再生胶印羊羔绒面料的制备

面丝采用33.3 tex/576 F DTY(300 D/576 F DTY)再生丝，圆孔，S+Z捻，底丝采用原生丝16.7 tex/288 F DTY (150 D/288 F DTY),在大圆机上织成不同比例(再生/原生75/25、50/50、25/75)的羊羔绒坯布。采用胶印工艺增加了面料的立体花型效果。介绍了原料选择和编织、后整理工序的技术特点，并对面料进行性能测试，分析不同再生比例面料的工艺特点。所制面料既符合环保理念，又具有清晰、立体、层次感强的花型效果，同时柔软、蓬松、保暖，可广泛应用于家居用服装和毯子面料。     

利用Mathematica求解正轴圆锥投影的标准纬度

针对不同投影条件下的正轴圆锥投影标准纬度求解过程中遇到的数值迭代问题，借助 Mathematica 中的 FindRoot 函数，对涉及超越方程的标准纬度进行计算，得到了相应的数值解。 结果表明，利用 Mathematica 对不同正圆锥投影的标准纬度进行计算，求解过程简单、计算效率高且精度满足要求。     

减水剂类型对赤泥—矿渣基地聚物注浆材料性能的影响及机理研究

针对赤泥等固体废弃物对环境危害性大且利用率低等问题,以碱激发赤泥-矿渣基地聚物注浆材料为 研究对象,研究了不同掺量的聚羧酸(PA)减水剂、醛酮缩合物(AKC)减水剂和萘系(N)减水剂对材料凝结时间、流动 性及强度等的影响,并通过 XRD、傅里叶红外光谱及 SEM 等设备对减水剂的作用机理进行研究。 结果表明:减水剂增 强了材料的流动性但降低了材料的剪切应力;N 和 PA 减水剂能缩短材料的凝结时间,但 AKC 减水剂会延长材料的凝 结时间;N 和 AKC 减水剂能提高材料的强度,但 PA 减水剂会降低材料的强度;N 减水剂对材料的综合性能提升效果 更加明显,其最优掺量为 0. 7%;减水剂对赤泥-矿渣基地聚物性能提升的作用机理主要是促进地聚合物凝胶的形成。 研究成果为拓展赤泥在工程上的使用途径和效率提供了理论指导。     

PVDF压电纤维仿生柔性传感器水下传感特性研究

感知器官对于许多动物必不可少,尤其是生活在水下的生物。该文以聚偏二氟乙烯(PVDF)为材料,模仿水生动物海豹的触须设计制备了一种表面四电极PVDF压电纤维仿生柔性传感器。利用激振源测试所制备的传感器性能,包括输出不同的波形测试对不同激励的感知,对水动力的感知及对水下运动物体方向的感知。实验结果表明,该传感器对不同激励的感知性能很好,速度检测极限可达0.15 mm/s,且有良好的方向性检测能力,对水下情况感知的应用前景广。     

针对细微特征进行K-means聚类的电台分选识别技术

现代战场中的无线通信设备日益增多，精准获取个体信息已成为研究热点，但也是难点。针对通信电台，提出了一种分选识别技术。该技术从电台物理层特性出发，对其辐射信号的细微特征进行K-means聚类以实现分选，分选的同时提取各个个体的特征属性值，未知信号通过与特征属性值相关运算实现个体识别。该技术无需先验知识，无需训练运算，通过实验验证，其可行、高效，易于工程实现。     

机器学习理论的超光谱遥感图像无损压缩

针对一般超光谱遥感图像的压缩方法无法同时实现图像信息缩减和图像完整性的问题，提出一种机器学习理论的超光谱遥感图像无损压缩方法。利用机器学习中的聚类算法进行第一次压缩，减少超光谱遥感图像中的冗余波段光谱，并降低图像维度；再利用机器学习中的人工神经网络进行第二次压缩，将不同图像子块送入不同压缩率的神经元当中，通过隐含层自主完成图像压缩编码。通过与四种一般压缩方法的对比验证，本方法图像压缩后，图像压缩率更小，图像分辨率和信息熵更高，既有效地减少了图像信息量，能够保留有效关键信息，达到了图像信息缩减和图像完整性的双重目标。     

超高效液相色谱⁃四极杆⁃飞行时间质谱对含PET食品接触材料中可迁移非挥发性物质的筛查研究

采用超高效液相色谱⁃四极杆⁃飞行时间高分辨质谱（UPLC⁃Q⁃TOF）对4类不同类型的含聚对苯二甲酸乙二醇酯（PET）材质的食品接触材料在4 %乙酸和50 %乙醇模拟物中的迁移出的非挥发性未知物进行筛查解析。结果表明，产品在4 %乙酸模拟物的迁移风险远小于50 %乙醇模拟物，主要迁移物质为聚合单体形成的寡聚物，抗氧剂、润滑剂、胶黏剂等加工助剂以及生产加工、迁移过程中形成的非有意添加物（NIAS）物质；纯PET材质的产品迁移物质较少，多层复合材料迁移物质较多。复合材质的产品中，PET材质可能在生产时添加了己二酸、癸二酸、新戊二醇等物质，进行了改性处理；此外，部分迁移物质会与模拟物中的乙醇发生反应，生成新的NIAS物质。     

纸质简谱图像的分割、倾斜校正及音符歌词提取

乐谱图像的自动分割、倾斜校正是乐谱识别过程中的关键技术,各种计算机光学乐谱识别技术在乐谱图像的数字化中有着广泛的应用,但对于乐谱中简谱的识别一直鲜有研究.本文针对人工拍摄条件下光照不理想的简谱图像,提出一种基于PCNN(脉冲耦合神经网络)和DNN(深度神经网络)相结合的分块简谱图像自动分割算法,该方法根据简谱图像灰度分布特征对图像进行自适应分块处理,依据每个分块的灰度特征与PCNN最佳迭代次数之间的关系构造合适的DNN神经网络,从而实现了最优分割图的自适应选取;进一步利用最优分割图像中音符小节线的水平投影,提出一种双尺度下降法实现了简谱图像的倾斜校正;提出去边垂直投影法和连通域距离判断法实现了简谱图像中音符及歌词的提取.实验仿真结果表明:本文算法对复杂光照条件下的简谱图像处理都具有较好的鲁棒性,同时表现出更高的效率.