噪声控制中阻尼与隔离处理的一般原则

阻尼处理和隔离处理是机械噪声控制中两种主要降噪技术。本文将统计能量分析理论和能量估算方法相结合,研究了噪声控制中复杂结构阻尼与隔离处理最佳选择的问题。从复杂结构中总的噪声辐射功率表达式入手,得出了结构判别参数 K,总结出了复杂结构中最佳阻尼处理与隔离处理的一般原则。在实际工程中,结构判别参数容易获得,一般原则便于使用。以耦合平行板结构为例,进行了一系列验证实验,其实验结果与一般原则完全一致。     

改进型加权KNN算法的不平衡数据集分类

K最邻近(KNN)算法对不平衡数据集进行分类时分类判决总会倾向于多数类.为此,提出一种加权KNN算法GAK-KNN.定义新的权重分配模型,综合考虑类间分布不平衡及类内分布不均匀的不良影响,采用基于遗传算法的K-means算法对训练样本集进行聚类,按照权重分配模型计算各训练样本的权重,通过改进的KNN算法对测试样本进行分类.基于UCI数据集的大量实验结果表明,GAK-KNN算法的识别率和整体性能都优于传统KNN算法及其他改进算法.     

系数倍率法测定复方甲硝唑注射液中氯霉素和甲硝唑的含量

建立复方甲硝唑注射液中氯霉素和甲硝唑的系数倍率测定法.用BASIC语言编制程序选择最佳测定波长对,以消除二组分的相互干扰,不经提取分离同时测定复方甲硝唑注射液中氯霉素和甲硝唑的含量.氯霉素的比尔线性范围为9.890-32,13 μg/ml,r=0.9995;甲硝唑的比尔线性范围为10.09-30.28 μg/ml,r=O.9992.复方甲硝唑注射液中氯霉素和甲硝唑的平均回收率和相对标准偏差分别为100.2%,1.1%和100.8%,1.3%.该方法简便、快速、重现性好、准确度高,可用于复方甲硝唑注射液的质量控制.     

光子晶体狄拉克点周围的等效哈密顿量

光子晶体Dirac点周围的性质是国际的一个研究热点,我们基于厄米算符本征方程形式的麦克斯韦方程和微扰论,引入破坏空间反演对称性和时间反演对称性的扰动,严格推导出Dirac点被打开后其周围的等效哈密顿量,并指出前人工作的一些基本错误。该哈密顿量具有广泛的用途,例如,可以用来描述光在光子晶体块材(bulk)中的传播性质和求解有限光子晶体的边界态等等。     

较高应变速率下结构钢屈服强度的估计

本文给出了一种考虑应变速率效应时材料屈服强度近似求法，它依据两组低应变速率的拉伸试验数据，对其它应变速率下的屈服强度进行估计，并具有良好的精度。     

江苏省长江引排水及调水特性分析

长江引排水是江苏省水资源的重要来源,同时也是旱、涝灾害的主要影响因素[1],本文通过长江引排水、调水进行定性和定量分析,揭示了江苏省水资源虽然十分丰富,但时空分布不匀,调蓄容量有限,供需平衡存在一定矛盾的现象,工程调度需统筹防洪、用水、蓄水等各方面需求,进一步合理运用和优化调度方案,在确保防汛安全的前提下,及时建立汛限水位动态调整机制,增强水资源统筹调度保障能力,同时对入江河流进行水质状况评价,并计算了入江河道中劣Ⅴ类河道的入江水量,为水资源开发利用、计划用水和长江大保护等管理工作提供参考数据。     

海洋工程结构故障的模式识别诊断

本文提出固定式导管架平台结构故障的模式识别诊断.首先介绍模式识别的基本思想,然后讨论统计判别函数方法.对一个二维导管架平台模型,用随机激励进行了正常平台、台面质量增加、横撑斜撑切断以及根部开裂等多种结构状态的振动试验.取频响函数幅值和随机减量函数作为被识别的模式,得到了很好的结果,从而说明这是一种很有希望的导管架平台结构故障的诊断方法.     

低压铸造-轧制法快速制备Al-Cu复合材料

采用低压铸造-轧制法实现了快速制备650mm×30mm×7mm×R3.5mm的Al/Cu复合材料,并通过SEM、EDS、XRD和电子万能试验机(AG-X)表征其结构和界面剪切强度。结果表明:在Cu管预热温度200℃,轧制压下率30%,冷却水通量400L/h,Al液温度680~740℃条件下均可实现Al-Cu之间的冶金结合,界面合金层随着Al液温度的升高而变宽;复合材料的导电性能和界面结合剪切强度受界面金属间化合物层宽度的影响,其宽度越宽,剪切强度降低。低压铸造法制备Al-Cu复合材料工艺流程短,一次成形快,并能对界面物相进行有效调控。     

以XML文件为例实现在CORBA结构下对异质性数据的访问

该项目实现了一个CORBA/XMLWrapper，将XML文件包装成CORBA的ServerObject,让Client可通过调用Server Object提供的method访问到XML文件中的资料，并且在前台提供一个QBELike介面让用户查询XML文件内容，文章提供的方法可以扩展到CORBA结构下的各种关系数据库等异质性数据的访问。     

基于稀疏化双向二维主成分分析的人脸识别

双向二维主成分分析((2D)~2PCA)易受异常值影响,鲁棒性差,且所提取的特征向量是非稀疏的。针对上述不足,提出基于L_1范数的稀疏双向二维主成分分析方法(2D)~2PCA-L1S。在(2D)~2PCA目标函数中加入L_1范数约束,以提高算法的抗干扰能力,同时引入弹性网约束,通过Lasso与Ridge惩罚函数实现稀疏性。在Feret和Yale数据库中进行基于最近邻的人脸分类、人脸重构和基于粒子群优化SVM参数的人脸识别实验,结果表明,相较于2DPCA、(2D)~2PCA、(2D)~2PCA-L1等主成分分析方法,该方法能准确提取人脸主要信息,人脸识别和人脸重构效果较好。