改性玉米秸秆纤维素的制备及其对Pickering乳液稳定性的影响

以玉米秸秆为原料，通过亚氯酸钠-醋酸-氢氧化钠法提取纤维素（corn straw cellulose,CS），分别用硫酸水解和硫酸水解-高压均质联用的方法对CS进行改性，并以百里香精油作为油相制备Pickering乳液，研究改性前后纤维素作为乳化剂对Pickering乳液稳定性的影响。分别对改性前后纤维素的结构与性质进行表征，对所得乳液微观结构、粒径、电位、稳定性和流变特性进行测定。结果表明：与CS和硫酸水解改性的纤维素（cellulose precipitation,CP）相比，硫酸水解-高压均质联用改性的纤维素（high pressure homogenization cellulose,HPC）的粒径显著减小（P<0.05），为28.61μm。活性基团数量增多，静水接触角变大，达到76.1°，约为CS的2.4倍。CP的微观形貌呈现短棒状结构，表面光滑；而HPC呈现卷曲状，表面由平滑变得疏松多孔。改性后的玉米秸秆纤维素均提高了Pickering乳液的稳定性，其中由HPC稳定的乳液的稳定性最好，乳液粒径最小，为3.53μm，粒径分布也更均匀。在21 d的25℃贮藏中，液滴之间没...     

基于误差估值累加开环校正的诱导式欺骗检测方法

诱导式卫星欺骗干扰可诱导航空器逐渐偏离预定航迹，难以被发现，因此及时有效地检测干扰是飞行安全的保障。在现有紧组合导航体制基础上，设计了一种基于误差估值累加开环校正的紧组合导航结构，并证明了其性能与传统闭环校正紧组合导航性能等效。在此结构中，将紧组合导航系统与自适应序贯概率比检测方法结合，提出了一种基于误差估值累加开环校正的诱导式欺骗检测方法，融合紧组合导航信息与其他不受欺骗影响的导航信息，构建欺骗检测统计量进行诱导式欺骗检测。仿真结果表明，开环校正结构可避免随时间累加的惯性导航系统误差所导致的组合导航滤波器发散问题，同时欺骗检测方法可进一步提高算法对“最坏”情形下微小诱导式欺骗的检测效果。     

基于特征建模的TDD系统大气波导干扰控制体系研究

大气波导干扰是特定气象条件下发生的时分双工（time-division duplex，TDD）系统内干扰，是TDD移动通信系统大规模组网面临的顽疾。在总结分析大气波导干扰成因和分类等的基础上，对大气波导干扰进行建模和表征，验证了海量干扰源在时域和频域的功率集总特征，并结合大量4G/5G现网实测数据给出了典型条件下内陆波导和海面波导的量化干扰信号传播模型，对于干扰的预测和预防具有重要意义。基于干扰特征，给出了TDD系统预防大气波导干扰的帧结构与组网的4项设计原则，5G现网数据表明干扰控制方案有效，上行干扰下降10 dB以上，相关原则对于6G系统的设计也具有指导意义。     

25%小偏置碰撞策略及测试评估研究

随着汽车事故的增加,且小重叠碰撞事故死亡率居高不下,小偏置碰撞试验逐渐成为焦点。基于IIHS公布的最新车辆碰撞试验结果,统计超过100余款不同类型的25%小偏置碰撞车辆,建立碰撞转角与碰撞区域的数学模型,将25%小偏置碰撞归结为三种不同的碰撞策略,分别是吸能策略、掠过策略和掠过与吸能策略;并进行试验验证,对三种策略的优缺点进行分析。结果表明,小偏置碰撞试验可运用合理的碰撞策略达到法规要求,对25%小偏置碰撞试验具有一定的参考价值。     

轨道交通高频充电机应用研究

设计了一种轨道交通用的高频充电机,该充电机采用基于移相控制的全桥零电压开关（zvS）变换器的拓扑结构。对该充电机主要参数进行计算和系统建模,仿真结果满足系统要求。主控芯片采用TMS320F28335,算法采用带有电流前馈的比例积分（PI）控制方式,并设计了针对蓄电池负载的充电逻辑,样机试验结果满足系统要求。     

农村光棍成因及治理机制研究

以驻村扶贫点滇西南L县X村的光棍为研究对象,侧重个体精准性,强调个体因果性的特征,运用小数据分析该村光棍的贫困特征和生成原因,基于马斯洛需求层次理论探索光棍内生动力激发机制.研究表明:农村光棍趋于年轻化,形势严峻;光棍成因受到外部资源匮乏的限制,又受到自身资源缺陷的制约,内外因相互影响,但外因只有通过内因才能发挥作用.探讨通过需求原理激发光棍群体的内生动力,构建长效治理机制,让光棍群体最大限度实现人生价值,提升社会获得感和幸福感.     

环己酮生产装置中环己醇精馏塔技术改造

针对环己酮生产系统中环己醇精馏塔分离效果差、蒸汽消耗量大、精馏塔外排重组分中环己醇含量高、环己醇浪费严重等问题,采用环己醇精馏塔内部中心位置增设小分离塔,直接耦合插入精馏塔底部的方式,利用小分离塔在精馏塔内进行再沸加热回流,使重组分中的环己醇进一步分离.降低了外排塔釜液中环己醇的含量,在达到精馏分离效果的同时,也节约了精馏塔蒸汽的消耗,取得了很好的经济和环保效益.     

基于度量学习的意图识别和槽填充方法

人机对话中小样本学习场景下的意图识别和槽填充,是自然语言处理的一个重要课题.本文采用基于度量学习的方法,通过计算query set中的样本与support set中样本的距离,寻找距离最近的类别样本作为分类标签,同时将两个任务联合进行训练,用以提升模型的效果.从实验结果中可以得出,本文提出的Fine-tune方法,对意图识别和槽填充任务都有一定的帮助和提升.胶囊网络在意图识别中也起到了一定的效果,可以帮助去除一部分无关信息,但对槽填充任务的帮助不明显;而任务自适应的投影网络,可以更好地将不同类的向量分开,提升了两个任务的性能.