基于宽度学习的浓密机底流浓度软测量

由于浓密脱水过程中浓密机的底流浓度难以在线检测，本文提出了一种基于宽度学习的软测量建模方法，用以解决底流浓度的在线检测问题.该方法精度高，泛化能力强.首先，在浓密机内部安装压力传感器，建立正常工况下的历史数据集;然后，利用宽度学习系统对软测量模型进行训练，从而实现浓密机底流浓度的在线预测;最后，通过仿真实验验证了该方法的有效性.与传统的机器学习方法相比，宽度学习方法具有更高的预测精度.     

等间距平行线辅助机器视觉实现工件尺寸测量

针对工业柔性密封圈形变造成内外圆尺寸发生改变和传统成像系统畸变造成图像边缘轮廓失真,从而直接影响轮廓测量精度的问题,提出一种基于等间距平行线工件尺寸测量算法.首先对工件区域进行轮廓跟踪,求出区域的边界像素点序列;其次,绘制一组水平或垂直方向等间距平行线,对工件轮廓进行拟合;最后,根据圆的计算公式求解出曲面轮廓的尺寸参数值,从而减少畸变造成的测量误差.通过对密封圈内外轮廓尺寸精度和断面精度对工件测量影响的分析,结果表明:基于等间距平行线工件尺寸测量算法对柔性圈内外径最小误差分别为0.5％和0.9％,横断面最小误差为1.6％.     

基于随机梯度下降算法实现对环上量子游走的动态完全控制

寻找如何实现幺正量子操作是量子计算领域的基本问题，主要研究通过环上的离散时间量子游走实现任意幺正量子操作的可能.首先推广引入了特殊的环上的离散时间量子游走模型，并对模型实现任意量子操作的有效性进行了探讨.对于两量子比特的量子系统，给出了通用量子门集合与量子傅里叶变换的构造解.由于高维情况构造解较难精确给出，引入机器学习中常用的随机梯度下降算法，得以在高维系统近似实现所需要的幺正量子操作.此外，如对算法进行进一步微调，可以在位置空间上的实现任意的幺正量子操作以及两结果半正定算子测量.在高维情况下，这意味着通过控制两能级的硬币系统即可控制位置空间上大型系统，从而实现小系统对大系统的间接完全控制.这些任务的完成表明，基于随机梯度下降算法可以实现对整个环上量子游走过程的动态完全控制.     

智能制造的“火眼金睛”:PDA高精度激光位移传感器

"中国制造2025"战略的提出,以及人工智能等新一代信息技术的发展,使中国制造业面临新一轮"换血"。从高密度人工作业向自动化车间转化的过程中,自动化测量被推到舞台前端。为了实现高端激光位移传感器的自主研发及国产化,提升位移测量的精度和稳定性,上海兰宝利用自适应算法及核心光机电组件,结合智能算法,打破行业壁垒,探索出领先传感技术。     

压力对金属化合物Mg_2Si光学性能影响的第一性原理研究

本文采用基于密度泛函理论的第一性原理方法,研究了压力对Mg_2Si光学性质的影响。计算结果表明,0GPa压力环境下,其晶格参数与试验值吻合较好。同时,进一步计算分析了在0～40GPa高压作用下Mg_2Si的折射率、反射率、吸收系数、能量损失函数和光电导率的变化情况。结果表明,压力可以有效调制Mg_2Si的电子结构并改变其光学性能。     

光纤光学频率梳

在时域上,光学频率梳(光频梳)表现为时间间隔固定的超短脉冲序列,具有飞秒量级的时间宽度和极高的瞬时电场强度;在频域上,光频梳呈现为数百万频率间隔固定的频率齿的集合,每根梳齿都具备窄线宽稳频连续激光器的频率精度。光频梳已经发展成为一种重要的科研工具,广泛应用于高精度原子、分子特征信息识别,物质内部结构解析,生物成像及空间遥感成像等诸多科学研究领域。文章首先说明光频梳的基本技术原理,然后介绍华东师范大学精密光谱科学与技术国家重点实验室在光频梳研制领域的进展,并详细介绍基于自研光频梳发展的两种应用:双光梳三维编码成像和双光梳分子光谱。     

亚赫兹线宽稳频激光技术

激光已广泛应用于精密光谱与精密测量中,激光的频率稳定度与光谱纯度决定了测量的精度与光谱的分辨率,因此不断提高激光频率的稳定度和减小激光线宽是精密光谱和精密测量研究领域永远追求的目标。文章介绍了亚赫兹线宽稳频激光的原理与一些关键技术,并展望了未来发展趋势。     

地理信息系统技术在工程测量中的应用

随着时代的不断发展,工程建设要求日益提升,现如今,人们不仅要保质保量,还要保证各项数据准确可靠。在工程建设过程中,人们要有效应用地理信息系统技术,不断提升工程质量,促进我国建筑行业实现可持续发展。因此,本文分析了地理信息系统技术在工程测量中的应用,以期提升工程测量结果的准确性,最终提高工程施工质量。     

基于InSAR的潜在滑坡人工智能识别——以延安宝塔区为例

基于合成孔径雷达干涉测量(InSAR)技术,结合热点分析和机器学习算法,进行区域高形变斜坡自动提取和潜在滑坡人工智能识别研究,以提升潜在滑坡识别效率和准确性,解决传统人工调查和目视解译无法有效识别位于高位、隐蔽性较强的潜在滑坡问题.结果表明,基于热点分析自动提取20处高形变区域,提取正确率、错分率和漏分率分别为74.31%、25.69%和11.80%,证实热点分析方法能够有效应用于InSAR高形变区自动识别和提取.基于识别的高形变区,结合历史滑坡灾害发育特征,利用机器学习算法建立潜在滑坡预测模型,采用表现最佳的自适应提升模型对自动提取区域进行预测,预测召回率和准确率分别为81%和65%,能够实现潜在滑坡的有效识别.