Analysis of pressure and heat distribution in a dilating or contracting filter chamber with two outlets using multivariate spectral quasilinearization method

The development of efficient filters is an essential part of industrial machinery design, specifically to increase the lifespan of a machine. In the filter chamber design considered in this study, the magnetic material is placed along the horizontal surface of the filter chamber. The inside of the filter chamber is layered with a porous material to restrict the outflow of unwanted particles. This study aims to investigate the flow, pressure, and heat distribution in a dilating or contracting filter chamber with two outlets driven by injection through a permeable surface. The proposed model of the fluid dynamics within the filter chamber follows the conservation equations in the form of partial differential equations. The model equations are further reduced to a steady case through Lie's symmetry group of transformation. They are then solved using a multivariate spectral-based quasilinearization method on the Chebyshev–Gauss–Lobatto nodes. Insights and analyses of the thermophysical parameters that drive optimal outflow during the filtration process are provided through the graphs of the numerical solutions of the differential equations. We find, among other results, that expansion of the filter chamber leads to an overall decrease in internal pressure and an increase in heat distribution inside the filter chamber. The results also show that shrinking the filter chamber increases the internal momentum inside the filter, which leads to more outflow of filtrates.     

基于电信号特征分析的电机故障诊断技术

介绍了电机故障诊断技术平台的组成,分析了电机常见故障下电信号的特征。利用宜昌和景洪工厂两台电机进行了实际对比测试,宜昌工厂电机定子电流特征频率在49.2Hz时表现出峰值-36.08dB,在50.8Hz时表现峰值则为-37.23dB,表明电机存在转子断条故障;景洪工厂电机在转子特征频率为113.51Hz时,出现峰值-58.47dB,表明电机存在静态偏心故障。经电机现场抽芯检查,验证了电机故障快速诊断平台给出的电机健康状态评估结果,证实了基于电信号特征分析的电机故障诊断技术的准确性。     

一种直升机避障电力线检测方法

电力线是一类形状细长、特征稀疏、随着视角的变化容易混淆在大量背景信息中的特殊障碍物，常规电力线检测识别算法得到的目标框对电力线所在位置的估计不够准确。为此，提出了一种相对角度估计方法，基于常规电力线目标检测与识别算法，并结合电力线相对角度估计，从而提高电力线的检测识别过程中所在位置的精度。相比电力线绝对角度回归的方法，提出的相对角度估计方法容易训练易收敛，计算量小，适用于实时性要求较高的应用场合。     

高光谱成像用高帧频CMOS图像传感器北大核心

针对高帧频、全局曝光和光谱平坦等成像应用需求,设计了一款高光谱成像用CMOS图像传感器。其光敏元采用PN型光电二极管,读出电路采用5T像素结构。采用列读出电路以及高速多通道模拟信号并行读出的设计方案来获得低像素固定图像噪声(FPN)和非均匀性抑制。芯片采用ASMC 0.35μm三层金属两层多晶硅标准CMOS工艺流片,为了抑制光电二极管的光谱干涉效应,后续进行了光谱平坦化VAE特殊工艺,并对器件的光电性能进行了测试评估。电路测试结果符合理论设计预期,成像效果良好,像素具备积分可调和全局快门功能,最终实现的像素规模为512×256,像元尺寸为30μm×30μm,最大满阱电子为400 ke^(-),FPN小于0.2%,动态范围为72 dB,帧频为450 f/s,相邻10 nm波段范围内量子效率相差小于10%,可满足高光谱成像系统对CMOS成像器件的要求。     

基于人工神经网络的智能化架空线路应变快速解调方法北大核心

为了提高智能化光纤复合架空线路态势感知的实时性,将人工神经网络方法应用于光纤沿线应变解调,确定了神经网络的结构。编程实现了基于洛伦兹模型的最小二乘谱拟合方法和神经网络方法,采用不同信噪比和布里渊频移的布里渊谱训练神经网络,将它们应用于某光纤复合架空线路沿线光纤应变的测量,从不同角度比较了两种方法的计算结果。计算结果表明,神经网络方法能有效获得光纤沿线的布里渊频移进而获得应变,具有与谱拟合方法相似的准确性,但应变解调时间仅约为谱拟合方法的1/20000。研究结果为提高智能光纤复合架空线路态势感知的实时性提供了参考。     

具有保护肠上皮细胞HT-29免受大肠杆菌和H2O2损伤潜力的植物乳杆菌的筛选

益生菌可在肠道定植从而发挥抗炎或抗氧化活性，有利于宿主肠道健康。本实验研究了从新疆传统发酵乳制品中分离得到的8?株植物乳杆菌对大肠杆菌侵袭和过氧化氢刺激肠上皮细胞HT-29的保护作用。结果表明：在8?株植物乳杆菌中，植物乳杆菌35具有最高的黏附能力。植物乳杆菌35可通过取代、竞争、排阻的方式抑制大肠杆菌对HT-29细胞的黏附，抑制率分别为42.60%、59.17%、60.19%。植物乳杆菌35及其多糖可抑制大肠杆菌刺激HT-29细胞产生白细胞介素-8；同时保护HT-29细胞免受过氧化氢的损伤，增加超氧化物歧化酶、谷胱甘肽过氧化物酶活力水平并降低丙二醛含量。结论：植物乳杆菌35及其粗胞外多糖具有抑制大肠杆菌O157诱导的炎症性肠病的潜力。     

四氢姜黄素经PI3K/Akt信号通路对人血小板活化和聚集的调控作用

目的：探讨姜黄素的主要肠道代谢物四氢姜黄素（tetrahydrocurcumin，THC）对血小板活化和聚集的影响及其可能的分子机制。方法：在体外实验中，用不同浓度的THC（0、0.5、1、10 μmol/L）提前与健康人纯化血小板共同孵育40 min，然后加入凝血酶激活血小板2 min，用流式细胞术测定血小板表面CD62P和CD63的表达量，用酶联免疫吸附法测定血小板释放血小板因子-4（platelet factor-4，PF4）和趋化因子配体-5（chemokine ligand 5，CCL5）水平，用血小板聚集仪检测血小板释放ATP水平和血小板最大聚集率，用Western blot蛋白免疫印迹法检测血小板磷酸肌醇-3-激酶（phosphoinositide 3-kinase，PI3K）和Akt蛋白的磷酸化水平。结果：与模型组（血小板悬液中加入0.05%二甲基亚砜）相比，THC能抑制凝血酶诱导的血小板表面CD62P和CD63的表达，抑制PF4、CCL5和ATP的释放，降低血小板最大聚集率，下调PI3K和Akt蛋白的磷酸化水平，且呈浓度依赖效应，其中10 μmol/L的浓度下作用效果显著（P＜0.01、P＜0.001）。PI3K的特异性激动剂740 Y-P可部分逆转THC对PF4和CCL5释放和血小板聚集的抑制作用（P＜0.05、P＜0.01）。结论：THC具有显著抑制血小板活化和聚集的作用，其机制可能是THC可下调PI3K/Akt介导的信号通路。     

C105管桩混凝土设计参数取值的探讨

通过试验得出了C105混凝土100 mm×100 mm×100 mm立方体非标准试件抗压强度换算系数以及C105混凝土的标准方差和强度变异系数。采用理论计算,得到了棱柱体抗压强度与立方体抗压强度的比值α_c1,并与试验实测平均值进行了比较,验证了理论计算方法的可行性。此外,通过对比分析,探讨了直接外延法和引用公式法两种C105混凝土设计参数计算方法的正确性,研究结果可为C105管桩混凝土的设计和应用提供参考。     

Convolutional Neural Network Auto Encoder Channel Estimation Algorithm in MIMO-OFDM System

Higher transmission rate is one of the technological features of prominently used wireless communication namely Multiple Input Multiple Output-Orthogonal Frequency Division Multiplexing (MIMO–OFDM). One among an effective solution for channel estimation in wireless communication system, specifically in different environments is Deep Learning (DL) method. This research greatly utilizes channel estimator on the basis of Convolutional Neural Network Auto Encoder (CNNAE) classifier for MIMO-OFDM systems. A CNNAE classifier is one among Deep Learning (DL) algorithm, in which video signal is fed as input by allotting significant learnable weights and biases in various aspects/objects for video signal and capable of differentiating from one another. Improved performances are achieved by using CNNAE based channel estimation, in which extension is done for channel selection as well as achieve enhanced performances numerically, when compared with conventional estimators in quite a lot of scenarios. Considering reduction in number of parameters involved and re-usability of weights, CNNAE based channel estimation is quite suitable and properly fits to the video signal. CNNAE classifier weights updation are done with minimized Signal to Noise Ratio (SNR), Bit Error Rate (BER) and Mean Square Error (MSE).     

基于音频特征的工程车辆工况识别研究

高效率地使用工程车辆是工程项目管理中节约成本的有效方法，无人监管环境下工程车辆的工况识别，是实现工程车辆高效率使用的有效手段。目前以GPS等技术为核心的车辆智能管理系统未对工程车辆进行工况识别，提出一种基于GRU循环神经网络的工程车辆工况识别方法，通过对工程车辆在不同工况下产生的音频信号进行分析，从中提取Mel倒谱系数作为主要特征，构建GRU循环神经网络模型进行训练和识别。实验结果表明，该方法可以实现对工程车辆工况的有效识别。