中国灵猫香膏香气成分研究(摘要)

一、前言: 灵猫香(Civete)为四大动物香之一。它取自灵猫的香腺,为哺乳动物具有的一种特殊皮脂腺。灵猫香是香料工业中高级香精和加香产品中不可缺少的原料之一,具有可贵、细腻的动物型香气和定香保香作用,故灵猫香历来为世界上著名调香师视为化妆香精调香中不可或缺的珍品。灵猫属灵猫科(Viverridae)动物,主要有大灵猫(Viverra Zibetha)与小灵猫(Vivericula indica)两个品种。大灵猫主要分布在非洲埃塞俄比亚,我国云南地区、华东地区及秦岭南部也有发现。目前杭州动物园已在进行驯养和取香研究,全世界香料工业所     

高工专担负高等职业教育任务应考虑的几个问题

我国高等工程专科教育自80年代中期以后得到迅速发展。1992：年，我国高校共招生75．4万人，其中本科生34．98万人，专科生40．43万人，专科招生人数首次超过了本科。到1995年，我国高校招生达96．5万人，其中本科生38．6万人，专科生57．9万人，专科招生人数创历史最高记录。     

阻燃性耐高温改性聚双马来酰亚胺玻璃布复铜板的研制

采用具有阻燃性的溴代环氧树脂与二苯甲烷双马来酰亚胺进行化学改性,制得耐热温度指数为173℃的阻燃性耐高温层压树脂,并制得自熄性达UL94V—O级的阻燃性耐高温玻璃布复铜板。制造工艺简单,产品性能稳定,填补了我国阻燃性耐高温玻璃布复铜板的空白。     

溶胶-凝胶法制备掺镧钛酸钡薄膜及其光学性质研究

以硝酸镧、醋酸钡、钛酸四丁酯为原料,采用溶胶一凝胶旋涂法制备掺La的钛酸钡薄膜,研究薄膜的晶体结构、表面形貌、紫外-可见光吸收性能及光学带隙。研究结果表明,纯钛酸钡和掺La钛酸钡薄膜均为单一四方钙钛矿结构,La3＋的引入可以使钛酸钡薄膜在可见光区的透过率和光学带隙有一定程度下降,而退火温度对掺镧钛酸钡薄膜光学带隙基本无...     

基于正交试验的气密特殊螺纹油管接头密封性能研究

开发深海油气需要钻探大量超深井、大位移井,井下油管需要承受水下复合载荷的综合作用,这对气密特殊螺纹油管接头的密封性能提出挑战。以?99.25 mm×6.45 mm气密油管特殊螺纹接头为研究对象,以密封面最大接触压力为考核指标,依据ISO 13679标准A系试验载荷包络线对正交优化试验结果进行密封性能分析。分析结果表明：密封面最大接触压力影响因素敏感性由大至小的顺序为：密封面角度>扭矩台肩角度>螺纹承载面角度>螺纹锥度>螺纹螺距;气密特殊螺纹油管接头参数最优组合为密封面角度10°、扭矩台肩角度-12°、螺纹承载面角度12°、螺纹锥度1∶18、螺纹螺距4.8 mm;优组后油管接头在ISO 13679标准A系试验载荷下各加载点密封性能良好。所得结果对气密特殊螺纹油管结构的进一步优化设计具有指导意义。     

基于RF-BiLSTM的柔直阀冷入阀水温预测及冷却能力评估

为实现柔性直流(voltage sourced converter-high voltage direct current,VSC-HVDC)换流阀冷却系统入阀水温的智能预测,文中提出一种基于随机森林(random forest,RF)和双向长短时记忆(bi-directional long short-term memory,BiLSTM)网络混合的柔直换流阀冷却系统入阀水温的预测模型,并以此为基础对柔直换流站阀冷系统的冷却能力进行评估。首先,采用RF算法对由阀冷系统监测变量组成的高维特征集进行重要性分析,筛选出影响入阀水温的重要特征,与历史入阀水温构成输入特征向量。然后,将特征向量输入到BiLSTM预测模型,对模型进行训练并实现对入阀水温的准确预测和冷却能力定量评估。最后,以广东电网某柔直换流站为实例对所提方法进行分析,验证了所提出的基于RF-BiLSTM的混合模型预测精度优于BiLSTM模型、RF模型、支持向量机(support vector machine,SVM)模型和自回归滑动平均模型(auto-regressive and moving average,ARMA)模型,并且实现了冷却能力的定量评估。结果表明该换流站冷却裕量达98%,存在过度冷却、能源浪费的问题,与换流站现场运行情况相符,验证了文中所提方法的有效性和准确性。     

无偏稀疏正则化的双策略结构神经网络压缩

虽然深度神经网络模型的性能十分出色,但目前网络存在规模庞大、权重冗余度高的问题。同时,现有对网络权重剪枝的正则子估测偏差大。因此,本文提出无偏稀疏正则化的双策略结构神经网络压缩。首先,本文将神经网络所连接权重视为一组,提出采用估测值偏差小的非线性拉普拉斯函数,构建组间无偏结构稀疏正则子和组内无偏结构稀疏正则子,对冗余神经元和剩余神经元的冗余权重分别进行稀疏约束,构建无偏稀疏正则化的双策略结构神经网络压缩模型。其次,针对所设计的无偏稀疏正则化的网络压缩优化难题,本文采用近端算子技术获得无偏稀疏正则子的闭式解,进而设计基于近端梯度下降法的反向传播算法,实现神经网络准确的结构压缩。最后,通过在数据集MNIST、 FashionMNIST和Cifar-10进行实验验证,本文所提出的无偏稀疏正则子的双策略结构神经网络压缩不仅收敛速度快于目前主流正则子。而且在压缩率保持一致的情况下,相比已有的方法识别精度平均提升2.3%,在识别保持精度基本一致的情况下,相对已有方法平均提升11.5%的压缩率。