增压汽油机面向控制的充量模型及其数值标定

缸内进气量作为电控系统喷油和空燃比前馈控制的基础，对扭矩控制和排放性能至关重要。为了更简便、准确地估算缸内进气量，提出一种面向控制的充量模型，并基于Simulink软件完成该模型的搭建。引入GT-POWER仿真工具辅助标定，完成对充量模型中进气道传热因子、缸内驻留废气关键参数和气门实际流通面积的标定。最后将充量模型计算结果分别与仿真结果及台架试验结果验证对比，提出的充量模型稳态进气量的计算误差均在5%以内，表明提出的充量模型为发动机系统控制提供了一种较为可行的方法。     

磁控溅射制备Cu-Al合金薄膜及光吸收性能研究

为使沉积态Cu-Al合金薄膜有显著的表面等离子体共振(SPR)吸收峰,采用磁控溅射法分别制备了纯Cu、纯Al和Cu-Al合金薄膜,并采用X射线衍射仪、紫外-可见分光光度计对其物相和光吸收性能进行了测试。结果表明,不连续的较薄Cu膜在沉积态下可观察到540 nm处的吸收峰,较厚的Cu膜通过在400℃下进行1 h热处理可在400 nm处获得微弱的吸收峰。沉积态的Al膜在可见光范围内无吸收峰,在热处理后,不连续的较薄Al膜可获得580 nm处的吸收峰,而较厚Al膜通过长时间热处理后可获得730 nm处的吸收峰。共溅射制得的较薄Cu-Al合金薄膜无须经过热处理,即可在可见光范围内获得吸收峰。     

融合互作网络和多模态信息的化合物-蛋白质相互作用预测模型(INMI)

化合物-蛋白质相互作用(Compound-protein interaction, CPI)预测是药物研发领域的一个重大课题.随着生物科学的飞速发展，各种科学实验产生了大量的生物数据，通过计算方法能够快速有效地提取和利用这些信息.已有方法未能将相互作用网络中的信息显式地进行提取并加以利用，且多模态信息的融合方式未能抓住蛋白质和化合物之间的联系.为了解决上述问题，本文提出了一个二分类深度学习模型.该模型使用交叉注意力模块整合分子图和蛋白质序列信息，并从相互作用网络中显式提取节点的中心性和相关性信息，作为模型编码.实验表明，本文所提出的模型可以准确预测蛋白质和化合物之间的相互作用，而且节点中心性编码能够大大提高模型性能.     

轻型汽油车实际行驶排放试验中冷启动排放的评估

为更全面、真实反映轻型车的排放水平，在实际行驶排放（real driving emission, RDE）试验中考虑车辆冷启动排放有其必要性。为此，选择1辆符合国六排放标准的轻型汽油车完成8次RDE试验，并将其冷启动排放纳入市区总排放中评估。结果表明：冷启动行程的CO、NO_x和PN排放对市区总排放的平均贡献率分别高达28.3%,31.9%和39.8%。从冷启动全程来看，CO和CO₂排放与平均冷却液温度具有良好的相关性，而NO_x和PN排放则与平均车速明显相关。此外，8次试验冷启动排放结果差异较大，这与冷启动最开始50 s内动力学参数v·a_pos（速度与正向加速度乘积）密切相关。建议在完善考虑冷启动排放的RDE测试程序时对冷启动初始阶段（如冷启动的前50 s）的动力学参数进行严格限定。