磁性金属有机骨架材料Fe3O4@ZIF-7的制备及其吸附性能的研究

对染料的吸附一直都是人们研究、关注的热点.通过水热合成法制备Fe3O4@ZIF-7复合材料,使之作为吸附剂对孔雀石绿溶液进行吸附.通过紫外可见分光光度计测定,以吸附量为评价指标,考察了其对孔雀石绿的吸附能力.采用扫描电镜和能谱分析等手段对Fe3O4@ZIF-7材料进行了表征,确定合成材料为质地均匀、表面多孔的磁性纳米材料.结果表明:当振荡时间是90 min,pH为3,吸附剂用量为4 mg时,Fe3O4@ZIF-7材料对孔雀石绿溶液的吸附效果最好,表明其对该溶液有良好的吸附效果.     

磁性金属有机骨架材料FeMPC的制备及其吸附性能研究

首先采用水热合成法制备金属有机骨架材料MIL-101(Fe),然后通过煅烧MIL-101(Fe)制备磁性金属有机骨架材料FeMPC,并用于吸附染料废水中的亚甲基蓝。使用扫描电镜、透射电镜、红外光谱等对制备的材料进行表征,考察FeMPC用量、振荡时间、pH等因素对吸附性能的影响。实验结果表明：当FeMPC用量为25 mg、振荡时间为70 min、溶液pH为8时,FeMPC对亚甲基蓝的吸附效果较好,吸附量为15.24 mg/g,吸附率为84.69%,材料重复使用次数不超过5次时能保持一定的吸附效果;FeMPC对亚甲基蓝的等温吸附符合Langmuir模型,吸附过程符合准二级动力学模型,属于化学吸附。     

层次支持向量机在数字电路故障诊断中的应用

针对在数字电路故障诊断过程中存在的样本不平衡度严重的问题,采用层次式支持向量机实现对其故障诊断,通过考虑各类样本的数据量来构造以支持向量为叶节点的树,该方法可有效地解决样本不平衡所带来的问题,同时能够减少计算SVM分类器的个数,提高了训练和诊断速度及准确率.针对故障样本集不可能覆盖所有故障状态而出现的未知故障状态的问题...     

基于改进SVM-RFE的特征选择方法研究

SVM-RFE特征选择算法是一种有效的特征选择方法,具有较高的应用价值。针对传统SVM-RFE特征选择算法中SVM参数(γ和C)难以确定的问题,本文采用粒子群算法搜索SVM的参数。然后将特征向量映射到SVM参数γ确定的核空间中并进行特征选择,有效地将特征选择与SVM分类器设计关联起来。仿真结果表明,特征选择后的数据集仍能保证SVM分类器具有较高的分类正确率。     

基于ARM9的轴角测量系统设计

介绍了轴角测量系统的原理,设计采用了高速32位ARM9微处理器S3C2440A为核心,以自整角机作为传感元件,通过ARM9自带的A/D转换器,实现了轴角信息的采集和模数转换;软件平台采用Windows CE嵌入式操作系统,利用EVC完成了应用程序的开发,并给出了软件流程图;在分析其误差来源的基础上可知,测量误差可控制在±1mil,系统精度完全满足设计需求;该设计体积小巧、接口灵活,可扩展性强.     

柴油发电机组闭环辨识仿真研究

为进行柴油机模型的辨识试验，在分析柴油发电机组闭环可辨识性基础上，对6135柴油发电机组模型在闭环条件、以常规信号为激励情况下的最小二乘辨识方法进行了仿真研究．分析了辨识序列长度、噪声和激励信号对辨识结果的影响．仿真结果表明以常规信号作为激励的闭环辨识在现实试验中的可行性．     

基于改进遗传算法的支持向量机参数优化

支持向量机是一种非常有前景的学习机器,但是,支持向量机参数的选取一直没有一套成熟的理论,这给支持向量机的应用带来了很大的不便.为此,本文提出了基于改进遗传算法的支持向量机的参数优化方法,利用遗传算法的全局搜索能力得到支持向量机的最优参数值.仿真实验结果表明,得到的参数可使支持向量机具有良好的泛化性能,此方法切实有效.     

基于单目视觉的火炮身管指向静态测量

为解决自行高炮(SPAAG)火控系统精度测试过程中身管指向测量这一难点问题,提出了一种基于单目视觉的非接触直接测量方法。将棋盘状平面模板作为标志物固定到火炮身管上,使之位于相机视场范围内,测量身管在任一位置的高低角与方位角。首先利用Harris角点检测方法提取到角点坐标,进行相机成像模型的解算(相机标定),得到相机的内参。然后根据多点透视（PnP）问题解的稳定性,结合最小二乘拟合算法得到相应位置的外参矩阵。最终根据身管的运动模型以及标志物与之的相对位置解算出身管的两个指向角。仿真和实验均验证了该方法的可操作性和准确性。     

基于蚁群支持向量机的模拟电路故障诊断

针对人为选择支持向量机参数的随机性和盲目性,将蚁群算法的全局收敛和并行计算的特点引入到支持向量机参数的优化中,建立了基于蚁群算法优化支持向量机参数的模型,使两种算法的优点有机结合,通过对支持向量机的惩罚因子和核函数参数进行优化,使支持向量机分类效果达到最好,并与遗传支持向量机模型比较,结果表明:蚁群算法优化支持向量机参...     

基于改进遗传算法的支持向量机特征选择

针对支持向量机在分类过程中的特征选择问题，提出了一种改进的遗传算法，在演化进程中运用Meteopolis准则通过合理选群来防止进化陷入局部极值区域。最后针对UCI数据库中的数据，通过将该算法与其他几种方法进行了比较，证明了本文算法具有较优的特征选择效果，并已成功应用在基于支持向量机的数字电路板故障诊断中。