遥感卫星随遇接入互联网星座和在轨智能处理

低轨互联网星座是当前全球研究和发展的热点,互联网星座支持随遇接入遥感卫星和信息在轨直接处理的应用前景备受期待,但由于轨道高度不同会产生双向高动态异构星座的接入互联问题。首先,通过设定低轨卫星互联网星座在不同轨道特性、不同卫星数量情况下的随遇接入仿真场景,重点探讨了时空非连续可视性和多普勒频移问题对遥感卫星接入性能的影响;其次,基于遥感卫星随遇接入互联网星座场景的特点,分析了不同时延性在轨处理任务的流程及其星地功能分配;最后,对当前在轨智能处理算法存在的问题和未来研究重点进行阐述,为未来低轨互联网星座及遥感卫星的发展和联合组网应用提供可靠的理论支撑。     

凌庄子水厂保水堰流量系数试验

凌庄子水厂蓄水池进水口处有一保水堰,为非标准薄壁堰,不能使用已有堰流公式对其过流量进行准确计算。为了得出较为精确的过流流量,按照重力相似准则制作几何比尺为1∶5的模型进行试验研究。在已有自由出流公式的基础上,对自由出流流量系数进行修正并对淹没情况下流量变化过程进行研究。对该非标准堰自由出流流量系数的实测值与经验值进行分析比较,发现堰板槽降低了实际自由出流过流能力。淹没出流的流量系数主要与下游尾水位有关,试验中形成的淹没式堰流受实际堰型尺寸影响,下游尾水位和堰上水位近似相等,不完全适用已有淹没出流流量公式,通过试验给出了修正淹没系数随h/p的变化关系。结果表明利用堰前、堰后水位初步计算过流流量是可行的,可为该工程提供参考,也可为实际工程中非标准矩形堰的流量计算提供思路。     

浅谈压力铸造的全自动化生产

近年来,国家对制造业的数字化、网络化、智能化越来越重视,特别是《中国制造2025》的发布,更是促进整个制造业向智能制造迈进,铸造行业也应该紧跟步伐。在传统压力铸造行业中压铸机的加料、取件,切边机的上件、下件,加工机床的上件、下件,都是依靠人来完成,大大制约了行业的发展。本文阐述了压力铸造的全自动化生产,为压力铸造行业的转型升级提供借鉴。     

基于大数据深度学习的输电塔结构抗风易损性评估

为了有效预测输电网系统在强风作用下的响应，并开展高效精准的性能评估，文章提出了基于深度学习模型的风致易损性评估框架。以某具备健康监测系统的输电塔结构为例，首先对监测数据进行清洗和重构，通过大数据深度学习建立荷载输入和响应输出的等效映射模型，然后通过数值模拟生成灾害强度均匀的风场数据并由深度学习模型预测输电塔关键杆件响应，计算不同性能水准的易损性曲线。研究结果表明，经训练的深度学习模型可以涵盖实际工程中存在的各类不确定性因素，有效映射复杂风环境下输电塔结构的动力响应。提出的框架方法可以避免单纯通过数值模型制备大量动态响应数据，更高效地进行输电网系统风致易损性评估。     

基于乙酰胆碱酯酶和氧化应激研究海胆酮对阿尔茨海默症的作用机制

海胆酮是一种酮式类胡萝卜素，主要从海胆及藻类等海洋生物中提取。本文研究海胆酮对乙酰胆碱酯酶（acetylcholinesterase，AChE）的抑制作用，应用酶动力学、荧光光谱、圆二色光谱和分子对接技术研究海胆酮对AChE的抑制机理，并用淀粉样β蛋白片段25～35（amyloid beta-peptide 25-35，Aβ25-35）诱导大鼠肾上腺嗜铬细胞瘤细胞（PC12细胞）建立阿尔茨海默症（Alzheimer’s disease，AD）模型，研究海胆酮对AD细胞模型氧化应激损伤的作用。结果表明，海胆酮有很强的AChE抑制活性，其半抑制质量浓度为（16.29±0.97）μg/mL，抑制常数Ki为3.82 μg/mL，表现为竞争性抑制；海胆酮可诱导AChE二级结构改变，更容易与AChE活性中心氨基酸Ser200、His440、Trp84和Tyr121结合，阻碍底物碘代硫代乙酰胆碱（acetylthiocholine iodide，ATCI）与酶结合，从而引起酶活力降低。海胆酮能有效抑制Aβ25-35诱导PC12细胞的AChE活力，降低丙二醛含量，增加超氧化物歧化酶、过氧化氢酶和谷胱甘肽过氧化物酶活力，减轻Aβ25-35诱导的PC12细胞氧化应激损伤。本研究基于AChE和氧化应激阐明了海胆酮对AD的潜在作用机制，为海胆酮在功能食品、生物医药等领域的应用提供了数据支持和理论根据。     

基于信号增强的缓慢泄漏检测方法

目前管道泄漏检测方法可有效检测突发泄漏，对于缓慢泄漏则存在检测灵敏度低、定位不准确等问题。基于此，提出了一种基于信号增强的缓慢泄漏检测方法。通过信号压缩（抽取及移位）克服缓慢泄漏压力信号下降平缓的缺点；根据声波信号具有波形尖锐突出、对突发泄漏敏感的优点，通过建立以压力为输入、虚拟声波为输出的声波信号变送器模型，将压力信号转换为声波信号，克服了泄漏压力信号容易被淹没在管道压力波动及背景噪声中的缺点，实现了缓慢泄漏信号的增强；利用临近插值方法重构虚拟声波信号，基于延时互相关分析实现了缓慢泄漏的准确定位。实验结果表明，该方法具有显著的信号增强效果和定位精度，实现了缓慢泄漏的准确检测。     

基于词法特征的恶意域名快速检测算法

针对互联网中恶意域名攻击事件频发，现有域名检测方法实时性不强的问题，提出一种基于词法特征的恶意域名快速检测算法。该算法根据恶意域名的特点，首先将所有待测域名按照长度进行正则化处理后赋予权值；然后利用聚类算法将待测域名划分成多个小组，并利用改进的堆排序算法按照组内权值总和计算各域名小组优先级，根据优先级降序依次计算各域名小组中每一域名与黑名单上域名之间的编辑距离；最后依据编辑距离值快速判定恶意域名。算法运行结果表明，基于词法特征的恶意域名快速检测算法与单一使用域名语义和单一使用域名词法的恶意域名检测算法相比，准确率分别提高1.7%与2.5%，检测速率分别提高13.9%与6.8%，具有更高的准确率和实时性。     

基于RFID标签阵列的睡眠期间呼吸量连续监测系统

睡眠期间连续且准确的呼吸量监测有助于推断用户的睡眠阶段以及提供一些慢性疾病的线索。现有工作主要针对呼吸频率进行感知和监测,缺乏对呼吸量进行连续监测的手段。针对上述问题提出了一种基于商用无线射频识别(RFID)标签的无线感知用户睡眠期间呼吸量的系统——RF-SLEEP。RF-SLEEP通过阅读器连续收集附着在胸部表面的标签阵列返回的相位值及时间戳数据,计算出呼吸引起的胸部不同点的位移量,基于广义回归神经网络(GRNN)构建胸部不同点的位移量与呼吸量之间的关系模型,从而实现对用户睡眠期间呼吸量的评估。RF-SLEEP通过在用户肩膀处附着双参考标签,消除用户睡眠期间翻转身体对胸部位移计算造成的误差。实验结果表明,RFSLEEP对不同用户睡眠期间的呼吸量连续监测的平均精确度为92.49%。     

两阶段领域自适应学习

针对领域自适应问题中源域和目标域的联合分布差异最小化问题,提出两阶段领域自适应学习方法.在第一阶段考虑样本标签和数据结构的判别信息,通过学习一个共享投影变换,使投影后的共享空间中边缘分布的差异最小.第二阶段利用源域标记数据和目标域非标记数据学习一个带结构风险的自适应分类器,不仅能最小化源域和目标域条件分布差异,还能进一步保持源域和目标域边缘分布的流形一致性.在3个基准数据集上的实验表明,文中方法在平均分类准确率和Kappa系数两项评价指标上均表现较优.