高分辨液质联用技术鉴别棉纺织品黄变物质化学组成北大核心CSCD

为了鉴定棉纺织品表面非染料类黄变物质的具体化学组成,文章采用超高效液相色谱-四极杆-静电场轨道肼高分辨液质联用技术(UHPLC-Q-Exactive)建立了棉纺织品黄变物质化学组成的快速识别方法。通过Xcalibur软件筛选色谱中准分子离子峰、分析质谱碎片信息、借助人类代谢组数据库(HMDB)并结合文献指认潜在黄变成分,共鉴定出纺织品黄变物质中6种主要化合物,包括角鲨烯、棕榈油酸、肉豆蔻酸、壬醛、香叶基丙酮、甲基庚烯酮。这些化合物在常态或者氧化后呈现出黄色、淡黄色及棕黄色,可为利用色谱技术鉴定纺织品黄变物质提供借鉴,为针对性抑制纺织品黄变现象提供基础依据。     

镁合金AZ31的磨损性能研究

研究了滑动干摩擦条件下载荷和时间对镁合金AZ31磨损性能的影响.采用扫描电镜观察分析了磨损表面,讨论了不同载荷下的主要磨损形式.结果表明:合金的磨损质量损失在不同的载荷下均随磨损时间的增加而呈线性增加,载荷增加使磨损失重增加更显著.分析认为随载荷增加磨损形式经历了由氧化磨损,磨粒磨损到剥落磨损的变化过程.     

纤维素酶在燃料乙醇工业中的应用研究进展

现代社会面临着严重的能源危机,发展燃料乙醇作为化石燃料的替代品已经成为国际上的共识.归纳了燃料乙醇生产原料选择方面的关键问题,总结了微生物直接转化、同步糖化发酵、糖化发酵二段法以及固定化细胞发酵等生物转化方式的主要研究进展,在此基础上对我国利用纤维质原料生产乙醇的研究前景进行了展望,旨在为开展同类工作提供理论依据.     

无线传感器网络的覆盖控制

覆盖控制作为无线传感器网络中的一个基本问题,在国内外已经取得了一些研究成果。根据不同的性质,覆盖控制问题可以划分为不同的类型(如,静态覆盖和动态覆盖、确定性覆盖和随机性覆盖)。主要针对静态覆盖(区域覆盖、点覆盖、栅栏覆盖)问题中一些典型算法,分类进行了描述,并比较了它们之间的优缺点,最后,指出了需要进一步的研究工作。     

长庆气田Clinsulf-DO硫磺回收装置简介

长庆气田第一净化厂从德国Linde公司引进了一套采用Clinsulf-DO工艺的硫磺回收装置，用于处理MDEA溶液脱硫天然气净化装置产生的酸性气体。装置于2004年4月建成投产，截至目前运行情况良好，实际硫磺回收率达90％以上。     

基于改进YOLOv5的复杂背景红外弱小目标检测算法

针对传统算法依赖于对红外目标与环境背景的精确分离和信息提取,难以满足复杂背景和噪声等干扰因素下的检测需求。论文提出一种基于改进YOLOv5（You Only Look Once）的复杂背景红外弱小目标检测算法。该算法在YOLOv5基础上,添加注意力机制提高算法的特征提取能力和检测效率,同时改进原YOLOv5目标检测网络的损失函数和预测框的筛选方式提高算法对红外弱小目标检测的准确率。实验选取了来自不同复杂背景的7组红外弱小目标数据集,将这些图像数据集进行标注并训练,得到红外弱小目标检测模型,然后从模型训练结果和目标检测结果的角度评估算法和模型的正确性。实验结果表明:改进的YOLOv5算法训练出来的模型,检测准确性和检测速度对比实验列出的几种目标检测算法均有明显的提升,平均精度均值（mean Average Precision,mAP）可达99.6%以上,在不同复杂背景下均可有效检测出红外弱小目标,且漏警率、虚警率低。     

走滑断层黏滑错动下隧道破坏的模型试验研究

为了探究断层错动对隧道及围岩的损伤机理及破坏特性,以滇中引水工程香炉山隧洞为依托,通过开展隧道穿越断层破碎带的黏滑错动模型试验,并采用ABAQUS进行数值建模,对试验结果进行验证分析.研究结果表明:断层错动过程中,衬砌主要发生受拉破坏,局部位置衬砌受压破坏;衬砌发生变形及破坏的区域,主要集中在破碎带范围内,以错动面处衬砌变形、破坏最为突出,衬砌的变形随距错动面距离的增大而减少,衬砌横断面内拱顶、右腰位置破坏最为严重;断层错动起始时刻,破碎带中间部位拱顶处衬砌拉损伤已经达到较高量级,衬砌局部开裂破坏,随着断层错动量的增加,损伤不断累积,当错动量达25 mm(相当于实际错动量1 m)时,衬砌整体损伤已累积到较高量级,此时衬砌的破坏接近试验的最终状况.岩体的破裂区域主要集中在距错动面两侧30 cm范围内,围岩变形随着距错动面距离的增加而逐渐减小.     

基于监督的局部保存投影的人脸识别

人脸识别是计算机视觉的一个重要分支,而且它可以被应用到许多领域。维数约减对人脸识别来说是十分重要的,不仅可以去除一些不必要的噪声,还可以有效地减少计算复杂度。传统的局部保存投影（LPP）算法仅仅考虑了样本点的局部邻居信息,并没有考虑到不同类别的样本对分类效果的影响,结果会造成不同类数据点的重叠。为减少计算的复杂度,在局部保存投影算法的基础上引入样本的类别信息,构造了监督的局部保存投影算法（SLPP）。通过人脸识别仿真实验,验证了新算法的有效性与健壮性,并改变上述的不足。     

整合全局—局部度量学习的人体目标再识别

目的 人体目标再识别的任务是匹配不同摄像机在不同时间、地点拍摄的人体目标。受光照条件、背景、遮挡、视角和姿态等因素影响,不同摄相机下的同一目标表观差异较大。目前研究主要集中在特征表示和度量学习两方面。很多度量学习方法在人体目标再识别问题上了取得了较好的效果,但对于多样化的数据集,单一的全局度量很难适应差异化的特征。对此,有研究者提出了局部度量学习,但这些方法通常需要求解复杂的凸优化问题,计算繁琐。方法 利用局部度量学习思想,结合近几年提出的XQDA（cross-view quadratic discriminant analysis）和MLAPG（metric learning by accelerated proximal gradient）等全局度量学习方法,提出了一种整合全局和局部度量学习框架。利用高斯混合模型对训练样本进行聚类,在每个聚类内分别进行局部度量学习;同时在全部训练样本集上进行全局度量学习。对于测试样本,根据样本在高斯混合模型各个成分下的后验概率将局部和全局度量矩阵加权结合,作为衡量相似性的依据。特别地,对于MLAPG算法,利用样本在各个高斯成分下的后验概率,改进目标损失函数中不同样本的损失权重,进一步提高该方法的性能。结果 在VIPeR、PRID 450S和QMUL GRID数据集上的实验结果验证了提出的整合全局—局部度量学习方法的有效性。相比于XQDA和MLAPG等全局方法,在VIPeR数据集上的匹配准确率提高2.0%左右,在其他数据集上的性能也有不同程度的提高。另外,利用不同的特征表示对提出的方法进行实验验证,相比于全局方法,匹配准确率提高1.3%~3.4%左右。结论 有效地整合了全局和局部度量学习方法,既能对多种全局度量学习算法的性能做出改进,又能避免局部度量学习算法复杂的计算过程。实验结果表明,对于使用不同的特征表示,提出的整合全局—局部度量学习框架均可对全局度量学习方法做出改进。     

油井远程监控技术在油田自动化系统中的应用分析

近些年来,我国社会经济不断进步与发展,与此同时,其能源消耗也变得越来越多。在这种情况之下,油田企业在实际发展的过程中,为了更好的提升油田开采与利用的效率,保证能源开发的安全性与稳定性,积极利用油田自动化系统,并在此基础上,完善油井远程监控技术是非常有必要的。