ZnO纳米颗粒改性变压器油介质损耗模型研究

为了了解添加纳米颗粒对变压器油介质损耗角正切值的影响情况,采用ZnO半导体纳米颗粒制备改性变压器油,在此基础上,研究了纳米改性变压器油介质损耗角正切值随纳米颗粒体积分数和环境温度的变化规律,提出了基于电导损耗和纳米颗粒松弛极化损耗的理论模型,并用来解释纳米改性变压器油介质损耗角正切值的变化机理。实验结果表明,添加ZnO纳米颗粒将明显增大纳米改性变压器油的介质损耗角正切值,且介质损耗角正切值随纳米颗粒体积分数线性增长,随环境温度呈指数型增大;同时所提模型的计算值较好地吻合了实验测量数据。进一步分析表明,ZnO纳米颗粒改性变压器油介质损耗角正切值主要取决于电导损耗,纳米颗粒松弛极化损耗的影响很小。     

大规模模拟电路子网络级故障诊断的改进节点撕裂法

提出了一改进的节点撕裂法，对满足子网络可解条件的各类可能撕裂情况，提出了相应的自检验判断条件和共检验判断条件，给出了故障诊断的基本步骤及其示例，该方法的为大规模模拟电路子网络级的故障诊断提供了一种更为有效的故障定位方法。     

基于改进的果蝇优化算法的WSN节点部署设计

针对非均匀监测点的节点部署问题,设计并实现了一种简单、实用的果蝇优化算法(WSN-IFOA),构造了适用于节点部署的味道浓度函数。利用果蝇群体的随机寻优性,能够保证部署尽可能少的传感器节点使网络覆盖和连通。实验结果表明该算法在部署效果上优于基本蚁群算法,并证明了算法的可行性和有效性。     

基于数据增强的卷积神经网络火灾识别

当前图像识别采用的普遍方法是卷积神经网络方法,但该方法依赖于大数据集,在样本不足时会出现过拟合问题。针对以上问题,根据火灾的背景复杂性和卷积神经网络自动学习特征的优点,提出一种基于数据增强的卷积神经网络火灾识别方法。对少量火灾图片引入数据增强技术,通过搭建一个3层卷积池化层和一个全连接层自动提取火灾特征,使用softmax分类器输出。仿真实验结果表明:原始数据测试集的识别率为95%,损失值发散,提出方法使测试集损失值收敛到0.2,改善了过拟合的问题;对数据增强减少过拟合的原因进行分析,表明对小样本使用卷积神经网络具有重要意义。     

连续超高压杀菌系统释压装置内 流场的数值模拟与研究

根据实验数据,应用商用CFD软件Fluent对连续超高压杀菌系统释压装置内部流场的压力、速度等参数进行数值模拟研究.结果表明,在微孔道的入口附近,压力骤降并形成较大的压力梯度,速度变化与压力骤变明显对应;压力沿微孔道缓慢释放;在微孔道的出口附近,速度变化主要与流道结构以及固壁影响有关;复杂的固壁边界,引起流动的剧烈变化,增强剪切、撞击等作用,增强了料液的机械力杀菌作用.     

基于深度神经网络的手写数字识别模拟研究

当前图像识别大多采用基于特征提取的传统机器学习方法与卷积神经网络的方法,但传统图像识别技术需要手动提取图片特征,而卷积神经网络对硬件要求高,训练时间长等。针对以上问题,本文提出基于深度神经网络模型的手写体图像识别方法,让机器自动学习特征,并在此基础上,通过改进成本函数,加入dropout防止过拟合,来提高手写数字识别的识别率。仿真实验对比结果表明,基于深度神经网络模型的方法比当前传统算法的识别率提高了3.41%,有效解决了人工识别费力耗时问题,对手写数字的研究具有重要意义。     

基于cGAN的下采样LG谱图像优化重建

对于复杂图像的拉盖尔高斯（Laguerre-Gaussian,LG）谱成像，因为满足奈奎斯特采样率的高阶LG模式系数无法测得，重建图像的失真不可避免，而神经网络算法通过先验学习，可以对失真图像实现较为清晰的复原.提出基于条件生成对抗网络（Conditional Generative Adversarial Nets,cGAN）的图像优化重建方法，在处理下采样的LG谱单像素成像和旋转运动模糊图像中均取得了较好的效果.在1.87%的LG谱采样率下，该方法能将Kaggle数据集人像二值图像的结构相似性（Structural Similarity,SSIM）指数提升至0.8以上，和经典图像去噪算法相比有显著提升.     

磷酸化修饰蛋白激酶PKCθ转折片段的结构动力学模拟研究

磷酸化修饰是蛋白或多肽调节一种重要方法.利用分子动力学模拟方法,比较研究了蛋白激酶(protein kinase C-θ,PKCθ)催化域的转折片段Ser676位点磷酸化修饰前后的结构动力学特点.模拟结果和氢键分析显示,此位点的磷酸化修饰对这一片段的结构有显著的影响,有助于增加结构的稳定性.此结果有益于进一步研究PKCθ的结构动力学和相关实验研究.     

基于高斯扰动的反向蜉蝣优化算法

目的 解决蜉蝣优化算法收敛精度较低且易陷入局部最优解的不足。方法 将高斯扰动和混合反向学习策略与蜉蝣优化算法进行融合，提出一种基于高斯扰动的反向蜉蝣优化算法。该算法在雌雄蜉蝣种群中通过反向学习来扩大搜索空间，增加种群多样性；在迭代过程中对雄性蜉蝣的最优个体进行高斯扰动，防止算法陷入局部最优解。结果与结论将改进蜉蝣优化算法与其他7个对比算法在14个测试函数上进行数值实验，结果表明，改进蜉蝣优化算法具有更好的搜索能力和求解精度。     

添加剂对La-H2O2模拟酶体系催化BNPP水解的影响

研究了在pH7．00时，La^3 和H2O2摩尔比和表面活性剂CTAB、TritonX-100，pH缓冲剂N-2-羟乙基哌嗪-N-2-乙磺酸(HEPES)、三羟甲基胺基甲烷(Tris)，离子强度调节剂KCl，KNO3及KClO4对La—H2O2体系催化BNPP水解反应的影响。实验结果表明，当[La^2 ]：[H2O2]=1：1时，La^3 和H2O2对BNPP的催化活性最大，所加表面活性剂、缓冲物质和盐均使La^3 -H2O2体系催化BNPP水解反应的表观速率常数减小。