VaspCZ:一个提高效率的VASP计算辅助程序

VASP(Vienna Ab-initio Simulation Package)是基于密度泛函理论的通用材料计算模拟软件。随着高性能计算平台的广泛使用和高通量计算的兴起,VASP计算任务的复杂性和数据量也大幅度提升。为了提高材料理论计算的方便程度,减少大量重复的指令和结果检查的复杂性,本文提供了一个基于Python语言的VASP计算辅助程序VaspCZ,能够大幅提高研究者的科研效率。该程序包含软件部分和API部分,软件部分提供了命令行用户界面,基于基本的Linux命令即可一键完成VASP计算的相关操作,为无编程语言基础的研究人员提供了便利。应用程序接口部分服务于具有Python语言基础的研究者,提供了底层库,使得自定义计算(如高通量计算、编写高级应用等)更为简单快捷。本程序包可以显著提高VASP的计算效率,并已经通过Github开源项目公开,提供了详细的使用文档、使用示例和API接口,有望能为广大材料理论研究者提供便利。     

面向航空通信应用的边沿触发器教学设计

研究和分析了面向航空通信应用的边沿触发器教学设计。以边沿触发电路实现原理为核心,引导边沿触发机制的探究式学习；以航空机载网络通信为具体应用背景,引入科学研究和工程实现中实际问题,设计曼切斯特码检测系统实验；使得边沿触发器教学成为“知识再创造”的过程和创新实践的新载体,以期培养新工科背景下的独立、创新和实践精神。     

嵌入式实时操作系统内核混合代码的自动化验证框架

"如何构造高可信的软件系统"已成为学术界和工业界的研究热点.操作系统内核作为软件系统的基础组件，它的安全可靠是构造高可信软件系统的重要环节.为了确保操作系统内核的安全可靠，将形式化方法引入到操作系统内核验证中，提出了一个自动化验证操作系统内核的框架.该验证框架包括：（1）分别对C语言程序和混合语言程序（C语言和汇编语言）进行验证；（2）在混合语言程序验证中，为汇编程序建立抽象模型，并将C语言程序和抽象模型粘合形成基于C语言验证工具可接收的验证模型；（3）从规范中提取性质，基于该自动验证工具，对性质完成自动验证；（4）该框架不限于特定的硬件架构.成功地运用该验证框架对两种不同硬件平台的嵌入式实时操作系统内核μC/OS-II进行了验证.结果显示：利用该框架在对两个不同的硬件平台上内核验证时，框架的可重复利用率很高，高达到88%，虽然其抽象模型需要根据不同的硬件平台进行重构.在对基于这两种平台的操作系统内核验证中，分别发现了10~12处缺陷.其中，在ARM平台上两处与硬件相关的问题被发现.实验表明，该方法对不同硬件平台的同一个操作系统分析验证具有一定的通用性.     

中国菊花主题花展及其对行业发展的作用

中国的菊花主题花展(菊花展览)是最重要的赏菊形式,对我国3种主要类型的菊花展览,即综合性菊花展览(中国菊花展览会、国际博览会菊花专项展和各级城市菊花展)、菊花专类园和菊花花田花海的发展现状进行了研究,并分析了菊花展览在促进菊花产业发展、弘扬菊花文化、服务生态文明及美丽乡村建设、加强菊花非物质文化遗产保护中的重要作用,为推动我国菊花展览水平的提高提供借鉴。     

积分中值屈服准则解析厚板轧制椭圆速度场

为解决非线性Mises比塑性功率积分困难以及由此导致的轧制功率解析式难以获得的问题,本文通过建立并利用线性比塑性功率表达式对提出的椭圆速度场进行能量分析,得到了轧制力能参数的解析解.文中通过对变角度屈服函数求积分中值,构建了一个新的屈服准则,它是主应力分量的线性组合,在π平面上的轨迹是逼近Mises圆的等边非等角的十二边形,其基于Lode参数表达式的理论结果也与实验数据吻合较好.同时,根据厚板轧制时金属流动速度从入口到出口逐渐增大的特点,提出了水平速度分量满足椭圆方程的速度场,该速度场满足运动许可条件.通过相应的轧制能量分析,获得了基于线性屈服准则的内部变形功率以及基于应变矢量内积法上的摩擦功率与剪切功率.在此之上,通过泛函的极值变分导出了轧制力矩、轧制力以及应力状态系数的解析解,并与现场实测数据进行了对比,结果表明利用本文提出的屈服准则与速度场所建立的轧制力矩与轧制力模型与实测值吻合较好,其中轧制力误差小于5.3%,轧制力矩误差在6%左右.     

Flotation Behavior,Collector Adsorption Mechanism of Quartz and Feldspar-Quartz Systems Using PEA as a Novel Green Collector

Silicon - A novel green cationic surfactant Poly (propylene glycol) bis (2-aminopropyl ether) (PEA) with multiple amine groups was utilized as a collector for flotation separation of quartz from...     

Adaptive backstepping repetitive learning control design for nonlinear discrete‐time systems with periodic uncertainties

This paper addresses a tracking problem for uncertain nonlinear discrete‐time systems in which the uncertainties, including parametric uncertainty and external disturbance, are periodic with known periodicity. Repetitive learning control (RLC) is an effective tool to deal with periodic unknown components. By using the backstepping procedures, an adaptive RLC law with periodic parameter estimation is designed. The overparameterization problem is overcome by postponing the parameter estimation to the last backstepping step, which could not be easily solved in robust adaptive control. It is shown that the proposed adaptive RLC law without overparameterization can guarantee the perfect tracking and boundedness of the states of the whole closed‐loop systems in presence of periodic uncertainties. In addition, the effectiveness of the developed controller is demonstrated by an implementation example on a single‐link flexible‐joint robot. Copyright © 2014 John Wiley & Sons, Ltd.     

改进HSR-FCN的服装图像识别分类算法研究

目前网络上的服装图像数量增长迅猛，对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络（Region-Based Fully Convolutional Networks，R-FCN）引入到服装图像识别中，针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题，提出一种新颖的改进框架HSR-FCN。新框架将R-FCN中的区域建议网络和HyperNet网络相融合，改变图片特征学习方式，使得HSR-FCN可以在更短的训练时间内达到更高的准确率。在模型中引入了空间转换网络，对输入服装图像和特征图进行了空间变换及对齐，加强了对多角度服装和形变服装的特征学习。实验结果表明，改进后的HSR-FCN模型有效地加强了对形变服装图像的学习，且在训练时间更短的情况下，比原来的网络模型R-FCN平均准确率提高了大约3个百分点，达到96.69%。