基于三电平逆变的开关磁阻发电系统的研究

新型开关磁阻发电机具有发电容量大、效率高、起动和发电组合容易等优点,三电平逆变器具有能减少开关损耗和滤波电感损耗并有降低开关应力等特点。利用三电平逆变器转换效率高的优势,结合新型开关磁阻发电机低风速发电特点,降低开关损耗和开关器件电压应力,提高装置可靠性。仿真实验结果表明:用三电平逆变器能够很好的实现开关磁阻发电机的逆变要求。     

鄂东南沿江湖区“灌江纳苗”的认知度调查

本文对拟开展＂灌江纳苗＂工作的目标湖区进行实地调查和深度访谈,调查了大冶湖、网湖、海口湖、朱婆湖四个不同通江湖泊受访人群对＂灌江纳苗＂的知晓率和支持率,并采用问卷调查的方式研究了四个目标湖泊养殖鱼类年产量的变化情况以及四湖受访人群对养殖鱼类品种了解程度。结果显示,在目标湖区开展灌江纳苗工作有一定的群众基础,但也存在一定的工作难度;目标湖区的经济鱼类品种在减少,实施灌江纳苗工作已迫在眉睫。     

斜靠式钢管混凝土异形拱桥非线性稳定分析

斜靠式拱桥是在无风撑拱桥基础上发展起来的一种新型拱桥结构型式.针对此类钢管混凝土异形拱桥的特点对其非线性稳定求解机理和方法进行了分析介绍,以一座拟建的大跨径斜靠式拱桥为例,采用通用程序ANSYS建立该桥的空间有限元计算模型,分工况对其成桥状态进行了线弹性、几何非线性和双重非线性稳定分析计算.同时分析了其主要结构参数(矢跨比、斜拱倾角、横撑数量及位置)对非线性稳定性的影响.计算分析发现:斜靠式拱桥的失稳形式一般表现为面外拱肋侧倾失稳;几何非线性对斜靠式拱桥稳定极限承载力影响较小,要准确的分析其稳定极限承载力必须采用双重非线性的分析方法;横向静风和桥上荷载分布对结构稳定有一定影响而对结构变形影响显著;结构稳定性与矢跨比和斜拱倾角增加均成正比,靠近拱脚和L/4处横撑对结构稳定性影响较大.     

基于IOWA算子的区间组合预测方法

针对预测值与实际值都以区间数形式给出的组合预测问题,引进诱导有序加权平均(IOWA)算子,提出了以区间中心位置误差平方和与区间长度误差平方和的凸组合为准则的区间组合预测模型,给出了确定Ⅰ-OWA算子区间组合预测模型权系数的数学规划方法,实例分析表明,该模型能有效提高区间组合预测精度.     

离子型磁性液体中纳米微粒间相互作用研究

用磁偶板子硬球模型对磁性液体中磁性纳米微粒间相互作用进行了研究。分析表明,微粒间存在着静电排斥、静磁吸引和VanderWaals吸引三种相互作用,无外场时静磁作用非常微弱,可以忽略,静电排斥力作用距离远,起抗团聚作用,Vander Waals作用距离短,是引起团聚主要原因。为确保磁性液体稳定性,制备的离子型磁性液体体积分数应小于5％。     

现代固态发酵技术工艺、设备及应用研究进展

介绍了固态发酵及影响固态发酵过程的主要工艺条件,阐述了固态发酵各种反应器类型,讨论了固态发酵技术在生物转化、生物燃料、生物防治、垃圾处理和生物修复等方面的应用.     

基于边缘扩展相位相关的图像拼接算法

针对图像拼接算法中计算量大的问题,提出了一种基于边缘扩展相位相关的图像拼接算法。该算法采用迭代阈值分割法对图像进行边缘检测,并对检测出的边缘进行扩展相位相关计算,得出图像间的平移、旋转和尺度变化。利用这些参数拼接图像,用渐进渐出的方法实现拼接图像的融合。实验证明,该算法能够简化计算,并有效地实现图像的拼接。     

破乳+Fenton试剂法处理高浓度废乳化液的研究

采用破乳-Fenton试剂法对机械厂磨床车间废乳化液进行处理(原水CODcr=290000mg／L，BOD5=28000mg／L)。结果表明：使用合适的破乳药剂，破乳后废水的CODcr去除率达到97．8％；之后投加适量的Fenton试剂进行氧化处理，最终出水CODcr为684mg／L；BOD5／COD由0．094增至0．47，可生化性大大提高。     

搬运机械手PLC操控

介绍PLC对搬运机械手的控制方式,重点阐述系统硬件及软件的设计。     

自适应多模态特征融合胶质瘤分级网络

目的 胶质瘤的准确分级是辅助制定个性化治疗方案的主要手段,但现有研究大多数集中在基于肿瘤区域的分级预测上,需要事先勾画感兴趣区域,无法满足临床智能辅助诊断的实时性需求。因此,本文提出一种自适应多模态特征融合网络（adaptive multi-modal fusion net,AMMFNet）,在不需要勾画肿瘤区域的情况下,实现原始采集图像到胶质瘤级别的端到端准确预测。方法 AMMFNet方法采用4个同构异义网络分支提取不同模态的多尺度图像特征;利用自适应多模态特征融合模块和降维模块进行特征融合;结合交叉熵分类损失和特征嵌入损失提高胶质瘤的分类精度。为了验证模型性能,本文采用MICCAI （Medical Image Computing and Computer Assisted Intervention Society）2018公开数据集进行训练和测试,与前沿深度学习模型和最新的胶质瘤分类模型进行对比,并采用精度以及受试者曲线下面积（area under curve,AUC）等指标进行定量分析。结果 在无需勾画肿瘤区域的情况下,本文模型预测胶质瘤分级的AUC为0.965;在使用肿瘤区域时,其AUC高达0.997,精度为0.982,比目前最好的胶质瘤分类模型——多任务卷积神经网络同比提高1.2%。结论 本文提出的自适应多模态特征融合网络,通过结合多模态、多语义级别特征,可以在未勾画肿瘤区域的前提下,准确地实现胶质瘤分级预测。