基于神经网络技术的飞机舵面故障趋势预测研究

在飞机舵面故障诊断系统中,及时准确的故障预报对提高飞机的安全性具有极其重要的意义,针对飞机舵面故障预报系统的设计要求,建立了神经网络故障预测模型以及训练算法,该预测模型采用三层BP网络模型,还对神经网络的预测精度给出了评价函数.最后,为了验证所述方法的有效性,结合风洞实验数据,对某机舵面故障模式之一的方向舵卡死进行了预测和分析,并与传统的ARMA方法进行了比较,结果充分表明了该神经网络预测模型的有效性和优越性.     

复杂光照场景下基于MTCNN的人脸检测

为了提高复杂光照条件下的人脸检测识别率,提出了一种基于Retinex图像增强技术应用于多任务卷积神经网络(multi-task cascaded convolutional networks,MTCNN)的人脸测算法。算法用Retinex理论对图像进行增强,能明显提高MTCNN在不同光照场景下的人脸检测精度,同时使面部五个关键点的定位更准确。实验证明,在复杂光照场景下,该方法比原始MTCNN网络的人脸检测具有更好的效果,有利于后期的人脸对齐及分类任务。     

电子对抗条件下防空导弹单次连射杀伤概率计算

阐述了有源压制式干扰和箔条干扰条件下的信干比计算方法,构建了电子干扰条件下防空导弹单发杀伤概率的计算模型,引入了雷达抗干扰改善因子的概念,分析了欺骗式干扰的有效干扰概率和电子干扰条件下的目标发现概率,最后给出了电子对抗条件下防空导弹单次射击杀伤概率的计算模型。     

处理准奇异积分的自适应高斯积分法

边界元法通常需要采用数值方法解决单元内的各种积分问题,而准奇异积分是各种积分中数值处理最为困难的部分.自适应高斯积分法通过指定条件下的局部单元细分,改变了整个计算区域上的积分点分布,提高了数值积分精度.对于三维水波对直立圆柱的绕射问题,采用此方法对求解过程中出现的准奇异积分进行了处理,计算结果表明本方法是一种高效实用的方法.     

基于系统动力学的通信企业零部件组合采购合同研究

根据通信企业与其供应商的合作关系,定义了三大类普遍的供应合同,它们分别针对不同的安全性和柔性的目的.在此基础上,将这些对单一零部件的采购合同进行组合,形成三个组合合同;运用Vensim软件,建立了供应链环境下采购管理的系统动力学仿真模型,并对模型的运行和模拟结果进行了分析.通过比较,最优组合合同能有效降低采购成本,对未来的不同预测会影响最优合同组合的选择.     

α-氮化硅对硅磷酸钙生物陶瓷力学强度和生物活性的影响

理想的骨再生材料需要具有良好的生物活性和力学强度.前期的研究表明硅磷酸钙（Ca₅（PO₄）₂SiO₄，CPS）陶瓷具有良好的生物活性，可诱导骨髓基质干细胞的成骨分化，并在体内可促进新骨的形成.研究了α-氮化硅（α-Si₃N₄）对CPS生物陶瓷显微结构、抗弯强度、体外磷灰石形成能力及细胞相容性的影响.结果表明：α-Si₃N₄的添加可在一定程度上提高CPS生物陶瓷的抗弯强度，当其质量分数为1.5%时，Si₃N₄-CPS陶瓷的抗弯强度为相同温度下纯CPS陶瓷的1.2倍.模拟体液浸泡实验表明：Si₃N₄-CPS生物陶瓷均具有良好的磷灰石形成能力.CCK-8细胞相容性实验结果表明：Si₃N₄-CPS生物陶瓷无明显细胞毒性，展示出良好的生物相容性.     

P91厚壁钢管混晶组织分析

P91厚壁钢管经金相检验时出现混晶现象，导致钢管的高温性能降低.对钢管热处理工艺、坯料种类和热轧过程中组织变化进行分析，结果表明:P91锻坯和连铸坯的种类不同并不会导致组织差异；钢管热轧后出现明显的混晶组织，仅通过传统正火+回火热处理工艺不能得到最优组织形态.将钢管的非平衡组织先转变为平衡组织，然后进行合理的热处理可有效优化组织均匀性;在同样的热轧工艺参数下，毛管中未出现混晶，而荒管中晶粒却发生了异常长大，则皮尔格轧制阶段为混晶的萌生阶段和改善组织均匀性的重要阶段.     

KMG:考虑逆向物流的无人机路径规划策略研究

物流领域无人机派送正成为一种快捷高效的派件方式和应用热点.针对于正向、逆向的物流数据,无人机派送是国内外大型物流企业实施高效物流派送的重要手段.本文提出了一种融合拓展性K-Means++算法和遗传算法的路径动态规划模型(KMG),实现包含逆向物流的无人机调度策略.KMG模型将逆向物流路径融入正向物流路径之中,采用加权聚类算法确定不同属性包裹所需派送无人机的最小数量.在每一簇坐标数据的连通图中,采用遗传算法求解TSP问题,并对可行解进行编码,最终求解出最小欧拉回路.在仿真实验中,KMG模型比独立逆向物流派送的成本减少20.08%,使用拓展性K-Means++聚类计算的时间比传统K-Means算法缩短了298.85%.     

液相色谱-高分辨串联质谱法检测牛奶中A1和A2 β-酪蛋白

建立一种基于液相色谱\|高分辨串联质谱（LC-HRMS/MS）方法检测牛奶中A1和A2 β-酪蛋白. 采用等电点沉淀法从牛奶中提取酪蛋白, 经胰蛋白酶酶解后, 将酶解产物进行LC-HRMS/MS分析, 选择含有差异氨基酸残基（第67位）的肽段作为特征肽段对A1和A2 β-酪蛋白进行区分. 采用Tris-HCl缓冲溶液充分溶解酪蛋白, 在酶解反应体系中添加乙腈以提高酶解效率. 采用高分辨质谱和串联质谱技术, 进一步排除杂质产生的干扰信号. 采用该方法对市售4种普通牛奶和2种A2牛奶进行检测, 结果表明， 普通牛奶中A1 β-酪蛋白的含量约为A2 β-酪蛋白含量的2~4倍, 个别A2牛奶样品含微量A1 β-酪蛋白. 该方法可检测牛奶中的A1和A2 β-酪蛋白, 具有高可靠性、 高灵敏度等优点, 为A2奶源筛选和质量控制提供支持.