电缆用硅烷交联乙丙橡胶加工工艺

美国《橡胶世界》2007年235卷6期57页报道：Shimadzu科学仪器公司的USF-2000超声疲劳试验机可测试多种材料。该系统通过共振可在使用最小能量的条件下达到最大应力，试验时无需固定试样。系统在试样自由边测量应变且允许试样产生反作用力，试验过程耗能很少。据该公司称，由于使用共振，该系统可以进行100亿次疲劳试验，这在以前是十分困难的。     

聚氯乙烯塑料中多种邻苯二甲酸酯类增塑剂的同时测定

为了在线监控聚氯乙烯塑料中增塑剂的含量,利用傅立叶变换红外光谱法-ATR技术测定样品的红外光谱,采用偏最小二乘法对所测红外光谱进行分析,建立了一种无损快速分析方法,定量地测定聚氯乙烯塑料中多种邻苯二甲酸酯类增塑剂的含量。该方法测量精密度的变异系数小于6%,测量准确度的变异系数小于3%。该方法不受基体的干扰,简单快速,适合于流水线的质量控制。     

基于鲁棒一步集的Tube不变集鲁棒模型预测控制

针对一类干扰有界的输入和状态受约束线性离散系统,提出了一种基于鲁棒一步集的Tube不 变集鲁棒模型预测控制方法.首先采用多面体不变集离线设计方法得到基于多面体不变集序列的扩 展终端约束集;然后为了扩大鲁棒模型预测控制的初始状态允许区域,并提高系统的鲁棒性,在扩展终端约束集的基础上,通过引入鲁棒一步集并借助Tube不变集控制策略,设计了基于鲁棒一步集的鲁棒模型预测控制方法,并给出了算法的存在性和稳定性证明. 该方法不仅极大地扩大了初始状态允许区域,而且对有界干扰具有有效的抑制作用,使得受扰系统收敛到以原点为中心的最小鲁棒正不变集内.最后仿真验证了算法的有效性.     

分布参数系统参数估计策略

最小二乘法只是一种简单意义上的拟合，无法对模型鉴别和参数估计起到积极的指导作用。本文从对管式反应器模型方程的正交配置离散出发，导出了配置方程与加权最小二乘法之间的一致性，认为对于非线性模型必须弄清状态变量的过程变化规律，才能有效地进行模型参数估计。在这一原则指导下，对反应工程研究中应注意的各种实验测量问题进行了分析，指出浓度的测定对于复杂反应来说是十分重要的，并用实例对此进行了检验。     

一种改进的超宽条带噪声消除算法

针对高光谱遥感图像中的超宽条带噪声干扰现象,在深入研究高光谱图像特点和条带噪声产生机理的基础上,提出了一种新的基于最小序列值、小波变换和矩匹配相结合的滤波算法（OWM算法）。该算法主要包括灰度对比度处理、最小序列值处理、小波变换系数归零处理和矩匹配处理等四个步骤。用实际的高光谱图像进行了一系列的验证比较实验,获得了好的实验效果。实验结果表明OWM算法不仅能够有效滤除高光谱图像中的超宽条带噪声,而且还具有较好的普适性。     

Silicon Labs推出世界最小尺寸的电视调谐器

<正>2014年10月29日,硅电视调谐器领导厂商Silincon Labs宣布推出高性能且经过现场验证的第六代电视调谐器IC——Si151/41。该系列产品满足全球数模混合电视和数字电视市场的需求,同时支持模拟和数字视频广播接收,并符合全球所有的地面/有线电视标准。据Display Search的数据表明,中国已经连续四年居于全球电视机出     

番茄游离氨基酸总量近红外光谱预测模型研究

采用近红外光谱分析技术,建立番茄中游离氨基酸总量预测模型。从一至三穗成熟果实中共采集番茄108个,其中84个做校正集,24个做验证集。从数据归一化、数据格式、数据平滑几个方面选择不同的光谱预处理方法,确定最佳方法为:"Mean Centering"+"Second derivative"+"Norris derivative filter"。将全波数范围(40000~11000)cm~(-1)划分为70个区间,得到最佳建模区间组合为9,10,17,56,57,61。利用偏最小二乘法建立预测模型,得到相关评价指标R、RMSEC、RMSEP及模型预测准确率分别为0.936、6.72μg/100g、7.15μg/100g和92.5%。评价指标及对验证集的预测结果表明,所建模型用来实现对番茄中游离氨基酸总量进行无损、快速预测是可行的。     

非线性偏最小二乘建模方法及在近红外光谱建模上的应用

偏最小二乘算法(PLS)是常用的线性光谱建模方法。针对汽油在线调合中具有非线性特点的辛烷值、干点等属性应用PLS方法建立模型误差较大问题,本文提出了残差-递阶偏最小二乘的建模方法,该方法对已经提取成分后的自变量中剩余的信息再提取主成分,并将该主成分作为新的自变量参与回归建模。仿真验证结果表明:残差-递阶偏最小二乘方法建立的模型中验证集的样本数据误差均在正负0.2之间。残差-递阶偏最小二乘方法与偏最小二乘、递阶偏最小二乘叫-PLS)两种方法比较,残差-递阶偏最小二乘建立的模型有的更高的精度和模型适应性。     

面向大规模数据流处理的偏最小二乘法

用光谱分析鉴别生物特征,导致数据量大,而实际需要必须实时处理。偏最小二乘法是使用最广泛的鉴别算法,但是对于大规模数据流该算法无法达到实时性。为了解决这个应用矛盾,提出了一种基于NVIDIA CUDA架构下的并行计算策略,利用具有大规模并行计算特征的图形处理器（GPU）作为计算设备,结合GPU存储器的优势实现了偏最小二乘算法。实验的测试结果表明,在GPU上使用CUDA实现的偏最小二乘算法比在CPU上实现该算法快了47倍,性能得到了显著提高,从而使偏最小二乘算法应用于大规模数据流处理成为可能。     

基于偏最小二乘法的咳嗽信号检測

咳嗽中包含丰富的病理信息,可以为临床诊断提供重要支持。自动咳嗽检测方法有助于提高检测结果的可靠性,并减少人为工作量。但在自然记录的语音信号中,非咳嗽信号的数量远多于咳嗽,语音流中咳嗽信号的自动检测是个典型的类别不均衡问题。针对该问题,提出一种基于偏最小二乘分类法的咳嗽信号检测模型APLSCX。利用非对称偏最小二乘分类器处理类别不均衡数据的能力,对归一化的特征向量进行特征抽取,同时基于低维数据的方差调整分类平面。实验结果显示,与LCM、SVM等主流模型相比,APLSCX兼顾了小类的召回率和精度指标,具有较高的检出率和较低的误警率,更适用于自然语流中咳嗽信号的检测。