一种用于电气设备状态监测的新式FBG传感器北大核心CSCD

为了监测绕组变压器的静态应力场和发生短路等故障时的动态应力变化,设计了一种用于电气设备状态监测的新式FBG传感器。该传感器由聚醚醚酮材料封装的FBG构成,通过内部圆锥形空腔结构实现将轴向应力集中于FBG敏感位置。通过仿真对不同压力强度下传感器结构的应力场部分及形变趋势进行了计算与分析,论证了设计的合理性。实验分别对静态载荷和动态冲击进行测试,结果显示,在静态压载测试中,当100 N相似文献   

两种混合单元混合机理的数值模拟

为了研究SV型和SX型混合单元在全静态乳化器的混合机理,使用群体平衡模型对乳化器内部流场进行模拟分析。结果表明,SV型与SX型混合单元的混合机理是油相与水相材料通过混合单元时其空间流动方向改变,在流场内形成大量的漩涡,从而达到乳化的目的;通过比较流体在经过SV型和SX型混合单元后的水相索特平均直径(d_(32)),得出SV型混合单元的乳化效果更强,但同时消耗更多的能量,压降更大。     

二氧化锡传感器对挥发性有机物的动态测试方法研究

温度调制的动态测试是解决金属氧化物传感器选择性差的一种常用方法, 但至今尚未有明确的方法控制动态响应信号的波形以达到预期期望. 本文首先从静态测试的角度出发, 描述了静态性能指标与动态响应信号的对应关系, 提出了适合于动态测试的半导体传感器的选择方法. 然后以矩形波为例, 通过对其周期、占空比、工作温度范围的调整, 在不降低动态响应信号品质的前提下, 缩短在实际应用中的响应时间和功耗. 最后, 利用支持向量机算法验证了动态响应信号的品质, 在不同种类不同浓度的气体中, 识别率高达100%.     

响应曲面法优化衣康酸三元共聚物制备工艺

针对咸阳某企业循环冷却水水质情况,选择衣康酸(IA)、乙酸乙烯酯(VAc)和2-丙烯酰胺-2-甲基丙磺酸(AMPS)为单体,采用水溶液自由基聚合法制备IA-VAc-AMPS共聚物阻垢剂.利用响应曲面Box-Behnken试验优化共聚物制备工艺,并建立多元回归模型.结果表明:单体摩尔比和反应温度影响最大,单体摩尔比和引发剂用量交互影响最为显著;响应曲面确定的最优合成条件为:单体摩尔比1.36、引发剂7.11％、反应温度82.73℃和反应时间2.87 h,最优条件下合成共聚物的阻垢率达到97.56％.FT-IR光谱表征表明已成功制备IA-VAc-AMPS三元共聚物.SEM对垢样晶体形态结构分析表明共聚物作用效果明显,垢体松散,致密度降低.     

硅酸盐水泥水化动力学模型与试验方法研究进展

水泥水化过程决定水泥基材料强度、耐久性等诸多性能，深入理解水泥水化机理具有重要的科学意义和工程价值。本工作回顾了硅酸盐水泥水化动力学模型的最新研究进展，评述了GEMS热力学计算、HymoStruc3D和CEMHY3D等水化数值模拟方法及其局限性，总结了准弹性中子散射和核磁共振等先进测试手段在研究水泥水化过程中水态演变和孔结构发展中的具体应用，提出了该领域未来研究的趋势和挑战。     

三维CT层间图像超分辨重建与修复

CT图像在疾病诊断、癌症精准放疗阶段发挥着重要的作用.然而,受X射线剂量的限制以及现有医疗设备等因素的影响,三维CT图像成像采样间距较大,层间分辨率远低于层内分辨率.为提高CT图像的层间分辨率,避免因相邻层CT图像之间存在较大差异对超分辨率重建造成干扰,提出一种在相邻CT图像序列切片间利用上下层的配准信息插值出一个新的中间切片,并对插值得到的中间切片进行修复的方法.首先,利用CLG-TV光流估计模型配准算法估计相邻2幅CT图像之间的像素运动,得到一个稠密的光流场,从而获得2个连续切片之间精确的像素对应关系,并依据新切片位置对速度矢量进行缩放;然后,利用计算出的速度场在连续2幅图像之间生成初始插值图像.由于相邻切片之间的像素难以一一对应,插值后的图像通常存在像素缺失现象.最后利用序列图像的帧间非局部自相似性,通过求解最优化问题以修复插值图像中像素丢失的区域.在DIR-Lab实验室和山东省医学影像学研究所提供的数据集上的实验结果表明,与其他经典方法相比,文中方法能够生成高质量的中间CT切片,在定量和定性上提高了层间分辨率.     

基于深度强化学习的多模态医学图像配准

传统图像配准方法中,图像特征的表示和相似性测度的选择易受到人为因素的影响,不能准确地表征图像特征和配准图像的相似度,从而对配准结果产生较大误差.针对此问题,借助端到端的强化学习方法,对这2个部分进行隐式的表达,从而避免人工设计的缺陷.具体而言,设计了一个人工智能体模型,由策略网络和价值网络2部分组成,用以指导浮动图像朝着参考图像的方向正确移动,进而实现图像配准.提出使用异步表演者-评论家方法进行模型训练,以避免经验回放操作,降低模型训练对存储容量的要求并加快模型的收敛;同时提出一种奖赏函数,能够给予每个时间步上图像配准动作估计更为准确的奖励.此外,在测试阶段,使用了蒙特卡罗前向推理策略,进一步提高配准参数的准确性.在MR和CT的临床医学图像配准数据集上进行实验,与传统基于尺度不变性配准算法、基于深度学习配准算法等进行对照分析,实验结果表明,所提出的方法目标配准误差可以减少30%左右,同时能够更好地处理具有大幅度形变的配准问题.     

差分准对立学习多目标蚁狮算法

为解决多目标优化问题，对经典的蚁狮算法进行改进，提出了基于差分进化的准对立学习多目标蚁狮算法（DEQOMALO）。该算法针对蚁狮算法易陷入局部最优的不足，一方面，该算法引用差分进化的思想，充分利用种群和精英蚁狮的信息对原算法中蚂蚁个体的位置更新方式进行改进；另一方面采用反向学习策略对蚂蚁种群进行优化，将原种群个体和其准对立个体进行混合并择优作为新的种群，大大增加种群的多样性。选取典型的标准测试函数，将提出的算法与原始蚁狮算法以及其他传统进化策略优化的蚁狮算法进行比较。实验结果表明，改进算法在收敛性和分布性上均有很大程度的提升，在解决双目标优化问题上具有较好的鲁棒性和有效性。