基于包装功能的时间–温度指示器与食品新鲜度指示器研究进展

目的 从包装功能实现的角度分析研究时间–温度指示器和食品新鲜度指示器的原理、类型与发展趋势，指出开发设计时间–温度指示器和食品新鲜度指示器应完成的包装功能，为有效实现包装交流功能提供研究思路和技术支持。方法 列出现有食品包装功能在物理环境、周围环境和人类环境下的实现矩阵，通过研究时间–温度指示器和食品新鲜度指示器的实现原理和所满足的包装交流功能，探讨这2种技术提高矩阵中分值较低元素的可行性。结果 时间–温度指示器监测食品所经历的时间、温度的完整历程，有助于提高实现矩阵中ComA元素的分值;食品新鲜度指示器提供生理变化或微生物生长引起的食品质量变化的定性或半定量信息，有助于提高实现矩阵中ComH元素的分值。结论 时间–温度指示器和食品新鲜度指示器能够有效提升食品包装的交流功能，保证消费者安全，减少资源浪费，具有广阔的发展前景。     

成型温度对PBX装药内部质量及性能的影响

针对压制成型的PBX炸药装药，选择CT无损检测、巴西实验和扫描电镜检测等技术，对比研究了室温和加热两种温度下压制成型的炸药装药内部质量、静态力学性能和细观破坏形式。结果表明，加热压制有利于改善炸药装药的内部质量，可避免产生初始损伤，且提高了装药的力学性能。细观尺度上，室温压制成型的装药主要发生界面脱黏破坏，加热压制成型装药的主要破坏形式是穿晶断裂。     

基于超声导波SC-DTW的金属板微损检测方法

针对金属板材的质量控制与服役性能评估问题,在对金属板材微损伤进行超声导波检测的基础上,结合形状上下文(shape context,SC)与动态时间规整方法对其损伤劣化程度进行量化评估.该方法以无损Lamb波信号为基准,采用动态时间规划(dynamic time warping,DWT)算法对损伤信号进行相似匹配分析对比,确定基准信号与损伤信号的最佳匹配路径.引入SC的轮廓识别方法对Lamb波的局部波形信息进行统计分析,以波形形状距离代替传统欧氏距离匹配方法,解决DTW相似匹配中的病态对齐问题.最后,将无损Lamb波与损伤Lamb波信号间SC-DTW匹配距离作为损伤程度的量化指标,采用随机闭合裂纹的有限元仿真模型和铝板弯折实验对所提出方法进行验证,结果表明,基于Lamb波SC-DTW的损伤量化指数对铝板早期裂纹具有较高的敏感性和较好的量化表征能力.该方法无需对波包进行识别,也不必进行复杂的特征提取,具有简单高效和抗噪声能力强等优点,在金属板服役性能评估与质量控制中有较好的实用性和推广价值.     

基于Hadoop的气象数据分布式存储技术研究

针对目前气象数据存储所面临的海量扩张、高并发读写、结构化和非结构化数据并存以及长时间序列和大数据集检索效率低下等问题,提出了以Hadoop开源框架为基础的气象数据分布式存储方案。通过对气象数据自身属性和特点进行分析,得出了气象数据在经过充分优化的基础上,在分布式存储框架中具有很强的适应性和规模化应用的潜力;并在HBase数据库中的Row Key设计和小文件合并策略方面做了创新。最后针对气象数据中广泛存在的结构化和非结构化这两种主要数据类型,以自动气象站数据和雷达产品数据为具体实例,给出了详细的设计思路和实现方法。     

5G核心网业务模型的智能化预测研究

摘 要：核心网业务模型的建立是5G网络容量规划和网络建设的基础，通过现有方法得到的理论业务模型是静态不可变的且与实际网络存在偏离。为了克服现有5G核心网业务模型与现网模型适配性较差以及规划设备无法满足用户实际业务需求的问题，提出了一种长短期记忆（long short-term memory，LSTM）网络与卷积LSTM （convolution LSTM，ConvLSTM）网络双通道融合的 5G 核心网业务模型预测方法。该方法基于人工智能（artificial intelligence，AI）技术以实现高质量的核心网业务模型的智能预测，形成数据反馈闭环，实现网络自优化调整，助力网络智能化建设。     

基于卷积神经网络的5G蜂窝网络无线定位方法

5G蜂窝网络发展迅猛，其覆盖面积将逐渐增大，因此使用5G蜂窝网络进行定位是有研究潜力的研究方向。本文提出一种新的深度学习技术来实现高效、高精度和低占用的定位，以代替传统指纹定位过程中繁重的指纹库生成以及距离计算。该方法建立了一个特殊的卷积神经网络，并根据5G天线信号的接收信号强度指示、相位和到达角等特征量，选择合适的输入数据格式构造样本组建训练集，对该卷积神经网络进行训练。训练得到的卷积神经网络可以替代指纹定位中的庞大指纹库，非常有利于直接在5G移动设备端实现定位。虽然卷积神经网络在训练过程中需要大量时间，但在训练完毕后直接进行分类定位的速度非常快，可以保障定位实现的实时性。本文所实现的卷积神经网络权重与偏置所占内存不到0.5 MB，且能够在实际应用环境中以95%的定位准确率以及0.1 m的平均定位精度实现高精度定位。     

基于改进灰狼优化算法的服务功能链映射算法

随着工业互联网、车联网、元宇宙等新型互联网应用的兴起，网络的低时延、可靠性、安全性、确定性等方面的需求正面临严峻挑战。采用网络功能虚拟化技术在虚拟网络部署过程中，存在服务功能链映射效率低与部署资源开销大等问题，联合考虑节点激活成本、实例化开销，以最小化平均部署网络成本为优化目标建立了整数线性规划模型，提出基于改进灰狼优化算法的服务功能链映射（improved grey wolf optimization based service function chain mapping，IMGWO-SFCM）算法。该算法在标准灰狼优化算法基础上添加了基于无环K最短路径（K shortest path，KSP）问题算法的映射方案搜索、映射方案编码以及基于反向学习与非线性收敛改进三大策略，较好地平衡了其全局搜索及局部搜索能力，实现服务功能链映射方案的快速确定。仿真结果显示，该算法在保证更高的服务功能链请求接受率下，相较于对比算法降低了11.86%的平均部署网络成本。     

下扬子地区下志留统风暴沉积特征及风暴作用对泥页岩品质的影响

近年来在下扬子地区页岩气地质调查井所获取的地层岩心资料，揭示该地区下志留统风暴沉积较为发育。基于精细的岩心观察描述，详细分析了下扬子地区下志留统高家边组下段中上部风暴沉积的特征，并阐明了风暴作用对泥页岩的影响。研究表明：研究区风暴岩岩性偏细，以粉砂岩为主，石英含量较高，结构成熟度较低，具2种不同的粒度概率曲线；主要发育底部冲刷面、块状层理、平行层理、丘状交错层理、波纹交错层理、准同生变形构造等沉积构造；垂向上主要识别出4种风暴沉积序列，均具有从底到顶粒度变细的沉积特征，不同的沉积序列与风暴流能量的强弱有关。下扬子地区早志留世频繁的风暴活动与研究区的古地理背景和古气候条件具有内在联系。特大型风暴对浅海陆棚深水区的细粒泥质沉积物特征产生重要影响，包括降低有机质含量、减少单层厚度、破坏垂向连续性、改变原始沉积构造和侧向稳定性等，总体上降低了泥页岩的品质。因此，研究认为在页岩气的勘探和评价过程中应重视风暴因素对陆棚深水区原始泥质沉积物的影响。