高维卡-海勒方程的显式谱方法

考察一类高维非线性Cahn-Hilliard方程的谱的方法,构造了一类有条件稳定的半离散和全离散格式,采用非线性函数的有界延拓及S0bolev不等式,证明了格式的收敛性与稳定性.     

多视域下基于机器视觉的索力测试

拉索是缆索承重体系桥梁的关键承力或传力构件，在体系构成中的地位至关重要。为解决现有非接触视觉测量存在的测试视场不足、应用场景复杂多变，致使其测试精度与视域范围相互矛盾无法协调统一的技术难题，提出了多视域下基于机器视觉的索力测试新方法。以全息视觉传感器系统获取斜拉索全视域-多视域下的空间几何构型数据，建立了像素映射及图像增强算法计算模型；通过数字空间基准平面的信息转化，对复杂测试场景下视觉传感器光轴射线与被测物体所在承影面非正交情况进行测试参数修正。为避免实测拉索全息性态特征因偏离标准悬链线所导致的索力测量误差，以单一视域下的几何构型拟合降噪后的全息曲线并精确定拉索上下锚固点坐标，进而可由拉索全息性态特征参数精确测算斜拉索索力。试验结果表明：本文方法可在复杂测试场景下量化分析拉索索力计算参数，相较于常规索力测试方法，最大相对误差为9.2%，均方根误差为2.79%，满足工程实践测试精度及稳定性要求，为复杂测试场景下斜拉桥索力监测提供了一种新途径。     

无关初始条件的预设有限时间容错控制

针对一类具有传感器故障和未建模动态的纯反馈系统，研究其预设性能有限时间控制问题.设计无关初始条件的预设性能有限时间容错控制器.该文控制器对未建模动态有较好的抑制作用，使预设性能函数的选择与初始状态无关.仿真结果表明该文控制器具有可行性.     

TI-scout图像评估轻链型心肌淀粉样变延迟强化的价值

目的:探索TI-scout图像定性评估轻链型心肌淀粉样变患者病变心肌延迟强化(LGE)价值。方法:回顾性分析2016年7月至2022年7月就诊于广东省人民医院的129例轻链型心肌淀粉样变患者临床及心脏磁共振影像(CMR)资料。基于TI-scout图像和相位敏感反转恢复(PSIR)图像评估LGE,两者诊断性能分为以下4种情况，TI-scout图像诊断性能与PSIR图像比较：(1)优于；(2)互补；(3)相等；(4)差于。将(1)和(2)定义为TI-scout图像有助于诊断LGE。结果:129例患者中27例为LGE阴性、102例LGE阳性。在LGE阴性患者中，74%患者TI-scout图像有助于LGE阴性的诊断。在LGE阳性患者中，65%病例TI scout图像有助于病变心肌LGE诊断，其中33%心内膜下LGE、28%透壁型LGE、29%局灶斑片型LGE,基于TI-scout图像诊断性能优于短轴PSIR图像。在20%心内膜下LGE、38%透壁型LGE、42%局灶斑片型LGE患者中两种图像诊断性能为互补。结论:TI scout图像有助于识别轻链型心肌淀粉样变患者病变心肌LGE。     

用Monothio-Cyanex 272和TOA从废汽车催化剂的高酸浸出液中分离钯和铂

汽车尾气催化剂是燃油汽车不可缺少的一部分，铂族金属（特别是Pt、Pd和Rh）是汽车催化剂的活性成分。废汽车催化剂具有潜在的环境和健康风险，而铂族金属非常珍贵和稀有，具有很高的经济价值。因此，从废汽车催化剂中回收铂族金属近年来备受关注。废汽车催化剂的浸出液通常为高酸性HCl体系，使得直接从浸出液中高效分离钯和铂十分困难。本文采用monothio-Cyanex 272和TOA从高酸性汽车催化剂浸出液中直接分离Pd和Pt。讨论了酸度、萃取剂浓度、相比和稀释剂等参数对萃取分离Pd和Pt的影响，同时提出了分离Pd和Pt的原则流程图。结果表明，Monothio-Cyanex 272和TOA能够成功的从废汽车催化剂的高酸模拟浸出液中分离Pd和Pt。Monothio-Cyanex 272对Pd具有很强的萃取能力和选择性，仅需一级萃取即可将99.9%以上的Pd选择性地萃入有机相，酸性硫脲能够将负载的Pd有效反萃。当酸度为6 mol·L–1 HCl时，TOA对Pt和Fe具有很强的萃取能力，经过两级逆流萃取，超过99.9%的Pt和几乎所有的Fe被萃取入有机相，稀HCl能将共萃的碱金属（Fe、Cu和Co）洗涤干净。负载的Pt能被1.0 mol·L–1硫脲和0.05~0.1 mol·L–1 NaOH溶液有效反萃。Monothio-Cyanex 272和TOA可以实现从废汽车催化剂的高酸浸出液中分离Pd和Pt。     

基于多传感器融合的越野环境路面信息识别

为实现精准的越野环境路面信息识别，文中提出了一种基于多传感器信息融合的路面信息识别方法.首先，针对车辆簧下振动加速度信号设计了特征提取算法，通过双线性池化方法融合加速度特征与图像+深度特征，以实现对越野路面类型的多维度特征融合与识别.然后，为提高越野路面可通行区域检测效果，引入迁移学习方法，将越野场景路面类型识别模型中路面特征提取的共性知识向通行区域分割模型进行迁移.在真实越野环境数据集下对模型进行训练与测试，测试结果表明文中提出的识别方法不仅在越野场景路面类型识别任务上获得了98.65%的平均分类准确率，而且引入先验知识可明显提升通行区域检测效果.