生物矿化法制备氧化镓颗粒及其性能表征

以蚕丝蛋白为模板,在相对温和的条件下通过生物矿化的手段形成具有特殊形貌的α-GaOOH颗粒,并通过在不同温度下煅烧α-GaOOH得到α-Ga2O3和β-Ga2O3.采用扫描电镜(SEM)、透射电镜(TEM)、X射线衍射仪(XRD)和荧光分光光度计(PL)等手段研究了丝素蛋白多肽和矿化时间对颗粒的影响,对其生物矿化机理进行了初步探讨.结果表明,所制备的β-Ga2O3具有优良的发光特性,丝素蛋白多肽模板以无定形的结构与产物结合在一起,并且经过高温烧结后仍以碳膜的形式包覆在材料的表面.这种碳膜结构对于提高材料的生物学性能起着重要的作用.     

环境影响评价中公众参与有效性的研究

公众参与是环境影响评价工作的基础,占据十分重要的地位。公众的真实想法与建议,能够真实地反映出环境影响评价工作中存在的问题与不足,同时可有效地提高环境影响评价工作水平,促使环境影响评价战略的实施更加公开透明化。基于此,通过分析现阶段我国公众参与环境影响评价中存在的问题,提出了具体措施。     

慢行交通:“慢”出都市出行高品质

概念:慢行交通与慢行交通系统 “慢行交通”是相对于快速和高速交通而言的,有时也可以称为非机动化交通,一般情况下,慢行交通是出行速度不大于15 km/h的交通方式.慢行交通包括步行及非机动车交通,由于许多大城市的非机动车交通主要是自行车交通,慢行交通的主体就成为步行及自行车交通.     

靶面激光光斑尺寸原位测量的研究

提供了一种简便易行的靶面激光光斑尺寸原位测量的方法。从高斯光束的横向光强分布特性出发,建立了激光烧蚀斑半径与辐照激光能量、光斑尺寸、烧蚀阈值间的关系式,模拟分析发现辐照激光光斑尺寸对烧蚀斑半径随辐照能量变化曲线有较大影响。对于脉宽为2 ms,波长为1064 nm的激光,实验测量了不同能量激光辐照下相纸烧蚀斑半径,并用推导出的关系式拟合测量数据,获得了靶面处光斑尺寸和样品烧蚀阈值。同时,也测量了不同位置处的光斑尺寸和样品烧蚀阈值,对高斯光束束腰位置和样品烧蚀阈值的光斑尺寸效应进行了验证。研究结果表明该技术结果可靠,简单高效。该技术可以为高能激光与固体物质相互作用的基础研究和激光加工等应用领域中实现简单方便地测量靶面光斑尺寸提供帮助。     

基于DRSA和BP神经网络风电机组检修决策

为缩减运维成本,降低检修资源配置,提出一种基于优势粗糙集DRSA和BP神经网络的风电机组检修决策新方法。基于风电机组多因素序信息系统表,采用优势粗糙集理论方法进行知识约简,获得检修决策规则集,将提取的规则集作为输入样本对BP神经网络进行训练,提高处理不确定性知识的能力。与基于DRSA的检修决策方法进行对比,该方法实现了风电机组的智能检修预测,更能优化机组检修资产的管理,为增加机组检修决策的透明性、合理性及科学性提供了依据。     

ATSP:时态网络可视化的自适应时间片划分方法

现有的时态网络可视化方法大多采用等量时间片来可视化网络的演变，不利于时态模式的快速挖掘和发现。为此，根据时态网络固有的特征提出自适应时间片划分方法（Adaptive Time Slice Partition method，ATSP）。在时态网络的两种表示方式（基于事件的表示方式和基于快照的表示方式）的基础上，构建了ATSP的基础模型，同时提出了一种改进模型用来描述事件间隔时间服从长尾分布的时态网络。为了实现时间片的不等量划分，针对探索任务的不同提出了基于时态模式的ATSP规则和基于中心节点的ATSP规则，并提出了实现算法--层次划分算法（Hierarchical Partition algorithm，HP）和增量划分算法（Incremental Partition algorithm，IP）。实验结果表明，ATSP方法比传统的时间片划分方法更能准确地表示网络的时态特征，且该方法应用于可视化时，能有效归纳并展示网络的特征，明显提高了视觉分析的效率。     

基于SCAE⁃ACGAN的直升机行星齿轮裂纹故障诊断

直升机行星传动轮系结构复杂、工况多变,其振动信号受工况影响大,在故障样本较少的情况下导致行星齿轮箱故障诊断准确率不高,早期故障诊断困难。针对上述问题,提出将堆栈收缩自动编码网络(stacked contractive autoencoder,简称SCAE)与辅助分类生成式对抗网络(auxiliary classifier generative adversarial networks,简称ACGAN)相结合的SCAE-ACGAN故障诊断方法。ACGAN的生成器产生与真实样本具有类似分布的生成样本,扩展训练样本集,并与真实样本一起输入至判别器进行训练。ACGAN采用SCAE作为判别器,利用SCAE良好的抗数据波动能力,从扩展样本集中挖掘出有效的深度特征,并实现样本的真伪与类别的判定。ACGAN的判别器和生成器在对抗学习训练机制下交替优化,提高方法的样本生成质量与故障判定能力。将SCAE-ACGAN应用于直升机行星轮裂纹故障诊断,结果表明,SCAE-ACGAN的故障诊断性能好,在样本数量少与工况变化情况下具有较好的健壮性和适应性。