复杂机电系统核熵判别分析的异常分类方法

为了解决复杂机电系统的海量数据的复杂性和动态性,以及对故障类型快速而有效地进行分类,提出一种基于信息熵的核熵判别分析—KEDA方法。首先,引入了信息熵的观点以便排除信息冗余后剩余的平均信息量能够保证异常模式的有效分类。其次,利用核熵成分分析对数据进行非线性映射和降维,为此确定基于熵的参数选取方法计算和KEDA算法步骤。从而在降维后的空间进行分类。最后,结合TE过程数据集对算法效果进行验证。通过仿真实验得知,提出的KEDA方法的识别率85%以上,表明KEDA方法比其他方法的有效性和优越性,具有一定的应用价值。     

短毛柽柳不同部位多糖提取工艺及含量测定

采用超声波辅助提取技术,考察了料液比、80℃热水浸泡时间、超声时间、超声功率四因素对短毛柽柳花、嫩枝叶、茎中多糖提取率的影响。本实验条件下,短毛柽柳不同部位多糖提取的最佳工艺条件为：料液比1:60,热水浸泡时间1h,超声时间20min,超声功率300W。此时花、嫩枝叶、茎中多糖含量分别为53.06、164.90、48.01mg/g,嫩枝叶的多糖含量明显高于其他两个部位。此方法回收率为98.25%。     

刺山柑叶子中黄酮的超声波提取及抑菌研究

目的:运用超声波辅助法提取刺山柑叶子中黄酮类物质.对刺山柑叶子提取液不同萃取组分进行抑菌实验.方法:通过正交实验法探讨提取工艺的最佳条件.采用琼脂平板扩散法观察抑菌圈的大小及测量最低抑菌浓度(MIC,mg/mL).结果:最佳工艺条件:乙醇浓度75%,超声时间为50min,料液比为1:25,提取周期为5次.抑菌实验中正丁醇萃取组分和乙酸乙酯萃取组分的抗菌活性明显强于石油醚萃取部分.结论:刺山柑叶子中抗菌活性成分主要为极性中等的化合物,推测正丁醇和乙酸乙酯萃取部分的黄酮及生物碱成分是主要的抗菌成分.     

基于DSC-DenseNet的流程工业系统故障监测

田纳西-伊士曼过程数据高纬度、高耦合,存在数据特征难以提取的问题。为进一步提高流程工业系统中故障监测的识别率,现将一维稠密卷积网络（1D-DenseNet）与深度可分离卷积（DSC）结合,利用DenseNet的高效特征提取能力,并结合DSC减少计算参数、提高诊断效率,以提供基于DSC-DenseNet的故障监测方式。先将数据进行归一化整理,并加入随机种子避免过拟合,随后将处理后的结果作为DSC-DenseNet的输入进行特征提取,然后将输出结果传入全连接层进行故障分类;最后在TEP数据集上进行准确率测试。结果证明：基于DSC-DenseNet的方法能有效分辨故障类型,故障分类准确率达到98.8%。并证明DSC-DenseNet比传统DenseNet有更好的故障识别效果。     

PSO-SVM及其在减速机齿轮诊断中的应用

针对支持向量机(SVM)参数一般是人为选取,无法准确取到最佳值的问题,提出了一种基于粒子群算法(PSO)对参数进行优化的支持向量机(PSO-SVM).以减速机齿轮的3类故障类型(正常、磕碰、磨损)数据作为研究资料,组成训练样本集,训练PSO-SVM分类模型,从训练集中抽取部分数据组成测试样本集,对模型进行检验测试.研究表明:PSO-SVM模型分类正确率达到了93.8%,相较未进行参数优化的SVM,算法能更好地找到全局最优解,提高了模型的分类正确率.     

基于新工科建设的工业机器人应用实训项目开发——以应用型本科为例

新工科建设是中国高等教育探索颠覆式革命性人才培养的里程碑。本文基于新工科创新人才培养的理念,以多学科、多系所、多线条交叉开展平台建设,快速整合机器人相关学科内容与单元,结合应用型本科院校的实际硬件、软件建立了工业开源机器人实训操作平台,以项目为中心的串编课程体系配套多种工业实际应用场景中的实际工艺情况。开源的实训平台使学生在学习过程中提高了积极性并获得综合应用知识的能力。     

功能性超疏水表面的构建及其应用进展

由于具有独特的液体润湿性,超疏水表面在工业生产和日常生活中具有广阔的应用前景,但其单一的超疏水性却难以满足在严苛环境和新兴领域中的使用需求。近年来,将表面超疏水性与自修复性、透明性、导电性等至少一种功能相结合的功能性超疏水表面已成为该领域的研究热点,对于延长其使用寿命并拓宽其在柔性电子、快速融冰融雪等新兴领域中的应用具有重要意义。本文简单介绍了超疏水表面的基本原理,然后综述了近年来功能性超疏水表面的研究进展,具体介绍了可修复、可拉伸、透明、磁性、导电及非对称浸润性的功能性超疏水表面的构建和应用,最后总结了目前该领域存在的一些问题,主要包括功能性有待于改善、制备工艺复杂、成本高、污染环境、耐久性较差等,并指出利用简单环保的方法开发出能够长期使用的功能性超疏水表面将会是该领域未来的主要发展方向,同时要注重推动其实际生产及应用。