基于聚焦式超声波传感器的悬移质浓度测量研究

液体中悬移质含量是表征液固两相流的重要参数之一,其准确测量具有重要意义.基于超声波在悬移质中传播的衰减效应,提出了一种新型聚焦式传感器对悬移质的浓度进行测量.以不同悬移质浓度和粒径的水-泥沙混合物作为测量介质,利用数据采集卡获取衰减反馈波形,经过小波去噪和快速傅里叶变换FFT(Fast Fourier Transformation)得到衰减信号的频谱图,根据浓度与衰减系数对应关系建立悬移质浓度模型.实验数据表明,混合粒径和单一粒径下衰减系数与浓度分别呈现三次函数关系和良好的幂函数关系,在实验范围内,3种不同平均粒径下的模型平均相对误差基本在3%以内,均方根误差在10%以内,证明了所建立的模型有一定的可行性.     

加权Fast Newman模块化算法在人脑结构网络中的应用

针对二值人脑结构网络的模块化方法不足以反映复杂的人脑生理特征这一问题,提出一种基于Fast Newman二值算法的加权脑网络模块化算法。该算法以凝聚节点的层次聚类思想为基础,以脑网络中单个脑区节点的权重值和脑网络总权重值为主要依据构建加权模块度评价指标,并将其增量作为度量值来确定加权脑网络中节点的合并从而实现模块划分。将该算法应用于60个健康人的组平均数据中的实验结果显示,与二值人脑网络模块化结果相对比,所提算法得到的模块度提高了28%,并且模块内部和模块外部的特征区分更加明显,所得到的人脑模块也更符合已知的人脑生理特性;而与现有的两种加权模块化算法实验对比结果表明,所提算法在合理划分人脑网络模块结构的同时也小幅提高了模块度。     

基于介中心性及K-shell的脑网络核心节点评价方法

在对基于核磁共振成像技术重构得到的人脑结构网络的研究中,核心节点的识别是对全脑网络特性展开研究的基础,具有重要意义。给出了一种基于K-shell和介中心性的核心节点评价方法,首先使用以节点局部重要性为标准的度中心性、邻近中心性和介中心性三个中心性评价方法分别对人脑结构网络中的节点重要性展开评估和分析;接着利用以节点全局地位为标准的K-shell分解法对人脑结构网络的核心节点展开分析。实验结果显示,由于同时兼顾了脑网络节点的整体特性和局部特性,该方法能够更全面和准确地识别核心脑区节点。     

基于火焰动态形变特征的转炉炼钢终点判定

炼钢转炉炉口火焰的动态形变特征与吹炼数据有密切的关系,在不同吹炼时期显示出不同的规律性,是吹炼过程中的显著特征。准确地表示和描述火焰边界动态形变对依据火焰图像判定转炉吹炼终点具有重要意义,且能克服静态边界特征存在的振荡剧烈问题。提出一种表述火焰边界动态形变的方法,首先定位了符合人眼感知的火焰区域中心;其次,利用此中心对火焰边界进行极坐标建模;最后,依据边界模型定义了火焰边界动态形变幅度谱的提取方法,对动态形变过程进行描述,并将其应用于转炉终点的判定。为保证火焰边界动态形变描述的有效性,对原火焰图像及提取到的火焰边界进行了处理。实验结果表明,与现有的差分链码曲率、边界不变矩和圆形度等火焰边界静态特征相比,所提算法有较高的识别率,且能满足实时性要求,有较高应用价值。