硫醇自组装膜的电化学研究进展

综述了在金电极上硫醇自组装膜的电化学表征方法，性质和应用，介绍了自组装膜上的电子传递机理，并进行了简要的展望。     

压力容器应力应变在线测量系统研究

应用Ｖｉｓｕａｌ Ｂａｓｉｃ软件开发了一套压力容器的应力采集与处理系统，将ＩＢＭ－３８６微机与ＹＪＤ－１７型应变仪联机，用微机来控制测点应变的采集与处理，并将大型结构分析软件ＳＡＰ５嵌入本系统。     

自清洁外墙涂料的研究与应用

如何提高外墙涂料的自清洁能力,并使之保持较长的装饰效果一直是涂料界关注的热点。本文综述了微粉化技术、荷叶效应、气球陶瓷理论、自分层技术以及光催化效应的原理,及其在改善外墙涂料自清洁性方面的应用。     

U形管式换热器管束失效分析及防范

通过对两例U形管式换热器换热管管束失效的分析，指出了在热应力作用下的应力腐蚀和不良材料在热应力下的脆断分别是其失效的原因，以此为依据得出合理的处理措施。通过对U形管热应力的分析，指出了如何通过改变设备尺寸结构减小uU形管的热应力以及用来优化设计中的指导意义；从材料脆性缺陷的探讨中认识到制造中选用优质材料的重要性。     

分离机转鼓超速自增强的变形分析

本文采用弹塑性有限元法和解析法,对分离机转鼓的主要零件进行了超速自增强的变形分析。认为,用奥氏体不锈钢等低强度钢制造的转鼓零件应按塑性准则进行强度与变形分析。提出了以某特征位置处的残余变形作为超速的控制参量。理论计算与分析表明,对用本构关系符合Ramberg—Osgood关系的奥氏体不锈钢制造的转鼓零件,超速后的残余变形具有下列规律:u~r=R[Aφ~a-B],该式可以作为起速设计的计算依据,并应用于超速工艺中。     

碟式分离机转鼓零件的最宜超转速探讨

本文通过对超速处理后的AISI316L钢的碟式分离机转鼓零件在各种工况下的应力场分析,探讨了分离机转鼓超速自增强的最宜超转速问题,并提出了确定最宜超转速的基本原则和方法.通过分析表明:用本文方法所得到的最宜超转速与已知的国外数据是相当一致的.     

视觉特征对比解耦的广义零样本学习

广义零样本学习通常利用在ImageNet上预训练的深度模型来提取相应的视觉特征,然而预训练模型提取到的视觉特征不可避免地包含和语义无关的信息,这将导致语义—视觉对齐的偏差以及对不可见类的负迁移,从而影响分类结果。为解决上述问题,提出了视觉特征对比解耦的广义零样本学习模型(visual feature contrast decoupling for generalized zero-shot learning, VFCD-GZSL),通过解耦出视觉特征中的语义相关表示来降低冗余信息对分类结果的影响。具体来说,首先用条件变分自编码器生成不可见类的视觉特征。然后通过解耦模块将视觉特征解耦语义相关和语义无关的潜层表示,同时添加总相关惩罚和对比损失来鼓励两者间的相互独立,并用语义关系匹配模型衡量其语义一致性,从而指导模型学习语义相关表示。最后使用特征细化模块细化后的特征和语义相关表示联合学习一个广义零样本学习分类器。在四个数据集上的实验均取得较优的结果,证实了所提方法的有效性。     

基于数据密度的半监督自训练分类算法

在实际的分类任务中,无标记样本数量充足而有标记样本数量稀少的情况经常出现,目前处理这种情况的常用方法是半监督自训练分类算法。提出了一种基于数据密度的半监督自训练分类算法,该算法首先依据数据的密度对数据集进行划分,从而确定数据的空间结构;然后再按照数据的空间结构对分类器进行自训练的迭代,最终得到一个新的分类器。在UCI中6个数据集上的实验结果表明,与三种监督学习算法以及其分别对应的自训练版本相比,提出的算法分类效果更好。     

基于循环自相关的NC-OFDM信号参数的盲估计

在认知无线电(CR)环境中,频率资源不足的问题越来越严重,非连续正交频分复用（NC-OFDM）能够工作在非连续的频谱环境,针对NC-OFDM信号的参数估计重要问题,提出用循环自相关的方法。该方法首先分析循环平稳信号特点,然后根据NC-OFDM信号的循环自相关在循环频率α以及时延τ切面图具有离散谱线特征进行参数估计,最后对NC-OFDM信号的循环自相关进行数值仿真。仿真结果表明在低信噪比下,能有效估计NC-OFDM信号的参数及识别零前缀的正交频分复用信号（ZP-OFDM）,且实验证明关闭近90%的子载波数目,都能够实现NC-OFDM信号的参数的盲估计。     

低聚肽对PVA/PEG复合薄膜相容性的影响

以α-氨基酸为起始材料合成了低聚肽(TEA),通过溶液共混法将其引入聚乙二醇与PVA的复合体系中,使用不同分子量的PEG,制备了一系列PEG/TEA/PVA共混膜。试验了不同分子量PEG与TEA和PVA的相互作用,并分析了TEA对PEG/PVA复合体系相容性的影响。结果表明,TEA改变了PEG与PVA的相互作用模式,当PEG分子量较低时,PEG优先与TEA通过分子间作用力形成自组装微区,均匀分布于PVA连续相中,随着PEG的分子量增大,自组装微区的体积逐渐增大,PEG与TEA的相互作用随着距离的增加而减弱。当PEG分子量达到4 000时,PEG与PVA的链段缠结作用远大于TEA与PEG的相互作用,TEA分子分散在PEG/PVA体系中,在分子间的芳基堆砌作用驱动下,TEA自组装成纤丝。