机械合金化制备金属间化合物MoSi2

以Si粉和Mo粉为原料采用机械合金化的方法制备了金属间化合物MoSi2.研究了球磨过程中球磨时间、球料比、转速及不同球磨机类型对机械合金化产物的影响.利用SEM观察粉末表面形貌及颗粒大小,利用XRD测定物相结构.研究结果表明,当球磨机提供的能量达到相变所需的能量时,粉末中有MoSi2相生成.通过XRD分析可以看出,随着球磨时间的延长,合金化程度逐渐提高;球磨转速的提高有助于生成MoSi2;较高的球料比可以使生成MoSi2的时间提前.在机械球磨过程中,粉末的颗粒尺寸经历了一个由较粗且不规则、不均匀粉末向细小、均匀、接近球形粉末,然后团聚增大的转化过程.此外,还研究了助磨剂对合金化产物的影响,结果表明助磨剂的加入并不能促进MoSi2的生成,但可以对颗粒的细化起到一定作用.     

基于RGB-D数据的目标分割与实时重建方法

应用RGB-D传感器进行三维重建具有速度和成本的优势,并可获取纹理信息,但扫描数据易受干扰。针对有干扰的外部环境,提出一种基于RGB-D数据的目标分割与重建方法。首先为改善输入图像质量,采用多帧叠加的中值滤波对信息缺失的位置进行预处理。接着,利用静态减除和动态3D Mean-shift相结合的方法分割目标,实现对目标物体的实时定位。最后使用一种优化的点到面ICP方法进行配准,并在此基础上利用随机抽样算法对点云的配准进行加速。采用该方法实现的原型系统能够支持含有背景和一定干扰下的小物体配准,且能有效提高三维重建的速度和自动化程度。     

基于MFCC特征提取的故障预测与评价方法

针对渐变故障的准确预测问题,提出了一种基于Mel频率倒谱系数(Mel frequency cestrum coefficient,MFCC)特征提取的故障预测方法.首先通过监测对象上安装的声传感器获得机器当前运行的声音信号;然后声音信号经过预处理后,将其进行Mel变换,获得其MFCC特征向量;最后经SVM分析器对机器运行时的测试数据和所存机器正常运行样本数据进行聚类分析,给出机器的健康评价.测试了海马M3发动机存在撞击声、轻敲声、轰鸣声时的健康度以及分析了采集的声信号存在噪声时的抗噪性能.实验结果表明,MFCC特征值能够作为机器健康预测的特征向量,且方法在预测的准确性和鲁棒性方面具有优势.     

介观模拟研究温度对DPPC磷脂双层膜结构的影响

生物膜作为生物体的一种基本组成单元,在各种生命活动中占据重要地位。生物膜的结构和功能的稳定性是其发挥一切生理功能的前提。本文以DPPC磷脂双分子层为生物膜模型,采用基于Martini力场的粗粒化模拟方法,考察了温度对DPPC磷脂双层膜结构、形态和功能的影响。结果表明,315 K为DPPC磷脂双层膜的相转变温度;温度升高,DPPC分子间隙增加,尾链发生折叠弯曲,引起脂均面积增大,厚度减小,流动性增加;DPPC双层膜中甘油酯基团组成的栅栏区为膜中分子排列最有序的区域,也是阻碍小分子透膜的主要屏障区。研究结果不仅有助于更好地阐释生物膜的结构形态和功能之间的关系,也有助于理解药物与膜的相互作用,指导临床用药。     

PdO纳米材料制备及室温甲醛气敏特性研究

采用水热合成的方法,以氯化钯(PdCl2)为原料,十二烷基三甲基溴化铵(CTAB)为分散剂,制备得到了四方结构的PdO材料,并利用X-射线衍射(XRD)、电子扫描显微镜(SEM)对得到的PdO颗粒进行了表征与分析.将制得的PdO材料制成传感器,在静态配气系统中测得了PdO材料对挥发性有机化合物(VOC)气体甲醛的敏感特性.结果表明,该PdO材料能够在室温(25℃)下对甲醛有很好的响应特性,对10×10-6甲醛响应达到3.90,测试浓度为0.1×10-6时,响应可达到1.84.     

基于Tri-Training的事件关系分类方法研究

事件关系分类是一项研究事件之间存在何种逻辑关系的自然语言处理技术。针对事件关系分类任务中训练语料不足的问题,提出了基于Tri-Training的事件关系分类方法。该方法首先根据已标注的语料训练三个不同的分类器,以多数投票的方式从未标注集中抽取置信度较高的样本对训练集进行扩充,然后利用新的训练集重新训练分类器,反复迭代,不断完善分类模型,最终达到提升事件关系分类性能的目的。实验结果表明,以F1值为评价标准,基于Tri-Training的事件关系分类方法在四大类事件关系上的分类性能为64.36%。     

A virtual service placement approach based on improved quantum genetic algorithm

Despite the critical role that middleboxes play in introducing new network functionality, management and innovation of them are still severe challenges for network operators, since traditional middleboxes based on hardware lack service flexibility and scalability. Recently, though new networking technologies, such as network function virtualization (NFV) and software-defined networking (SDN), are considered as very promising drivers to design cost-efficient middlebox service architectures, how to guarantee transmission efficiency has drawn little attention under the condition of adding virtual service process for traffic. Therefore, we focus on the service deployment problem to reduce the transport delay in the network with a combination of NFV and SDN. First, a framework is designed for service placement decision, and an integer linear programming model is proposed to resolve the service placement and minimize the network transport delay. Then a heuristic solution is designed based on the improved quantum genetic algorithm. Experimental results show that our proposed method can calculate automatically the optimal placement schemes. Our scheme can achieve lower overall transport delay for a network compared with other schemes and reduce 30% of the average traffic transport delay compared with the random placement scheme.     

新疆汉水泉地区地下水环境背景值计算

以新疆汉水泉地区为研究区,依据其水文地质条件,将其划分为两个相对独立的水文地质单元——库木苏洼地和汉水泉洼地,采集该地区39组地下水水样,研究该地区的地下水环境背景值。采用格鲁布斯检验法剔除采集样本中的异常数据,库木苏洼地剔除异常指标1个,汉水泉洼地剔除异常指标13个。采用夏皮洛—威尔克检验法判断地下水化学组分含量频数分布类型,结果表明:库木苏洼地和汉水泉洼地以正态分布和对数正态分布居多,偏态分布较少。通过对整个汉水泉地区地下水组分含量的分析,得出汉水泉地区地下水环境的背景值,分析结果表明:研究区微量元素的检出率不高,表示其受污染程度较低。     

Heuristic Dynamic Programming Using Echo State Network For Multivariable Tracking Control Of Wastewater Treatment Process

This paper proposes a heuristic dynamic programming (HDP) scheme to simultaneously control the dissolved oxygen concentration and the nitrate level in wastewater treatment processes (WWTP). Unlike traditional HDP schemes, the optimal control values are calculated in an analytical way by the proposed HDP controller. It can reduce the learning burden of the HDP controller to a great extent. The system model and the evaluation index J are approximated by two echo state networks (ESNs). Gradient‐based learning algorithms are employed to train both ESNs online, and the convergence of the training algorithm is investigated based on Lyapunov theory. The performance of the proposed ESN‐based HDP (E‐HDP) controller is tested and evaluated on a WWTP benchmark. Experimental results demonstrate that the proposed approach can achieve effective performance.