SiO2/PMMA无机-有机复合材料的制备与性能

以苯乙烯磺酸钠（NaSS）为离子单体,将其介入甲基丙烯酸甲酯（MMA）与正硅酸乙酯（TEOS）的原位分散聚合体系,以获得较少分散剂用量下的多功能二氧化硅/聚甲基丙烯酸甲酯(SiO2/PMMA)复合体系的单分散微球,采用XRD、SEM、TEM、FTIR、TGA和DSC对所获SiO2/PMMA复合微球进行了表征,并对其防水性能及单体合成机理进行了研究。研究结果表明：在分散聚合体系中加入正硅酸乙酯（TEOS）获得的纳米SiO2颗粒,可提高聚合物PMMA的疏水性能,且对该复合材料的透光率影响不大,仍具有很高的透明度。     

含分布式内热源复合平板等效导热系数模型

复合材料广泛应用于能源工业等诸多领域，其等效导热系数是预测复合材料温度分布的关键参数。现有复合材料等效导热系数模型的分析对象大多不含内热源，对于核反应堆燃料等含分布式内热源复合材料的等效导热系数的研究还不够深入。该文针对含分布式内热源两相复合平板的导热问题，推导了预测其平均温度的等效导热系数理论模型，通过与无内热源情况对比，分析了内热源分布等因素的影响规律。将内热源随机分布对平均温度的影响分解为均匀分布加扰动的形式，分析了内热源偏离均匀分布时对等效导热系数的影响。结果表明：在一定条件下(如内热源分布较分散),内热源非均匀分布对平均温度的影响较小。研究结果可为今后研究核反应堆燃料的等效导热系数奠定基础。     

论山东半岛天气预报协成系统的建设

山东半岛天气预报协成系统以网站的形式展现,通过多种模式对降水、气温、海风等要素的未来状况进行协成预测,以提高天气预报业务人员对范围内天气的预测准确率。     

不同产地百合药材的质量差异性研究(Ⅰ)

为了建立百合药材的质量标准,评价百合药材质量,本研究测定了不同产地的15批次百合药材的水分、灰分、酸不溶灰分、浸出物的含量,并对不同产地的百合进行薄层色谱鉴别。结果表明不同产地的百合质量差异较大,水分、灰分有一定变化,而酸不溶灰分的变化很大。薄层色谱显示对照药材中的斑点在15批百合中都出现,但有一批百合药材斑点较浅。本研究所建立的标准具有一定的代表性,可以用于百合药材的质量控制,评价百合药材的质量。     

柴油机活塞温度场有限元分析的简单方法

活塞是柴油机最主要的零件之一，寻求活塞正确而可靠的温度场计算方法，是提高柴油机可靠性与寿命的重要途径．文章论述了活塞热分析的理论基础，建立了活塞三维有限元模型．采用经验公式计算活塞换热系数，并对其进行了温度场分析计算，得到了活塞的三维温度场分布特征．结果表明此计算方法简单，可以用于活塞温度场分析计算．     

基于微分进化算子的量子粒子群优化算法及应用

分析了量子粒子群优化算法(Quantum-behaved Particle Swarm Optimization,QPSO)的进化方程,指出其存在的局部收敛问题,通过将微分进化(Differential Evolution,DE)的基本操作思想引入到QPSO中,提出了改进的QPSO算法(QPSO-DE);算法改进的方法是在粒子搜索过程中,以一定的概率对粒子的每一维执行微分进化操作,以增加粒子的随机性,从而减少了粒子群体因多样性缺失而易于陷入局部最优或停滞的情况,增强了粒子群体的搜索能力,提高了算法的优化性能;对多个标准测试函数及在IIR数字滤波器优化设计中的仿真实验结果表明,与PSO算法和QPSO算法相比,QPSO-DE算法能够取得更好的优化结果。     

基于SIFT的二视图运动与结构的恢复

针对传统二视图三维重构所体现出来的问题,综合各种重构方法,给出了一种简单的二视图运动与结构恢复的过程;且将SIFT特征点提取和匹配的方法应用到运动与结构恢复当中.实验过程和结果表明,该过程简单有效,具有一定的应用价值.     

基于双目识别技术的复杂背景中果实识别试验

为了迅速识别不同背景中的果实目标,在规范结构下建立了双目立体视觉识别系统,对复杂背景中的果实进行定位和识别.提出了基于角点聚类的局部特征提取及匹配算法,利用极限约束条件,通过提取同行像素角点特征完成立体匹配,获取果实3维信息.通过对不同背景下果实目标进行大量试验,发现基于单一特征属性的提取方法,角点匹配效率低,定位精度...     

新建铁路敦煌至格尔木线生态系统完整性影响评价

生态系统完整性是资源管理和环境影响评价中的一个重要概念,它主要反映生态系统在外来干扰下维持自身结构、功能与稳定性的程度。评价生态系统完整性对于保护脆弱生态系统免受人类干扰和影响具有重要意义。本文以新建铁路敦煌至格尔木线为例,通过沿线地区生态系统脆弱性评价,结合铁路工程对生态系统的影响方式与影响程度分析,借助遥感与地理信息系统技术进行叠加运算与分析,综合评价了铁路建设对西北生态脆弱区生态系统完整性的影响。     

基于深度学习的HRRP识别姿态敏感性分析

特征提取是基于高分辨距离像(high resolution range profile, HRRP)的雷达目标识别的关键技术之一。传统人工提取特征的算法, 仅利用浅层结构特征, 无法有效解决姿态敏感性问题, 从而限制了目标识别方法的泛化性。对此, 提出一种基于深度学习的目标识别方法, 并通过详细的姿态角性能测试分析了该方法的应用边界条件。通过构造适合处理HRRP的卷积神经网络(convolutional neural network, CNN)模型, 充分发掘目标深层次姿态不敏感属性特征, 完成高精度目标识别。基于实测数据的实验结果表明, 所提方法具有一定的抗姿态敏感性特性, 边界条件分析可为该方法的工程化应用提供指导。