基于代谢组学的不同年份晒青红茶化学成分分析

为探究红茶在贮藏过程中化学成分的变化规律,以贮藏时间为0、1、3 a和4 a的晒青红茶为代表样品,采用基于超高效液相色谱-四极杆轨道阱质谱的代谢组学方法对其研究.结果表明,在不同年份晒青红茶中共鉴定出82种化合物,包括儿茶素类6种、二聚儿茶素类9种、氨基酸类5种、生物碱类8种、酚酸类8种、有机酸类3种、香气糖苷类2种、...     

基于小波有限元的悬臂梁裂纹遗传优化辨识

利用小波有限元法求解了裂纹悬臂梁的前三阶固有频率,并将其拟合成以裂纹位置和深度作为变量的频响函数曲面。将裂纹识别中的匹配追踪问题转化为多维优化问题,以实测固有频率作为输入,利用遗传算法寻优求解出与输入值相差最小的样本点,进而预测出裂纹的位置和深度。试验研究表明,所提出的裂纹识别方法具有较好的精度和鲁棒性,且易于推广到诸如转子、叶片等复杂结构的裂纹监测诊断场合。     

机械结构冲击载荷稀疏识别方法研究

冲击载荷识别在结构健康监测、动力学优化设计、铣削力测量等领域扮演重要角色。然而,现有的基于L2范数的冲击载荷识别正则化方法在识别精度、稳定性、计算效率、参数选取等方面均存在瓶颈和局限。近年来兴起的稀疏正则化理论为冲击载荷识别提供了一种新的探索途径。充分利用冲击载荷在时域内稀疏的先验信息,提出冲击载荷稀疏识别新方法,通过最小化L1罚函数项取代传统的最小化L2罚函数项,建立基于L1范数的稀疏识别正则化模型,突破基于L2范数的冲击载荷识别方法精度低的瓶颈。基于L1范数的稀疏识别方法与基于L2范数的Tikhonov正则化方法在机械结构单源和多源冲击载荷识别中进行了对比。薄板结构冲击载荷识别试验表明:基于L1范数的正则化解在时域内非常稀疏,冲击载荷非加载区噪声被极大地抑制;稀疏识别方法在重构冲击载荷时间历程、稳定性和计算效率方面均优于传统的Tikhonov方法。     

航空发动机轮盘模拟件裂纹预制分析与试验研究

航空事故数据显示,航空发动机轮盘运行可靠性已成为飞行安全的决定性因素之一,及时有效的发现并排除轮盘结构缺陷有着非常重大的实际价值。为了给轮盘损伤识别研究提供必要基础,提出一种可行的轮盘结构裂纹预制方法。为此,首先对轮盘模拟件中V型缺口根部应力奇异性分布特征进行了理论分析;其次,根据载荷条件和几何特征提出载荷等效方法,并进行了应力状态及疲劳分析。为了验证所提裂纹预制方法的可行性,对预制模型进行疲劳试验研究。试验结果显示,相应位置处x方向应力和疲劳循环载荷次数相对误差约为2.7%和12.7%。同时证实所采取的裂纹预制与相应数值分析方法可以应用于航空发动机轮盘损伤识别方法的研究中。     

超级电容器隔膜及其研究进展

超级电容器以其独有的性能特点在储能装置方面得到深入研究和广泛关注。隔膜作为超级电容器的关键材料,其性能直接影响超级电容器的比功率、比容量以及循环寿命。本文综述了隔膜在超级电容器中的作用,深入分析了隔膜对超级电容器电性能的影响机理,分别介绍了目前主要隔膜产品的制备及优缺点,并对其发展趋势进行了展望。     

机械重大装备寿命预测综述

寿命预测理论是机械零件与装备安全服役的关键基础,也是现代机械设计与制造必须涵盖的重要方面.机械重大装备寿命预测技术对国民经济发展和国防建设具有重要意义.在过去近一个世纪与失效事故的斗争中,人类通过对诸如飞行器、舰船、车辆、发电机组等机械重大装备的研究,建立了基于力学的寿命预测理论、基于概率统计的寿命预测理论以及基于信息新技术的寿命预测理论等学科分支.针对机械重大装备寿命预测研究方法的特点和应用状况,综述国内外相关文献的研究现状,总结当前机械重大装备寿命预测研究的热点与成就,归纳当前机械重大装备寿命预测研究在理论建模与试验中存在的若干问题,分析机械重大装备寿命预测具有理论建模难、试验验证难以及数据积累分析难的特点,为今后进行深入的寿命预测研究提供可以借鉴的研究方向.     

胺化苹果渣纤维素的制备及其表征

以苹果渣纤维素为原料,对其进行胺化改性,以期获得具有良好功能特性的材料。以产品中氮元素增加量(%)为指标,通过单因素和正交试验对乙二胺体积分数、反应温度、反应时间、NaHCO₃添加量等因素进行优化。结果表明,胺化苹果渣纤维素的最佳制备工艺为：乙二胺体积分数25%,反应温度75℃,反应时间7.5 h, NaHCO₃添加量3.0 g,此条件下,产品中氮元素增加量为1.34%。表征结果表明,—NH₂成功被引入苹果渣纤维素分子中;改性后苹果渣纤维素的结晶度降低,且晶型不再是典型的纤维素Ⅱ型;产品表面粗糙,结构疏松多孔。研究结果表明苹果渣纤维素成功被胺基化修饰。     

基于分层对齐迁移学习的锂离子电池容量估计北大核心CSCD

精准的容量估计对锂离子电池健康管理和预测性维护具有重要意义。近年来,数据驱动的方法被广泛应用于锂离子电池容量估计,然而现有的数据驱动方法大多假设训练和测试数据服从相同分布,当此假设不满足时,模型的预测精度快速下降。现有的基于迁移学习的锂离子电池容量估计方法旨在对齐源域和目标域的整体分布,而忽略了不同层内的特征的可迁移性。针对以上问题,研究了深度迁移学习方法不同层之间的特征可迁移属性,提出了基于分层对齐迁移学习(hierarchical alignment transfer learning,HATL)的锂离子电池容量估计方法。首先,构建了一个基于卷积神经网络的特征提取器,考虑不同层特征的可迁移性,对不同层特征施加最大均值差异约束和通道注意力一致性约束,使得特征提取器从源域和目标域提取到的特征相似且模型更加关注域不变特征;然后,特征经过一个预测器得到容量估计值。在公开的锂电池数据集上进行充分验证,并与其他方法进行对比,结果表明,本文所提的HATL方法具有更高的估计精度,明显优于其他方法。证明了迁移学习方法在跨工况容量估计任务中的有效性和优越性。     

郓城电网自动抄表系统设计

自动抄表技术是电力系统抄表的发展方向。本文论述了郓城电网自动抄表技术的现状,针对变电站、工业大用户、居民用户等的不同特点,提出了不同的自动抄表系统的设计方法。对电力系统自动抄表系统的设计有一定的参考价值。     

自适应频谱塑形主动控制及舰艇领域应用研究进展

舰艇的隐身性能是其重要的性能指标和战术指标.吸振隔振等被动控制技术在舰艇减振降噪领域得到了广泛的应用,但依然无法满足舰艇对声隐身性的需求,因此,开展舰艇的振动与噪声主动控制研究意义重大.频谱塑形主动控制可以通过改变辐射噪声特征的方式对舰艇进行变特性声隐身.介绍了频谱塑形主动控制的内涵,根据自适应频谱塑形主动控制理论的发...