从7-ADCA生产过程中环境友好的回收苯乙酸

采用新工艺回收7-氨基-3-脱乙酰氧基头孢烷酸(7-ADCA)生产中产生的苯乙酸,并对苯乙酸回收过程中产生的废硫酸进行处理。采用硫酸(9 8%)洗涤二氯甲烷,硫酸与二氯甲烷适宜的体积比为1∶50,洗涤好的二氯甲烷中含苯乙酸4%。蒸馏出二氯甲烷,趁热向熔融苯乙酸中加入母液,降温析出苯乙酸。晾干的苯乙酸为白色鳞片状,含量大于99%,苯乙酸母液补充部分清水套用到下一批析出苯乙酸。废浓硫酸用芬顿试剂氧化,控制80℃氧化4h,双氧水和七水硫酸亚铁重量比为6∶1,废浓硫酸COD下降85%以上。氧化结束后向废硫酸中加入铁粉和双氧水,制得聚合硫酸铁。     

空间质子探测仪器定标的10 MeV质子束源需求分析

分析了国内空间质子探测现状及其向着宽量程、高精度的发展趋势,并对比分析了国内外空间粒子探测仪器地面质子束源。依据空间质子能谱范围,从技术指标和业务运行角度,给出了空间质子探测仪器定标束流的加速器类型、离子源类型及束流输运和总体布局等方面需求。     

低觉醒脑电识别与唤醒的可穿戴系统研究

为智能化地识别警戒作业人员出现的低觉醒、注意力下降的生理状态，本文介绍了一种基于FPGA和脑电信号处理的低觉醒状态检测与唤醒系统，系统通过传感器从大脑头皮采集脑电信号，转换为数字信号，经傅里叶变换获取了脑电信号的θ相对能量、α相对能量、重心频率、谱熵等4个特征量，由4个特征量表征低觉醒状态并运用支持向量机对低警戒状态进行识别，当识别出低觉醒状态时采用声音报警模块发出声音，唤醒警戒作业人员。设计系统能够较好地识别出低觉醒状态，识别率达90.8%，可为提高警戒作业工作绩效提供一种可穿戴的智能装备。     

浅析火力发电厂汽水系统中内径管与外径管的设计选择

按照管道加工工艺的不同,管道可分为内径控制管和外径控制管。通过热轧工艺生产的外径控制无缝钢管,可满足火力发电厂汽水系统中绝大部分管道的使用要求。对于超(超)临界机组的主蒸汽和高温再热蒸汽管道采用的P91/P92材质的大口径厚壁无缝钢管,由于对材料性能和加工工艺有特殊要求,因此宜采用内径控制管。     

基于注意力机制与文本信息的用户关系抽取

随着社交媒体的发展,用户之间的关系网络对于社交媒体的分析有很大的帮助。因此,该文主要研究用户好友关系检测。以往的关于用户好友关系抽取的研究主要基于社交媒体上的结构化信息,比如其他好友关系,用户的不同属性等。但是,很多时候用户本身并没有大量的好友信息存在,同时也不一定有很多确定的属性。因此,我们希望基于用户发表的文本信息来对用户关系进行预测。不同于以往的潜在好友推荐算法,该文提出了一种基于注意力机制以及长短时记忆网络(long short-term memory,LSTM)的好友关系预测模型,将好友之间的评论分开处理,通过分析用户之间的评论来判断是否具备一定的好友关系。该模型将好友双方信息拼接后的结果作为输入,并将注意力机制应用于LSTM的输出。实验表明,用户之间的评论对于好友关系预测确实有较大的实际意义,该文提出的模型较之于多个基准系统的效果,取得了明显的提升。在不加入任何其它非文本特征的情况下,实验结果的准确率达到了77%。     

面源红外诱饵对抗红外制导导弹干扰策略研究

面源红外诱饵使用的过程中,合理有效的干扰策略是干扰红外制导导弹的关键,针对这一问题,通过理论分析与仿真模拟相结合得到面源红外诱饵对抗红外制导导弹的干扰策略。首先以红外成像制导导弹为例,介绍红外制导导弹的仿真模型,然后将攻击过程分为锁定前与锁定后,以命中率为评价指标,得到两个阶段下的最佳干扰策略,包括诱饵的最佳释放时机、释放间隔以及载机应采取的机动动作等。     

脱硫活性焦水洗再生过程实验研究

对5种活性焦水洗再生前后的脱硫性能进行实验研究，通过比表面积（BET）、X射线光电子能谱（XPS）方法表征水洗再生工艺对活性焦孔隙结构和表面化学性质的影响，揭示影响活性焦水洗再生性能的关键因素。结果表明:活性焦脱硫硫容的大小和水洗再生率的高低没有直接关系；微孔比表面积较大的活性焦脱硫性能较好，中大孔孔容较大的活性焦水洗再生率较高，同时具备较大的微孔比表面积和中大孔孔容结构的活性焦适宜水洗再生工艺；活性焦表面极性含氧官能团含量越高水洗再生效果越好；活性焦AC5经过6次水洗再生循环，微孔中的硫酸经过多次累积后可以被水洗出，稳定再生率保持在45%~50%，最适用于活性焦水洗再生工艺。     

面向消费类电子产品的自动化生产线成组技术

针对现代消费类电子产品快速更新换代的现状, 介绍了该类产品的自动化生产线成组技术,阐述了通过度量消费类电子产品相似性和派生性特征,对产线进行成组编码的原理,研究产线工位单元的建模方法,描述了建模内容,并通过有无装载板的产线结构,论述了产线成组编码集成的途径和方法.     

基于密集神经网络的灰度图像着色算法

针对在灰度图像着色领域中，传统算法信息提取率不高、着色效果不理想的问题，提出了基于密集神经网络的灰度图像着色算法，以实现改善着色效果，让人眼更好地观察图片信息的目的。利用密集神经网络的信息提取高效性，构建并训练了一个端到端的深度学习模型，对图像中的各类信息及特征进行提取。训练网络时与原图像进行对比，以逐渐减小网络输出结果的信息、分类等各类型的损失。训练完成后，只需向网络输入一张灰度图片，即可生成一张颜色饱满、鲜明逼真的彩色图片。实验结果表明，引入密集网络后，可有效改善着色过程中的漏色、细节信息损失、对比度低等问题，所提算法着色效果较基于VGG网络及U-Net、双流网络结构、残差网络（ResNet）等性能优异的先进着色算法而言取得了显著的改进。     

一种基于Spark的不确定数据集频繁模式挖掘算法

如何在海量不确定数据集中提高频繁模式挖掘性能是目前研究的热点.传统算法大多是以期望、概率或者权重等单一指标为数据项集支持度，在大数据背景下，同时考虑概率和权重支持度的算法难以兼顾其执行效率.为此，本文提出一种基于Spark的不确定数据集频繁模式挖掘算法（UWEFP），首先，为了同时兼顾数据项的概率和权重，计算一项集的最大概率权重值并进行剪枝；然后，为了减少对数据集的多次扫描，结合Spark框架的优点，设计了一种具有FP-tree特征的新颖的UWEFP-tree结构进行模式树的构建及挖掘；最后在Spark环境下，以UCI数据集进行实验验证.实验结果表明本文的方法在保证挖掘结果的同时，提高了效率.