基于RBF神经网络的工件模式识别

为了提高工件识别速度,根据实际待识别零件特征将零件分成两大类(旋转类、拉伸类),并预留了两类可识别零件,由训练速度快、结构简单、识别准确率高的RBF神经网络来实现模式识别,并根据零件图像特征选取了面积比、平滑度、三阶矩、一致性、熵等5个特征为训练样本作为神经网络的输入,实例证明这种方法切实可行,且其训练速度快,识别准确率高.     

广义水资源合理配置研究(Ⅰ)——理论

本文探讨了广义水资源合理配置的理论内涵、配置系统、配置目标及协调与冲突、研究框架、调控机制、全口径供需平衡分析方法和后效性评价体系。广义水资源含义是指把狭义的径流性水资源拓展为包括土壤水和降水,合理配置是以此广义水资源为配置水源,以自然-人工复合系统为配置对象,以宏观经济分析为总控,以水循环模拟为基础,通过水量水质统一配置,实现水资源在经济社会和生态系统中高效配置,维持经济社会的健康发展,保障生态与环境的稳定,以水资源的可持续利用保障经济社会的可持续发展。     

不同工艺青稞曲中微生物多样性分析及其对青稞白酒风味的影响

为探究5种不同工艺青稞曲中微生物区系特征及微生物与西藏青稞白酒挥发性风味物质间的关系，采用高通量测序及顶空固相微萃取与气相色谱-质谱联用技术（HS-SPME-GC-MS）进行微生物多样性及挥发性风味物质分析研究。结果表明，5种不同工艺青稞曲中微生物多样性及群落结构存在差异，优势细菌属为片球菌属（Pediococcus）、链球菌属（Streptococcus）、魏斯氏菌属（Weissella）、罗尔斯通氏菌属（Ralstonia）。优势真菌属为覆膜孢酵母属（Saccharomycopsis）、热子囊菌属（Thermoascus）和假丝酵母属（Candida）。其中，青稞曲中芽孢杆菌属（Bacillus）、链球菌属（Streptococcus）、假单胞菌属（Pseudoalteromonas）、弧菌属（Vibrio）和覆膜孢酵母属（Saccharomycopsis）与主要挥发性风味化合物显著相关，能够对西藏青稞白酒的挥发性风味物质产生重要影响。     

人员密集型场所细菌真菌气溶胶冬季分布特征及健康影响分析

地铁、超市、电子市场、医院挂号大厅等都属于人员数量多且活动多的密集型场所，其室内空气中的细菌真菌污染不容忽视。为了解这些人多场所内的细菌真菌气溶胶浓度及不同粒径段微生物的分布，于2019年冬季首先对四类场所内的细菌和真菌气溶胶进行了现场采样和实验分析，并测试了其它环境参数；然后分析了不同场所内细菌真菌气溶胶的浓度水平及分布特征；最后，评估了不同场所微生物气溶胶的浓度水平及可能产生的健康风险。结果表明：1)细菌气溶胶浓度均值为电子市场>超市>医院>地铁，其中电子城内细菌气溶胶浓度为838 cfu/m³,地铁内细菌为449 cfu/m³;真菌气溶胶浓度均值为超市>电子市场>医院>地铁，其中超市内真菌气溶胶浓度为558 cfu/m³,地铁内真菌为282 cfu/m³;2)细菌气溶胶中值直径为医院>地铁>电子市场>超市，真菌气溶胶中值直径为电子市场>医院>地铁>超市，且场所内细菌、真菌气溶胶中值直径均小于室外细菌真菌气溶胶中值直径；3)...     

振动环境下功率模块的应力形变响应分析与寿命预测

针对功率模块在振动环境中的可靠性问题，建立了4组分别采用铝、铜、金、银材料键合线的功率模块模型，并采用有限元仿真软件对4组模型进行了模态分析、谐响应分析以及随机振动分析。分析结果表明，键合线的材料对模块前4阶固有频率的影响很小，但是对功率模块在振动环境下的可靠性有明显影响，4组模块的共振频率基本相同。在安装位置为“发动机架”的随机振动载荷下，键合线是最容易失效的部位。同时运用基于Steinberg模型的疲劳寿命理论对4组功率模块进行了寿命预测。计算结果表明，在4种材料的键合线中，银键合线的振动疲劳寿命最长。     

基于SWMM和SCS法的城市内涝模拟及雨水管网系统评估

针对郑州市高新区城市排水特点,应用暴雨洪水管理模型(stom water management model,SWMM)模型建立城市排水模型,其中下渗模型采用径流曲线数(soil conservation service curve number,SCS-CN)法体现城市下垫面对城市内涝的影响.利用该模型对不同重现期实测...     

基于IWOA-SVM的滚动轴承故障诊断

针对滚动轴承振动信号故障难以识别的问题，创建一种应用改进鲸鱼优化算法（IWOA）优化支持向量机（SVM）的故障诊断模型。首先将轴承振动信号特征通过VMD的方式提取；其次，为改进鲸鱼优化算法，采取精英反向学习策略增强种群的广泛性，选用非线性因子并加入随机扰动策略增强探索能力；通过4组基准测试函数，将IWOA与4种优化算法对照分析，验证了此改进算法的优越性；最后，将SVM的惩罚参数和核函数参数放入IWOA中，构建IWOA-SVM故障分类模型。故障诊断的结果表明，用IWOA-SVM分类模型在故障诊断中拥有更好的效果，准确率达到100%。