Window虾境下C 语言与Foxpro图形的接口设计

本文研究了用C 语言调用由FoxproforWindows管理图象的实现方法,讨论了FoxproforWindows管理各种图形和图象的存储方法,并应用在金属学CAI＃学软件中,大大地方便了CAI软件的图象管理和完善。此外,还给出了C 语言调用FoxproforWindows管理的各种图形文件的实例．     

硫化矿生物浸出过程的热力学

计算并绘制了主要金属硫化物氧化反应的Ｅ－ｐＨ图,并与细菌存活区对比,对主要金属硫化物的细菌浸出进行了热力学分析。     

多孔碳材料在水污染处理过程中的应用

通过活化法、模板法、直接碳化法、元素掺杂法等多种方法对不同的碳源材料进行处理制备多孔碳材料。在制备过程中,通过条件的调节对多孔碳材料进行改性处理、改良内部孔道和表面积,可以获得能够应用于多种水污染场景的多孔碳材料。应用研究较多的有：处理水溶液中的重金属离子,如Cd、Cr、Pb等;处理染料行业废水中的有色物质,如罗丹明B、亚甲蓝等;处理医疗废水中的抗生素类物质,如对磺胺甲噁唑等;处理废水中的芳香族化合物,如对羟基苯酚等。而为了实现多孔碳材料的广泛应用,利用无污染的方法去进行多孔碳材料处理废水是目前研究的重点以及趋势。     

考虑初始站址的多阶段变电站规划方法*

针对变电站规划结果对初始站址依赖度高的问题,提出了一种考虑初始站址的多阶段变电站规划方法。第一阶段,对传统渔夫捕鱼算法进行改进以提高搜索能力,并用于寻找优良初始站址集。然后提出一种基于变电站负荷总量的加权距离法,以选择出优良的初始站址方案。第二阶段,根据各负荷区域负荷密度对加权Voronoi图的权值进行动态改进,避免负荷分布不均对规划区域产生不良影响,并基于局部寻优结果对规划区域进行全局寻优求解。最后通过算例的计算结果,证明了算法的实用性。     

基于热负荷变化的后混合饮料机温度控制参数优化整定

介绍后混合饮料机的工作原理,分析CCDX型后混合饮料机温控参数设置的固有缺陷,通过改变糖浆的冷却方式,并利用NTC测得的温度和时间的比值(即升/降温速度)来反映热负荷的变化,从而设定不同的压缩机开/关机温度值.测试结果表明,本文所提的温度参数优化整定方法能有效地解决不能同时满足为了得到合格的饮料所需要的狭窄的温控范围和...     

Landau-Zener模型中纠缠演化及转移的研究

研究了受外场驱动的两个二能级系统分别与两个单模量子化光场相互作用模型中纠缠演化及转移问题。该工作主要是对外场驱动的Landau-Zener模型进行了研究,采用旋转波近似的方法,通过数值计算详细分析了二能级系统初始状态、能级间的耦合常数以及驱动外场的参数对子系统间纠缠和转移特性的影响。结果表明,适当调节模型中的参数,可以使系统初始纠缠完全转移为光腔场间的纠缠,实现二能级系统与光场间的最大纠缠转移。     

基于PSO的原子分解法在间谐波分析中的应用

间谐波是非整数倍基波频率的信号,对电能质量会造成严重污染,并降低电力系统可靠性。因此,准确地检测分析间谐波的特征对电力系统安全稳定具有重要意义。首次将基于粒子群优化算法的原子分解法应用于电力系统间谐波检测分析,能够克服传统的匹配追踪算法计算时间过长的缺点。该方法将粒子群优化算法应用于原子分解的迭代优化过程中,通过比较粒子的最佳适应度值,选取最能反应信号特征的最佳匹配原子,完成各次谐波和间谐波分量的提取,而且可以得到时频分辨率很高,且不受交叉项影响的时频分布图,最终完成整个电力系统谐波的准确分析。通过两个仿真算例表明,所提方法准确有效,具有较好的自适应性和抗噪性能,为电力系统间谐波分析提供一种新的途径和方法。     

无线传感器网络故障诊断与容错控制研究进展

可靠性和可持续性是无线传感器网络(WSNs)研究的重要问题。从拓扑、能量、监测和安全等角度对WSNs故障诊断和容错控制方法进行详细的归纳和总结。对WSNs故障类型进行了划分,主要分为节点故障和网络故障,根据WSNs体系结构,介绍了节点自诊断、网络诊断和基站诊断3种故障诊断方法,阐述了相关的容错控制技术,包括冗余机制、多路由设计、动态拓扑控制、传输协议优化、数据融合和智能方法。对WSNs容错控制技术目前存在的问题与未来发展趋势进行了探讨。     

咪唑基配体及其金属配合物的合成与应用

咪唑及其衍生物作为一类重要的配体分子,可以通过不同的配位模式与众多主体金属离子作用,形成主体-客体配合物。同时,这些配合物在离子识别、荧光材料、药物设计、磁性材料、自组装、气体吸附和催化剂的研发等领域展现出广阔的应用前景。本文着重综述了咪唑基衍生物配体及其配合物的研究进展,对一些此类新型配合物的合成方法与应用做了详细介绍,并展望了未来发展的方向。     

融合深度学习和聚类分析的自适应图像聚类

针对卷积神经网络应用于图像分类任务时需要大量有标签数据的问题,提出一种融合卷积神经网络和聚类分析的无监督分类模型,将无监督算法引入深度学习,并将该模型应用到图像分类领域,来弥补现有分类方式的不足.首先对经典卷积神经网络AlexNet从网络结构和模型训练两个方面进行优化;然后利用改进后的自适应快速峰值聚类算法指导聚类过程...