天然油脂乙氧基化物稳定高内相乳液影响因素的研究

以棕榈仁油乙氧基化物(SOE-N-60)为表面活性剂稳定高内相乳液(HIPEs)。通过对乳液外观、微观结构、粒径分布、黏度和流变学测试，研究了油相体积分数、SOE-N-60添加量对HIPEs性能的影响，同时对其稳定性进行考察。结果表明：SOE-N-60添加量为0.6%~1.5%（油相体积分数为83%）、油相体积分数为74%~86%（SOE-N-60添加量为1.0%）时可形成稳定的HIPEs，此时乳液液滴内部形成紧密堆积的网络结构，乳液粒径变小，具有弹性凝胶性质，并展现出很好的黏弹性和触变性，且随着油相体积分数和SOE-N-60添加量的增大，乳液黏弹性逐渐增强，同时HIPEs在(-5±1) ℃、(25±1) ℃、(40±1) ℃下贮存24 h时均具有良好的稳定性。     

基于图像分割技术的图像数字水印算法研究

针对数字图像水印技术,通过对闭运算得到的图像再进行开运算,使实验得到的图像区域较为完整,采用4×4的正方形结构元素,使得图像区域有更多的白色像素被置为黑色,对图像进行取反操作,能够对图像区域的非连通区域进行填充.希望能够利用精确的图像分割算法,实现对复杂版面的文档图像的有效切割,在一定程度上对图像数字水印的推广起到促进作用.     

基于GR4J-LSTM混合模型的洪水预报研究

为提高洪水过程预报的准确性，将概念性水文模型GR4J (modèle du Génie Ruralà4 paramètres Journalier)的预报流量耦合到长短时记忆神经网络(Long Short-Term Memory Neural Network, LSTM)中，构建了GR4J-LSTM混合模型，并与GR4J、LSTM模型进行对比。基于2012～2019年陆水水库汛期与洪水事件相关的数据集，并结合欧洲中期天气预报中心的3 h预报降水产品，驱动GR4J-LSTM混合模型，预报陆水水库3～12 h预见期的入库流量。最后采用平均影响值(Mean Impact Value, MIV)算法评估输入变量的相对重要性。结果表明：GR4J、LSTM和GR4J-LSTM模型均具有较好的模拟预报能力，但GR4J-LSTM混合模型的预报性能最优，既可以学习GR4J模型的产汇流过程，又提高了洪水预报的精度。研究成果可为洪水预报方案制定提供参考。     

基于离线参数调整的古籍图像二值化算法

古籍退化对古籍图像二值化带来较大挑战,为此,提出一种基于离线参数调整的古籍图像二值化算法。算法分为两步,估计古籍图像背景局部均值,结合基于拉普拉斯能量的二值化算法对古籍进行二值化;根据迭代弗里德曼竞赛算法设计一种离线参数调整方法优化算法中的参数配置。所提算法在H-DIBCO 2016和H-DIBCO 2018数据集上的综合实验结果均优于其它二值化算法,验证了所提算法的有效性。     

采场残坡积土抗剪强度及边坡时效稳定性研究

在露天采场边坡后期运行维护中,经过长期的露天开采,形成较大的深凹边坡,原先的岩体逐渐风化为 土石料,堆积在边坡上,形成一定厚度的残坡积土层。 残坡积土层在宏观时间上表现为欠固结土,强度较弱,易受外界 因素影响,其中雨水侵蚀影响较为严重。 本次研究以永平铜矿东帮采场边坡的残坡积土不同含水率为主要因素,分 别在不同月份时间上采集土样,在不同的含水率时,得出其抗剪强度。 然后根据不同季节的抗剪强度,分别研究残坡 积土层边坡的时效稳定性。 研究得出:残坡积土的抗剪强度随含水率的增加而降低;边坡稳定性因强度不同,时效规 律表现为旱季稳定性较雨季好;残坡积土层边坡破坏模式为单台阶向多台阶发展渐进破坏。 通过对残坡积土取样和 室内试验,研究了永平铜矿东帮采场残坡积土边坡的抗剪强度和边坡时效稳定性规律,为边坡后期安全管理提供 依据。     

基于SVD和SSA-VMD降噪的轴承故障特征提取

针对强噪声背景下轴承故障特征提取困难的问题，提出一种基于奇异值分解和参数优化变分模态分解联合降噪的轴承故障特征提取方法(SSVMD)：首先，对原始信号进行奇异值分解(Singular Value Decomposition，SVD)处理，运用奇异值差分谱法选取有效奇异值并将原始信号重构得到初步降噪信号；其次，为防止故障信息丢失，将残余信号进行麻雀算法(Sparrow Search Algorithm，SSA)优化的变分模态分解(Variational Mode Decomposition，VMD）算法处理，得到最佳的模态个数K和惩罚参数α，选取峭度值最大、包络熵最小的IMF分量与初步降噪信号叠加得到最终降噪信号，并对信号进行包络分析；最后，通过仿真和试验数据分析得出，该方法能在信噪比很低的情况下降低噪声含量并提取轴承故障特征，为设备的状态监测和故障诊断提供理论依据。