河南省能源环境效率评估及其驱动因子研究

运用超效率情境相依DEA模型,测算出2015年河南省18个省辖市的能源环境效率,并运用T型关联度分析其影响因素,结果表明,河南省的能源环境效率整体状况良好;18个城市按效率水平被划分为3个层级,郑州、开封、鹤壁、许昌、漯河、南阳、周口和济源位于效率顶层,而安阳、新乡和商丘位于效率最低层。创新驱动、对外开放、所有制结构、城镇化水平、产业结构对能源环境效率有正面影响,信息化水平、政府影响力则对能源环境效率有负面影响。最后,根据研究结果提出了政策优化建议。     

基于LMD切片双谱和SVM轴承故障诊断研究

针对滚动轴承发生点蚀故障时峭度和1倍频能量都会发生变化的情况,提出了基于局部均值对故障信号进行分解的方法。该方法取峭度值较大有效分量信号进行重构,再做切片双谱进一步降低高斯噪声对特征频率的影响,提取故障特征1倍频、2倍频和3倍频并进行归一化处理得到特征向量。利用支持向量机对提取的特征向量进行训练与测试,从而识别故障与否及发生点蚀故障的程度。通过对实测滚动轴承振动信号的分析与诊断,验证了该方法的有效性,说明其具有良好的应用前景。     

中科院太阳能光电催化分解水制氢研究获进展

中国科学院大连化学物理研究所在“太阳能光电催化分解水制氢”研究方面取得新进展：在以Ta3N5的半导体光阳极研究中,发现了“空穴储存层”电容效应,设计并获得了高效稳定的太阳能光电催化分解水体系。     

金刚石沉积过程中硬质合金基体的相互作用

金刚石涂层在硬质合金基体上的沉积及其粘结强度明显取决于基体的成分。尤其在低碳硬质合金基体上沉积的过程中，基体从含碳介质中吸收碳，从而阻碍了硬质合金上金刚石涂层的形成。此过程占用了沉积过程的很长时间，并能使金刚石一硬质合金界面的一部分金刚石涂层分解，从而降低界面的粘结强度。为了研究沉积过程中这种作用，实验是在缺碳、含有少量1碳化物(Co3W3C)的基体上完成的，通过使用这种合金样品发现Co3W3C C转化成Co(C，W) WC的反应前沿从表面迁移到了整个材料中，这也证实碳已扩散到了基体中。本文表明，温度在900℃时C和W的扩散速率以及反应速率都很高足以使所有η碳化物转化成Co(C，W) WC：经20小时的沉积后反应前沿已进入基体中约0．9mm深。沉积过程中钴粘结剂中的碳饱和以及部分金刚石涂层的分解可通过对基体不同深度部分进行晶格常数测定和通过界面的SIMS测定进一步加以证实。     

一种基于小波分解的新型海杂波抑制方法

针对不同分布海杂波的抑制及目标检测问题,首次将自适应噪声对消器应用在海杂波的处理中,并且将此对消器与小波分解理论相结合来抑制海杂波,提取出目标。首先,对含有目标的海杂波信号进行小波分解。然后,类比自适应噪声对消器模型,设计一种自适应杂波对消器。将经小波分解后的信号作为自适应杂波对消器的输入信号,经过自适应杂波对消器输出的信号即为杂波抑制的结果。最后,通过MATLAB仿真,分析采用不同的小波基函数和不同的分解层数的杂波抑制效果,验证此种算法对于海杂波抑制的有效性。     

模糊综合评判在网络安全评价中的应用研究

随着网络技术的飞速发展,计算机网络已经在各行各业中被广泛应用。计算机以及网络的应用不仅极大地提高了生产力,更深入到人们的日常生活中,成为工作、学习、娱乐必不可少的工具。介绍了模糊综合评判方法在网络安全评价中的相关应用原则和方法,对网络安全评价措施进行了浅要分析,对网络系统安全的评价方法研究有很好的指导意义。     

WSN中基于信息熵的目标节点位置隐私保护模型

近年来随着无线传感器网络广泛应用和发展,隐私问题日益突出.研究无线传感器监控目标位置,将目标的每一个历史位置称为影响目标节点位置隐私的历史位置节点,每个历史位置节点包含多个对目标位置推断的预测因子CP,根据历史位置信息采用线性回归方法构建一个基于信息熵相关理论的隐私保护模型.     

基于贝叶斯的服务通告改装经济性决策方法

改装类服务通告的经济性决策是航空维修企业工程人员的一项重要工作内容。设计了改装类服务通告经济性决策程序;通过服务通告对飞机运营的经济性影响分析构建了成本分解结构,并对不同的成本项目建立了成本评估模型;针对模型的成本影响参数MTBUR和MTBF的估计采用了贝叶斯方法以解决小样本问题;通过投资回收期方法获得评价指标以决定是否进行服务通告改装投资。最后通过实例对决策方法的应用进行说明。此方法能够为航空企业的维修改装决策提供有效的技术支持。     

田间试验中复因子试验的含义与特点

在农作物进行田间试验中,有单因子试验和复因子试验两种选择。文章阐述了单因子试验的缺陷,复因子试验的目的意义。并以小麦复合试验及玉米每穴株数试验组合为例加以说明。     

基于改进LS-SVR的超磁致伸缩作动器模型辨识

提出了基于遗忘因子矩形窗的最小二乘支持向量机回归( LS - SVR)方法.该方法先将矩形窗方法与传统的LSSVR相结合,用有限个过去的数据做LS - SVR的样本,随着时间增加不断在样本中丢弃旧数据加入新数据,保持样本总数不变;然后在此基础上添加了遗忘因子,在丢弃旧样本的同时兼顾了历史数据的影响.改进后的LS - SVR方法提高了运算速度,同时也提高了辨识的精度.通过仿真实例验证了该方法的有效性和可行性.将此方法应用到超磁致伸缩作动器的在线模型辨识上,取得了较好的辨识结果.