单宁及其微生物降解途径研究进展

主要介绍了单宁的分布与分类,及棓单宁、鞣花单宁的结构及结构特点,它们的主要化学降解反应,讲述了单宁对动物的影响即单宁的毒副作用以及单宁的消除方法,并重点阐述了棓单宁、鞣花单宁和缩合单宁的生物降解途径,提出采用DNA重组技术克隆单宁酶基因、构建单宁酶基因工程菌,生产高活性、耐高温的单宁酶,将成为单宁降解领域的研究趋势。     

1969~2010年青藏高原北麓河盆地热喀斯特湖塘演化过程（英文）

基于青藏高原北麓河盆地1969年航片资料以及2003年和2010年SPOT-5遥感资料的解译,对该地区过去40年面积大于0.1 ha(1 ha=10000 m2)的热喀斯特湖面积和数量变化进行了研究.结果表明,该区域热喀斯特湖在1969~2010年间呈现显著的扩张趋势,湖塘的总数量增加了534个,总面积增加了410 ha.此外,通过对1969年所有湖塘的追踪统计,自1969~2010年大部分(84%)湖塘的面积呈增大的趋势,只有8%的湖塘面积减小和6%的湖塘彻底消失.这种湖塘数量和面积的增大趋势可能与持续升高的气温和逐渐增大的P-E值(降水与潜蒸散的差值)有关,但是一些非气候因素(如工程活动、湖底的透水性等)对湖塘的演化过程也具有重要的影响.     

改进元胞遗传算法的转塔式贴片机贴装优化

研究了转塔式贴片机的贴装过程优化问题,将其分解为元件贴装顺序和供料器布置,建立以组装时间最短为目标的贴装过程优化模型,然后采用元胞遗传算法对模型进行求解,基于问题的特点提出二维分段式的十进制编码方式,在遗传操作过程中运用改进的顺序交叉和自适应的变异操作,并在算法中结合局部搜索策略,实现了贴装顺序和供料槽布置的同时优化.实例求解和对比结果表明本算法在求解效率和求解结果上都优于传统遗传算法,从而证明了该算法的有效性.     

基于轮廓跟踪的摔倒检测算法

针对传统摔倒检测算法误判率高和算法复杂等缺点,提出一种基于轮廓跟踪的摔倒检测算法。该算法主要通过背景减除法提取监控视频中的运动目标老人,运用中值滤波和形态学处理获取完整的老人身体形状,根据轮廓跟踪算法生成边界链码,然后利用实际边界链码与摔倒模板链码的欧氏空间距离判断老人是否摔倒。实验结果表明,该算法计算复杂度低,准确率得到明显提高。     

软土深基坑开挖过程的三维模拟

采用FLAC3D软件开展深基坑双排桩+锚索支护及开挖全过程数值模拟研究,给出开挖过程中和开挖结束后的应力和位移分布,监测变形状态,剖析开挖过程对基坑土体的影响,验证设计方案的可行性,及时调整现场施工的支护参数和支护措施.研究方法和结论对类似软土地区基坑工程的设计和分析有较大借鉴意义,监测点位移分析结果可为进一步开展反分析和二维分析提供依据.     

风电机组振动故障的检测方法

论述了风电机组振动故障检测的重要性及常用的振动故障的检测方法;归纳比较了小波变换法、神经网络法、神经网络与模糊理论结合法及人工免疫法的性能与优缺点;分析了我国在风电机组故障检测预警系统方面的现状与发展趋势;指出目前小波变换故障诊断法在我国已趋成熟,而人工智能检测法的应用才刚刚起步.     

莱北地区新近系明化镇组下段浅水湖盆砂体预测

莱北地区新近系明化镇组下段(以下简称"明下段")浅水湖盆砂体发育规律的认识程度相对较低,由于渤海海域新近系浅层油气藏中,浅水环境下沉积的砂岩储层占较大比重,因此有效预测该区明下段浅水湖盆砂体的发育规律对后期油气勘探显得尤为重要。针对浅水湖盆砂体单层厚度普遍较薄,侧向迁移快,叠置发育的特征,单种方法难以有效预测及研究区钻井资料较少,限制地震反演应用等问题。在充分利用高分辨地震资料基础上,提出一套适合研究区的研究思路。具体思路如下:首先井震联合建立高频层序等时格架,主要含油层段划分11个五级层序。其次在波形分类地震相砂体预测宏观趋势指导下,结合优选的最小振幅属性,对目的层段内浅水湖盆砂体进行精细刻画。砂体预测结果表明,平面上,明下段储集砂体展布具有明显的分带性。纵向上,三级层序控制明下段主要含油层段储集砂体类型及富集段。该预测结果可为渤海海域新近系浅水湖泊沉积体系的深入认识及油气勘探提供科学依据。     

智能下肢助力装置虚拟样机的联合仿真

尝试建立一种全新的智能助力装置虚拟样机模型,旨为提高下肢助力装置设计的效率与可靠性.将CATIA建立的机械模型导入ADAMS建立装置的三维虚拟样机模型,对助力装置的运动学及动力学进行了仿真验证,将虚拟样机模型与MATLAB/simulink结合,对助力装置动力学方程及搭建的控制系统进行联合仿真.根据人体的步态数据,采用PID控制算法对下肢助力系统进行控瓤仿真结果表明,下肢助力控制系统有较好的动态响应特性和轨迹跟踪能力.研究结果能及时发现装置存在的缺点与不足,为助力装置样机研制和电机选型提供了参考,也为实现装置的助力提供了重要的理论依据.     

基于神经网络动态优化的再入轨迹设计

为解决当飞行器出现破损以及飞行器受干扰时的轨迹优化问题,新一代的再入式飞行器需要有实时在线轨迹优化的能力。神经网络动态优化算法(neural dynamic optimization,NDO)的主要特点是能使神经网络逼近最优解。神经网络动态优化算法可以避免传统的间接法在求解轨迹优化问题时协态变量初值猜测问题。给出了神经网络动态优化的原理,详细介绍了优化流程。仿真结果表明神经网络动态优化算法可以很好的避免协态变量初值猜测问题,具有较强的鲁棒性,能满足实时性要求。