复合跟踪微分器在电容式位移传感器中的应用

针对从含噪原始信号中提取位置以及速度信息,经典跟踪微分器存在不能很好兼顾相位滞后和噪声放大问题、参数多,调试复杂等不足.在跟踪微分器等效线性分析基础上,提出复合形式跟踪微分器,用于电容式位移传感器位置信号跟踪以及速度信号估计,通过MATLAB\SIMULINK仿真以及实验平台测试,结果表明:在跟踪频率1 Hz、幅值1含噪声正弦信号中,复合跟踪微分器能光滑逼近原始位置信号,且能有效进行速度估计,相较于经典跟踪微分器,复合跟踪微分器跟踪相位滞后小0.03 rad,能更好兼顾跟踪信号相位滞后及速度信号噪声放大.     

聚氨酯塑胶跑道总挥发性有机化合物的检测及潜在健康影响分析

为测定聚氨酯(polyurethane,PU)塑胶跑道释放的总挥发性有机化合物(total volatile organic compounds,TVOC)质量浓度及释放速率,分析其对人体健康的潜在影响.采用小型环境舱-二次热解吸-气相色谱法分析在温度为60℃、相对湿度为5％、气体交换率为1.0次/h的环境条件下,建成1～3个月的PU塑胶跑道释放的TVOC质量浓度与释放速率,结合人体与TVOC的剂量反应关系及活动时间、呼吸量以及生理免疫等分析其潜在健康影响.结果表明:PU塑胶跑道TVOC的检出率为100％,质量浓度为0.918～3.334 mg/m3,释放速率为2.295～8.335 mg/(m2·h).PU预聚体、橡胶颗粒以及各类添加剂、稀释剂等原材料共同构成了PU塑胶跑道TVOC的主要来源,且17.4％的PU塑胶跑道释放的TVOC质量浓度可直接引起人体不适,82.6％的达到了人体可承受的安全阈值,在外部环境因素的联合作用下也会对人体造成刺激.可见,PU塑胶跑道能够持续释放TVOC,且其释放的TVOC可对人体健康造成潜在急性伤害影响和潜在慢性伤害影响.     

白酒窖泥中乳酸菌分离鉴定及其发酵产挥发性风味物质比较

从白酒窖泥中分离得到11株乳酸菌,经16S rDNA基因序列同源性分析,鉴定为1株短乳杆菌、1株鼠李糖乳杆菌、2株干酪乳杆菌和7株铅黄肠球菌。 分析了11株菌MRS培养基发酵产乳酸性能,结果表明:乳酸产量与菌群生长呈正相关,鼠李糖乳杆菌L₉、干酪乳杆菌L₁₀与L₁₁发酵液乳酸含量较高,分别为15.74、15.58、14.74g/L。4株代表菌相同条件下发酵高粱培养液产挥发性风味组分,共有物质13种,包含了白酒中重要香气成分:乙酸、己酸、乙酸苯乙酯和苯乙醇,且乙酸、己酸相对含量较高。各菌产可挥发性组分差异明显,相对含量较高的化合物种类为:短乳杆菌L₅产烷烃类化合物(27.91%),铅黄肠球菌L₈产醇类化合物(43.14%),鼠李糖乳杆菌L₉产酯类(7.35%)、酮类(3.61%)和吡嗪类(3.3%)化合物,干酪乳杆菌L₁₁产酸类(27.98%)和芳香类(5.96%)化合物。仅有短乳杆菌L₅产四甲基吡嗪,短乳杆菌L₅和铅黄肠球菌L₈可明显产乙醇,鼠李糖乳杆菌L₉和干酪乳杆菌L₁₁产3-羟基-2-丁酮。这些物质对白酒风味和口感有重要影响。研究显示,窖泥中各种乳酸菌特征不一,对白酒酿造有不同影响。本研究旨在为进一步挖掘白酒酿造功能微生物、拓展乳酸菌的应用提供理论依据。     

低渗透挥发油藏回注溶解气开发注采参数界限

低渗透挥发油藏回注溶解气在开发初期地层压力较高,存在“采油易,注气难”,随着地层压力的降低,开发中后期又会出现“采油难,注气易”的情况。因此,明确注采参数的界限是制定开发技术政策的前提。本文通过建立注采参数界限模型,推导得到已知地层压力下的最大采油速度、最大回注比以及临界压力的表达式,结合实例油藏绘制注采界限图版,研究了多因素对注采参数界限的影响规律并提出开发技术政策建议。结果表明,注采参数界限及图版准确可靠,能够反映实际生产情况；注采参数界限受注采能力、地层压力、采油速度、井网类型、井网密度等因素的影响,并且存在相应规律；溶解气应尽量全部回注,适当增大井网密度,在开发初期提高注气井比例,并根据回注比确定采油速度,在开发中后期降低注气井比例,提高采油速度,从而保障高质高效开发。     

一种自适应步长的复合梯度加速优化算法

自适应步长加速(Adam)类算法由于其计算效率高、兼容性好的特点，成为近期相关领域的研究热点.针对Adam收敛速度慢的问题，本文基于当前梯度、预测梯度以及历史动量梯度，提出一种新型Adam类一阶优化算法——复合梯度下降法(C-Adam)，并对其收敛性进行了理论证明.与其他加速算法的区别之处在于，C-Adam将预测梯度与历史动量区别开，通过一次真实的梯度更新找到下一次迭代更精准的搜索方向.利用两组常用测试数据集及45钢静拉伸破坏实验的实验数据对所提算法进行验证，实验结果表明C-Adam与其他流行算法相比较具有更快的收敛速度及更小的训练损失.     

具有随机保费收入的复合马尔可夫二项模型

研究具有随机保费收入的复合马尔可夫二项模型,利用概率母函数分别得到了有条件和无条件的情况下Gerber-Shiu折现罚金函数的瑕疵更新方程.     

高强度复合式训练对健美操选手体脂及组织损伤的影响研究

目的:探讨高强度训练(HIT)与高负荷训练(HVT),对健美操运动员组织损伤的影响.方法:针对健美操选手进行为期12周高强度复合式训练,并于运动前、训练中、训练后对受试者血清肌肉损伤的生化指标、体脂率等进行监测.结果:(1)高强度复合式训练能显著降低受试者体质量、体脂、甘油三酯、总胆固醇及尿素氮浓度;(2)提升血液葡萄糖、乳酸、肌酸酐浓度,增强天门冬胺酸转胺酶及肌酸激酶活性;(3)血液中的肌肉损伤指标值的提升与体脂下降率呈负相关,这暗示高强度复合式训练有利于肌肉再生,从而促使脂肪组织下降.结论:12周高强度复合式训练使健美操选手体脂明显减少、血液中肌肉损伤指标值提升,表明该训练方式可以促使肌肉再生,吸引全身含碳资源重新分配,使脂肪组织下降、肌肉组织增加,强度越高,碳资源重新分配效果越好.     

基于Keggin型同多钨酸盐稀土配合物的合成、晶体结构与表征

以Ln(NO_3)_3(Ln=Ce~(3+),Pr~(3+),Sm~(3+))、3,5-吡啶二甲酸和[H2W12O40]6-多阴离子为原料,用常规水溶液合成方法合成3个同构化合物,并用X射线单晶衍射对其结构进行表征.结果表明:[H2W12O40]6-多阴离子通过Ln—O键和Ln3+相连,形成了一维双链结构;Ln3+与吡啶二甲酸阴离子相连,Ln3+与有机配体阴离子相连,形成"方波"字形链;最终"方波"字形链与稀土-多阴离子双链相连,形成二维结构.     

基于深度学习的含未知复合故障多传感器信号故障诊断

深度学习在故障诊断领域的应用已比较成熟，其中卷积神经网络（CNN，convolution neural networks）和长短时记忆网络（LSTM，long short-term memory networks）就是典型模型之一。CNN作为一种常用的多传感器信号故障诊断方法，能够获得较好的诊断效果，却无法实现未知复合故障的诊断，为解决这个问题，提出CNN-LSTM-FCM （fuzzy C-means）模型。LSTM对具有前后联系的时间信号更敏感，利用这个特点将LSTM与CNN相结合，实现未知信号的诊断，并通过概率分类输出实现了复合故障的解耦，CNN-LSTM-FCM模型本身优化参数设计，进一步提高了诊断精度。使用化学过程故障测量数据进行实验，结果表明CNN-LSTM-FCM模型诊断准确率可达到97.15%，优于CNN模型和LSTM模型，具有较高的应用价值。     

基于改进K-Means++分时电量聚类与行业用电行为分析

由于能源互联网中分时电量分布不仅为分时电价的制定提供依据还代表着用户的用电意识,提出改进K-Means++的聚类算法与典型用户筛选模型对分时电量进行挖掘。首先对K-Means++进行改进,利用模拟退火算法(simulated annealing, SA)与中位数阈值分割自动确定聚类初始质心与聚类数,弗雷歇与欧式距离的加权复合作为相似性的度量,权值由信息熵与层次分析法(analytic hierarchy process, AHP)确定。然后对分时电量进行聚类,从每簇聚类结果中依据典型用户筛选模型筛选典型用户,得到3种用电类型,最后从主要用电类型与用电类型转变的角度对行业用电行为分析,得到不同行业相同的用电行为。有助于供电侧初步掌控区域性行业用电群体的用电特征,为精细有序的用电管理做准备。