基于高精度曲面建模的物体表面形变监测

道路、隧道、桥梁等物体表面形变监测是质量安全保障的重要前提。针对其表面监测问题，提出一种基于激光栅格化采样和高精度曲面建模的物体表面监测方法。该方法对监测物体表面利用栅格化采样进行高精度曲面建模和插值，通过多项式空间插值估计监测点的真实值和曲面第一、二基本量，对物体表面沉降和曲率半径参数变化角度进行监测。为验证该方法的有效性，在两组不同复杂程度的已知曲面上随机选取100个测试点，针对采样密度和插值密度分别进行数值仿真实验，并利用实物模型构建模拟形变实验，进而对测试点处的沉降变化和曲率半径变化进行监测。实验结果表明：在仿真实验中，高栅格化采样密度和插值密度能够大幅提高曲面重构精度，并降低物体表面不同复杂程度对监测精度的影响；在实物模拟形变实验中，沉降测量精度可达98.41%，曲率半径变化检测精度可达81.82%。     

基于AHP的零碳建筑技术评估与应用研究

发展零碳建筑是我国国家战略,零碳建筑技术评估是促进规模化发展低碳建筑、零碳建筑的重要一环。文中以山东建筑大学教学实验综合楼一期为验证案例,运用AHP层次分析法构建的建筑概念设计阶段的零碳建筑技术综合评估模型,得出建筑项目的零碳建筑技术建议方案,在此基础上设计应用于概念设计阶段零碳建筑技术综合评估软件,运用软件为例得出评估结果与实际零碳建筑技术的应用基本符合,验证了评估方法与评估软件的可行性和可操作性。研究实现了零碳建筑技术的跨学科、跨专业综合评估,可为零碳建筑提供决策支持,帮助不同建设目标的零碳建筑合理选择适宜的建筑技术。     

甘氨酸-氟硼荧近红外荧光分子探针的合成及性能测试

将一种具有近红外荧光性能的氟硼荧染料（BDDIPY）作为显影基团,制成新型的检测肿瘤细胞的近红外荧光分子探针。首先以氟硼二吡咯烷（BOD）为起始原料,通过缩合反应,将具有强供电子作用的N-苯基亚氨基二苄引入到氟硼荧中,得到了荧光光谱处于近红外区的氟硼荧化合物,接着用N-羟基琥珀酰亚胺为活化剂,将具有肿瘤亲和力的甘氨酸引入到荧光基团-氟硼荧（BDDIPY）,最终得到甘氨酸-氟硼荧近红外荧光探针,并对其结构进行了核磁和质谱表征,并进行了光学和生物学性能测试。实验结果显示：甘氨酸-氟硼荧近红外荧光分子探针的荧光发射波长大于700 nm,与肺癌细胞（GLC-82）具有较好的亲和力,达到23.65,是一个具有良好应用前景的检测肿瘤细胞的近红外荧光分子探针。     

基于概率神经网络的放射性核素快速识别方法研究

针对传统神经网络在核素识别中训练效果弱,易陷入局部极小、收敛速度慢等问题,提出了基于概率神经网络的核素识别方法,采用样本的先验概率和最优判定原则对新的样本进行分类。该方法利用能谱预处理过程获得的谱峰宽度、特征能量射线强度、峰面积等特征信息建立训练与测试样本,采用训练样本对概率神经网络模型进行训练,并进行了分类识别仿真实验。通过CZD探测器对3种核素不同组合的实测能谱进行测试,并与传统的神经网络算法进行对比表明:此方法具有较高的识别效率及准确率,可应用于安全监控、失控放射物探测等快速核素识别领域。     

一种数据流上基于滑动窗口的点连接查询处理算法

连接是数据库研究中至关重要的一环,在没有边界、连续的数据流模型中,由于存储有限和实时性需求,连接算法主要基于滑动窗口作近似处理.主要研究数据流上一种特殊的连接,命名为点连接.点连接是指对于任意r∈R(称为主流),有唯一的s∈S(称为副流)与之对应,其中s.a=r.a且s.time最接近r.time(time称为时间特征).因此,流R与流S上的数据属于n∶1的关系.而在真实的分布式环境下,因为网络等原因,流数据到达的时间和顺序往往不一致,导致连接成功率下降.提出一种新的连接查询处理算法,能够在复杂的网络环境下获取更多的连接输出.实验模拟了2种网络环境,分别在数据有序到达和数据乱序到达2种情况下对算法验证,证明此算法比已有算法更优.     

不平衡数据集下的水下目标快速识别方法

水下目标的准确识别是水下机器人实现抓取、捕捞等安全作业的前提,针对水下图像质量差、样本数量少及类不平衡而导致目标识别精确度低的问题,提出了一种基于生成对抗网络（Generative Adversarial Networks, GAN）的水下目标快速识别算法。利用GAN理论搭建了深度卷积神经网络的水下图像生成模型,通过生成器与判别器的零和博弈生成特定水下目标图像;设计生成目标的中心坐标计算函数和边界融合函数,将生成目标与背景图像融合后训练水下目标识别模型。实验结果表明,所提方法能够显著提高水下目标识别精确度,对实现水下目标准确抓取、促进水下作业及海洋资源的开发具有重要意义。     

稀疏表示与多任务学习的复杂核素识别

为提高核探测器在复杂环境下测量的适应性,提出了一种能谱校正和核素识别方法.针对核信号探测过程中,由于环境温度的交替变化会出现γ能谱偏移导致多核素识别率低的问题,提出了一种基于稀疏表示和多任务学习的核素识别方法.首先建立一个用于描述环境变量对于当前测量能谱影响的迁移矩阵,其次对测量能谱进行建模,该模型可以表示为标准能谱中独立核素能谱的瞬时叠加,由此核素识别问题就转化为多种核素能谱稀疏分解的问题,为求解该非凸优化问题采用交替方向乘子法(ADMM)的多任务学习方法同时优化迁移矩阵并进行稀疏分解,实现多核素识别.为验证该方法的可行性和有效性,利用高低温交变试验箱对Cs I(Tl)探测器的测量环境进行模拟,分别测量得到11种核素和典型混合核素的实际放射性元素能谱数据,以及基于蒙特卡洛分析软件Geant4仿真IAEA规定的27种核素的单一与混合核素数据进行实验.结果表明,提出的方法即使在温度为:-20℃~50℃的环境下依然可以准确地识别多种常用核素.     

基于SVD和SVM的核素识别算法

针对基于寻峰方法的 γ能谱识别方法对高本底、低探测率的复杂 γ能谱解析特征不显著、准确率低等问题,提出一种基于奇异值分解和支持向量机的核素识别算法.通过将1维能谱变换为2维图像,使用奇异值分解提取特征向量,将其作为支持向量机的输入构建分类器.实验结果表明:该方法对典型核素的识别率达到98%,并且能识别混合核素样本的组成成分.该方法降低了对探测器精度要求和参数设定的影响,提高了混合核素的识别能力.     

γ探测器水下就地测量比计数率及有效探测距离MC计算

选取¹³¹I、¹³⁷Cs、⁴⁰K、²⁰⁸Tl等核素所发射的不同能量的γ射线,通过MC模拟,获得三种闪烁探测器在就地测量时获取的水体中放射性核素的γ能谱。以此为基础获取其全能峰比计数率随测量水体半径变化的情况,最终获得比计数率饱和值及有效探测距离随射线能量的变化趋势,并得到闪烁探测器用于海洋放射性污染监测时的布放深度。通过MC模拟获得多种闪烁探测器对不同放射性核素的比计数率及有效探测距离,为海洋放射性监测提供参考。