高频MOS－CV特性的界面态形变及其测量

讨论了工艺过程中产生的界面态陷阱电荷Ｑ（ｉｔ）对高频ＭＯＳ－ＣＶ特性线的形变规律，提出了一种沿电压方向形变的数据处理方法，以此算出Ｑ（ｉｔ）密度在禁带中的分布，并对常规高频ＣＶ法的测量误差作了讨论和修正，由于数据的采集和处理可以由微机完成，使这种方法变得简便、准确并易于在工艺线上推广使用。     

泵闸混凝土施工期智能温控关键信息识别

为实现施工期大体积混凝土温控要素的智能快速识别,提高智能温控系统的反馈及预测模型精度,提出了一套智能算法对物联网技术采集到的各类温控要素原始测值进行识别及转化。针对浇筑温度、浇筑时间、最高温度、内外温差、冷却通水起止时间与表面保温覆盖等施工期关键温控参数,结合工程经验分别给出相应识别任务的判定逻辑并编写对应程序,然后应用多个实际工程数据进行验证,并分析各识别功能的准确率。验证结果表明,本文算法识别效果良好,能够实现温控要素采集的自动化、智能化、快速化、精准化,具有较强的工程实用价值。     

小型化折叠型RFID抗金属标签天线的设计

设计一种小型化折叠型超高频射频识别标签天线.天线由开槽的辐射贴片、 4个感性短接面和两片金属接地板组成.通过改变短接面尺寸及右侧短接面与接地面的距离,可以有效地调谐标签天线的谐振频率及其阻抗,总尺寸(L×W×h)为40 mm×40 mm×1.5 mm.实验结果表明：标签天线阻抗匹配良好,|S₁₁|＜﹣10dB带宽为880～930 MHz.将标签天线放置于200 mm×200 mm的金属板上,4 W有效全向辐射功率条件下的最大实测阅读距离可达到11.2 m.该标签天线通过适当的开槽实现小型化,同时具有抗金属、识别距离远等优点,可较好地应用于工业物联网相关测量领域中.     

Hammerstein系统遗忘因子有限窗口分解辨识

提出一种带遗忘因子和分解辨识策略的有限数据窗口递归最小二乘Hammerstein系统辨识方法。针对Hammerstein系统具有耦合参数的问题,将Hammerstein系统分解为2个子系统：一个子系统包含线性子系统参数,另一个子系统包含非线性子系统参数;提出一种基于遗忘因子的有限窗口递归最小二乘方法对分解模型进行在线递归估计;仿真示例验证了所提算法能够快速跟踪参数,实现对Hammerstein系统的精确辨识。     

基于残差卷积自注意力神经网络的铝电解过热度识别方法

过热度是反映铝电解槽当前生产效率的重要指标,由于过热度难以在线实时测量,本文提出一种基于残差卷积自注意力神经网络的过热度识别方法.针对铝电解生产过程数据为时间序列数据且具有多源异构特性,设计异构数据的同构表示方法.在此基础上建立残差卷积自注意力神经网络模型以提取同构时间序列数据的全局与局部特征.针对过热度数据标签少且类别分布不均匀问题,采用基于自动编码器的无监督预训练方法与加权交叉熵损失函数以提高过热度识别任务的性能.在基准数据集上进行仿真对比实验以验证本文所提方法的有效性,然后在只包含少量不平衡标签的铝电解过热度数据集上进行实验验证,结果表明本文构建的过热度识别模型相较与其他现有模型不仅提高了过热度识别准确率,而且在训练样本较少时保证了模型的泛化能力.     

基于机器视觉的车辆时空参数识别

车辆荷载信息是分析桥梁受力和性能评估的重要依据,其中车辆时空信息是准确识别车辆荷载的关键参数。考虑到传统在桥面埋设传感器的方法影响交通、破坏路面,提出了一种基于机器视觉技术的车辆荷载时空参数识别方法,包括车辆的横向定位、车速、车轴数、轴距的识别。基于正面拍摄视频,采用背景差分法来实现车辆检测,进一步通过车牌识别确定车辆在图像中的位置,然后根据车牌与车道线距离来实现车辆横向定位。基于侧面拍摄视频,采用图像标定方法,结合已知长度的辅助检测线来获取车辆的轴距、轴数、车速等车辆参数。通过试验室模型试验和现场试验验证了提出的方法。结果表明,现场试验中车辆横向定位和车速的最大误差分别为2.42%和2.67%,轴距的平均误差为1.63%,识别结果可以为更多其他车辆参数如轴重和总重的识别提供重要的技术支撑。     

蛋白质组学技术在动物科学中的研究进展

蛋白质组学在后基因组时代以其独特的角度和重要的作用已成为生命科学领域研究的热点内容。动物科学作为生命科学的一个重要分支,其相关研究对人类的生活有着重要意义。为了系统地了解和展望蛋白质组学技术在动物科学中的研究进展,综述了蛋白质组学的概念及其相关技术,归纳和评析了近年来蛋白质组学在动物繁殖、营养、遗传育种和疾病防治方面的研究现状。     

耐碳青霉烯酶肺炎克雷伯菌的分离鉴定及生物学特性分析

以临床尿路感染患者尿液为研究对象,通过分离培养及16s rDNA进行肺炎克雷伯菌的分离鉴定;采用Kirby-Bauer纸片法进行药敏实验,并对分离株进行碳青霉烯酶表型筛选;通过PCR检测常见的碳青霉烯酶耐药基因、荚膜血清型和毒力基因分布情况;对分离的肺炎克雷伯菌株进行了生物被膜形成能力及其对小鼠致病力的分析。本研究从采取的86例尿液标本中分离检出11株耐碳青霉烯酶肺炎克雷伯菌,分离率为12.79%。耐碳青霉烯酶基因PCR检测结果显示,blaNDM、blaVIM、blaIMP和blaKPC基因在分离株中均呈现不同程度的分布。耐药性分析发现11株肺炎克雷伯菌对氨苄西林耐药率为90.91%,对头孢噻肟耐药率为63.64%,对链霉素、庆大霉素、氯霉素和诺氟沙星的耐药率较低。耐碳青霉烯类肺炎克雷伯菌荚膜分型结果显示,分离的11株细菌中10株均为强毒力型菌株（90.9%）,其中K57血清型4株（36.4%）,K1血清型1株（9.1%）,K2血清型1株（9.1%）,K5血清型1株（9.1%）,K20血清型3株（27.3%）,提示该批分离株具有较强的致病力。此外,毒力因子分布结果显示,其毒力因子rmpA（54.5%）、Aerobactin F（54.5%）在菌株中分布较为广泛。生物被膜形成能力检测及小鼠致病性试验结果显示,9株分离株均有较强的生物被膜形成能力,菌株致病力可能与荚膜血清型及生物被膜形成能力相关。综上所述,临床分离的致尿路感染病原肺炎克雷伯菌呈现多重耐药特征,强毒力菌株以K57荚膜型为主,K1、K2均有分布,提示对尿路感染病原应加强耐药监测,合理使用抗菌药物,有效防控多重耐药和强毒力菌株的感染与流行。     

光伏模组积灰与阴影特性分析及识别方法

针对光伏模组积灰与阴影特性识别问题,详细分析了积灰和阴影的光伏特性曲线差异,揭示了阴影光伏曲线的拐点时变特性。提出由特性曲线的拐点数量及电流电压特性条件共同构成训练模型的输入特征量,基于CatBoost算法训练积灰和阴影识别模型。最后,利用光伏模组实测数据对CatBoost算法、ID3和GA-BP算法训练出的识别模型进行性能分析和对比测试,结果表明基于CatBoost训练出的识别模型输入量区分性强、诊断精度高,极具工程应用价值。