convolutional deep belief network，简称CDBN）与改进核极限学习机 （improved Kernel?based extreme learning machine，简称IKELM）的滚动轴承故障智能识别方法。首先，由卷积深度置信网络对原始信号内的故障特征进行深层自适应提取；其次，利用等距特征映射对提取的多维特征进行降维，去除冗余特征信息；然后，采用改进的核极限学习机对特征进行分类，使用粒子群（particle swarm optimization， 简称PSO）对模型重要参数进行优化，实现滚动轴承变工况下的故障识别；最后，将所提方法应用于不同工况下多种轴承故障的诊断。实验结果表明，该方法能够智能有效地识别变工况的轴承故障，诊断结果优于已有的智能故障诊断方法。     

大豆蛋白纳米纤维对铁纳米颗粒的稳态化作用

为明确大豆蛋白纳米纤维的结构形成和扩宽铁强化剂的食品工业应用，以大豆分离蛋白（soy protein isolate，SPI）为原料，通过5 h的酸热处理制备纳米纤维（soy protein isolate fibrils，Fib SPI），系统研究纤维形成前后蛋白结构的变化，并进一步制备铁纳米颗粒（iron nanoparticles，Fe NPs），探究Fib SPI对铁的稳态化作用。研究结果表明：在酸热处理过程中，SPI产生大量的β-折叠结构，其与硫磺素T结合，显示出增强的荧光强度；此外，7S组分先发生降解，利于纤维成核形成，随后11S逐渐被水解，促进纤维生长；同时水解产生大量的小肽组分，提高了产物的还原力。研究进一步利用Fib SPI递送铁纳米颗粒（Fe NPs），发现与原始SPI相比，铁纳米颗粒可在Fib SPI原位形成胶体稳定的铁-大豆蛋白纳米纤维复合物（Fe FibSPI），并以Fe（II）形式存在，其对乳液体系色泽及稳定性的影响较硫酸亚铁或氯化铁小。该研究可为构建新型植物基铁强化剂递送体系提供理论和方法指导。     

基于VMD和改进TCN的短期光伏发电功率预测

光伏发电功率存在波动性,且光伏出力易受各种气象特征影响,传统TCN网络容易过度强化空间特性而弱化个体特性。针对上述问题,文中提出一种基于VMD和改进TCN的短期光伏发电功率预测模型。通过VMD将原始光伏发电功率时间序列分解为若干不同频率的模态分量,将各个模态分量以及相对应的气象数据输入至改进TCN网络进行建模学习。利用中心频率法确定VMD的最优分解模态分解个数。在传统TCN预测模型的基础上,使用DropBlock正则化取代Dropout正则化以达到抑制卷积层中信息协同的效果,并引入注意力机制自主挖掘并突出关键气象输入特征的影响,量化各气象因素对光伏发电的影响,从而提高预测精度。以江苏省某光伏电站真实数据为例进行仿真实验,结果表明所提预测方法的RMSE为0.62 MW,MAPE为2.03%。     

基于改进粗糙集的混合传感器节点分类算法

混合传感节点的属性较难形成统一识别特征，其节点属性约简过程复杂，存在分类时间长及分类性能差的问题。为此，提出了基于粗糙集的混合传感节点高精度分类算法。在初始化传感节点的基础上计算适应度值，利用遗传算法优化粗糙集修正校验结果，获得统一编码形式的节点。在此基础上，排除了属性权重为“0”的属性，完成节点属性约简。再利用普通分类方法和高级分类方法结合的方式，进行混合节点分类。根据约束条件选取对应的分类方法，实现混合传感节点高精度分类。仿真结果表明，所提算法的分类用时低于520 ms，且该方法的查全率、查准率及F1值均高于对比方法，混合传感节点分类性能较好。     

蜂窝网络用户上行覆盖率的数值计算方法

对于蜂窝用户上行覆盖率这类含无穷上限的多重积分公式,直接调用积分函数进行计算耗时长且无法确保收敛。文章提出通过逐层分析被积函数特征来缩小积分区间,从而提高计算速度并保证收敛性。为验证方法的准确度,与一种特殊情况下的解析式和仿真结果进行比较,结果显示差异可忽略;同时,与直接进行无穷积分的方法进行比较,显示计算时间至少节省一半以上,且随着用户密度的降低,本方法计算效率方面的优势更加突出。