乙醇浓度预测的多元线性回归模型建立及验证

设计了由光源、气室、探测器和控制器等组成的非分散红外吸收系统，往气室内通入不同浓度的多组分气体（含有乙醇、二氧化碳和水蒸气），采用红外光谱仪进行光谱数据采集，得到多组分气体混合光谱图。根据数据集样本求解回归系数，建立了多元线性回归模型，并进行干扰修正以降低二氧化碳和水蒸气对乙醇浓度预测的影响。对建立的多元线性回归模型进行评价，结果表明:模型真实有效且具有良好的线性回归效果，可以用于预测气体浓度，乙醇、二氧化碳和水蒸气浓度预测误差均在可接受的范围之内，其中乙醇浓度预测误差最小，不超过2.0×10-4。通过干扰修正尽可能排除二氧化碳和水蒸气的干扰，能够较准确地预测乙醇浓度。     

基于模态局部化的可调式压电驱动谐振质量传感器的设计

该文提出了一种基于模态局部化现象来检测外部质量扰动的可调式压电驱动谐振质量传感器,质量传感器的检测结构由两个不同长度的悬臂梁通过机械耦合梁连接。首先利用哈密顿原理对压电驱动下的非对称谐振元件进行理论建模,采用伽辽金方法求解,得到前两阶模态下的振动特性;理论求解所得固有频率与COMSOL仿真分析、实验数据基本一致。实验研究表明,无调谐质量的谐振器检测范围为2~10 mg,添加调谐质量后的谐振器检测范围提高至1~13 mg,质量检测的分辨率也得到优化。此外,对传感器的结构进行非线性分析研究发现,超谐振动下的谐振器检测灵敏度提升了80%,这为非线性谐振传感器的设计提供了基础。     

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。     

基于光谱尺度空间与管道滤波的红外目标检测

为了准确地从复杂干扰背景下检测出真实弱小目标，本文引入视觉显著性，设计了基于快速光谱尺度空间与动态管道滤波的红外目标检测算法。基于真实目标与背景内容之间的整体差异，引入快速光谱尺度空间与阈值分割技术，设计视觉显著性机制，对红外图像完成处理，输出全局显著性映射，以高效过滤干扰背景内容。考虑目标与背景的局部特征差异，构建自适应局部对比度增强机制，对粗检测结果实施处理，获取对应的局部显著性映射，改善视觉显著性区域内目标的对比度。引入高斯差分理论，通过估算每一帧红外图像中的目标像素直径，形成动态管道滤波，充分消除虚警，准确识别出弱小目标。多组实验数据显示：较已有的红外目标检测技术而言，在各种不同的复杂背景干扰下，所提算法呈现出更好的检测能力，拥有更理想的接收机工作特性ROC曲线。     

氰化浸出工艺中浸出槽串浆管径的选择

<正>氰化浸出提取金银是目前国内外处理金银矿物的常用方法。氰化法提金工艺成熟,技术经济指标较理想。浸出槽是氰化浸出工艺中浸出反应的主要设备,但对浸出槽串浆管径的研究却很少。笔者就串浆管径的选择进行分析,以供氰化厂设计浸出槽时作参考。1浸出槽串浆管径的计算1.1影响因素计算串浆管径时,需要考虑以下3个方面的因素:(1)总水头,促使流动发生的动力;(2)管道阻力损失,包括沿程阻力损失和局部阻力损失;     

风力发电机组全功率试验台搭建及应用

为了降低风力发电机组现场调试的高成本和高风险,在车间完成对机组整机性能的测试,采用数字仿真模型与全功率拖动平台联合实时测试的方法搭建了风力发电机组全功率试验平台.其中,数字仿真模型使用基于多体动力学的线性变参数(LPV)建模方法对叶片以及塔架等柔性部件进行详细建模,采用仿真计算出的高精度模拟信号作为系统的输入;拖动平台采用伺服拖动系统模拟风轮的气动输入作为系统的执行机构.测试表明,该试验平台能够在不增加复杂装置的情况下,将叶片模态以及塔架模态纳入到测试系统中,使测试结果更加接近现场实际情况,保证机组装机后安全稳定的运行.     

人体步态差异性的参数化辨识方法及应用

通过对下肢3 个关节步态曲线建立具有共性控制点的数学模型,提出了以个体的局部形状参数作为区别同一关节中不同曲线的方法.实验采用Perception Neuron 动作捕捉系统,对正常组10 名健康男性青年,验证组2 名健康和3 名处于不同康复期的右腿踝关节损伤男性青年在正常步速下的步态数据进行实验测量以获得髋关节、膝关节和踝关节的上下位移轨迹曲线,并计算得出正常组步态曲线的局部形状参数作为判别步态正常与否的参考调整范围.经分析,验证组中健康被试者的局部形状参数大多属于该范围,而恢复较差的病人参数大多超出该范围,表明该参数化方法可有效辨别步态曲线差异,此外还可对康复评价的方法提供依据.