高精度恒温水供水装置的研制

本文介绍的是一种能为焓差实验室、电热水器性能测试台等实验室提供5~70℃、误差不超过±0.2℃的高精度恒温水供水装置的研制思路。该装置通过变频压缩机、热气旁通阀、可控硅等智能化控制,来实现冷量和供水温度的灵活快速的调节。经实际测试,该供水系统各项参数均能达到各类制冷系统实验室所需要求。     

Knothe时间函数参数影响分析及其求参模型研究

对Knothe时间函数参数的影响进行了分析,在Knothe时间函数未达到收敛以前,对于同一时间点而言,c值越小,Knothe时间函数值也越小,c值越大,Knothe时间函数取值也相对越大,特别是在t∈[0,0.2]时,不同的参数对Knothe时间函数值影响较大。根据开采沉陷地表移动变形的一般规律和采空区达到充分采动时的尺寸,建立了一种新的Knothe时间函数求参模型——概率积分求参法。通过对比分析平安煤矿、富力煤矿和孙村煤矿的实测c值与采用该模型的计算c值,验证了该模型的正确性;并以29401工作面上方走向观测线的多期实测下沉数据为例,对该模型进行了实例应用,通过对比分析实测数据和预测结果,进一步证实了本文所建立的Knothe时间函数求参模型的实用性和可靠性。     

子结构法在带裙楼的高层建筑共同作用分析中的应用

在普通建筑结构、基础与地基共同作用分析的基础上,对带裙楼高层建筑的子结构法进行了研究,并证明了带裙楼的高层建筑,组合后的基础子结构刚度大于叠加后的基础子结构刚度,为此类结构型式的基础联合设计方案提供了可行性的理论依据。     

基于随机森林算法的叠前流体识别

虽然叠前反演技术能够获得多种流体识别因子,但是仅利用单一的流体识别因子进行储层预测通常会带来多解性问题。目前根据多种流体识别因子对储层进行综合解释已成为一种新的趋势,但大部分方法对专家及其经验存在较强的依赖。鉴于此,将随机森林算法引入储层流体识别。首先基于测井数据优选输入特征(流体识别因子),并分别研究输入特征数量和不同特征组合对算法预测结果的影响;然后利用该算法对输入特征与井中储层信息之间的非线性关系进行学习;最后根据学习结果对储层进行综合判别,实现多种流体识别因子的综合利用。该算法削弱了单一流体识别因子所引起的多解性,提高了储层流体识别的精度与可靠性。应用实例表明,通过随机森林算法对5种流体识别因子与井中储层信息进行综合学习,达到了对含气储层和含水储层进行准确识别的目的。     

基于AMN11111的无线安防节点设计

针对安全防卫系统的实际需求,从节点的可靠性、灵活性、低功耗和低成本等方面综合考虑,研制了以被动式热释电红外探测器AMN11111为核心的无线安防节点.该节点可实现自组网、体积小、成本低,便于布置安装,实践中证明其具有误报率低和抗干扰能力强等特点.     

基于模糊数学的高校教学质量评价

针对高校教师教学评价中评价对象属性的模糊性,利用统计学中的模糊数学评价方法时教师教学评价中的评价指标进行阐述,构建了高校教师教学质量的模糊多级综合评价模型,并以某教师的评价实例来进行实证研究。     

氨基硅烷化环氧大豆油基水性聚氨酯的制备及性能表征

使用3-氨基丙基三乙氧基硅烷(APTES)与环氧大豆油(ESO)制备了氨基硅烷化环氧大豆油(AESO)。以异佛尔酮二异氰酸酯(IPDI)、二羟甲基丙酸(DMPA)、AESO为多元醇,采用一步法合成了氨基硅烷化环氧大豆油基水性聚氨酯(AWPU)。使用傅里叶变换红外光谱(FTIR)分别确认了AESO和AWPU膜的化学结构。随着AESO含量增高,乳液的粒径逐渐增大,固化膜的凝胶率、水接触角、耐水性增强。热重分析(TGA)显示了固化膜的热稳定性随AESO含量增加而提高。     

基于多任务联合判别稀疏表示的人脸识别

针对人脸识别中由于姿态、光照及噪声等影响造成的识别率不高的问题,提出一种基于多任务联合判别稀疏表示的人脸识别方法。首先提取人脸的局部二值特征,并基于多个特征建立一个联合分类误差与表示误差的过完备字典学习目标函数。然后,使用一种多任务联合判别字典学习方法,将多任务联合判别字典与最优线性分类器参数联合学习,得到具有良好表征和鉴别能力的字典及相应的分类器,进而提高人脸识别效果。实验结果表明,所提方法相比其他稀疏人脸识别方法具有更好的识别性能。     

不同灌溉水质对土壤和夏玉米多环芳烃含量影响研究

为明确再生水灌溉对土壤和夏玉米多环芳烃PAHs含量的影响,2015年在通州布置了灌溉试验,包括再生水、清水和交替灌溉3种处理试验,利用气相色谱-质谱仪检测了土壤和夏玉米籽粒中16种PAHs含量。研究结果显示表层土壤PAHs总量为0.20~0.21 mg/kg,不同灌溉处理间土壤PAHs总量没有显著差异(p0.05)。土样PAHs各检测组分以菲(Phe)含量最高,占PAHs总量19.63%~20.37%;其次为苯并(b)荧蒽(Bb F)、荧蒽(Fth)和苯并(g,h,i)苝(BghiP),分别占PAHs总量的15.75%~16.45%、8.87%~10.34%、8.0%~9.13%。3种处理表层土壤PAHs含量低于荷兰土壤质量标准。夏玉米籽粒PAHs总量为0.08~0.20 mg/kg,同一夏玉米品种不同灌溉处理下玉米籽粒PAHs总量无显著差异(p0.05)。夏玉米籽粒(粘玉米除外)PAHs主要组分为萘(Nap)、Phe和BghiP,含量分别为13.74~71.80、20.76~44.39和0.40~49.92μg/kg。夏玉米籽粒苯并(a)芘Ba P含量低于食品中粮食作物污染物限量规定限值。