牦牛UCP1基因生物学特性及组织表达分析

旨在克隆牦牛解偶联蛋白1(UCP1)基因序列,并对其进行生物信息学分析,进一步研究该基因在牦牛各组织的表达规律.以牦牛为实验对象,利用RT-PCR克隆得到牦牛UCP1基因全长序列,生物信息学分析牦牛CDS区,qPCR检测UCP1基因在牦牛不同组织中的表达模式.结果表明,UCP1基因全长为954 bp(GenBank N...     

基于半导体量子点的单光子源:原理、实现和前景

确定性和高度不可分辨的单光子源是实现线性光学量子计算和固态量子网络的重要前提条件.半导体自组装量子点,具有良好的稳定性,易于集成于高品质因子的纳米微腔中,可获得超高亮度的单光子源.同时量子点可以作为光子—自旋比特的接口,可扩展的量子网络的结点.近年来共振激发技术的发展以及微腔加工技术的进步大大地提高了半导体量子点单光子源的品质,而成熟的半导体技术为这种单光子源的实用化奠定了基础.本文首先介绍单光子源的产生原理、性质以及在量子信息量子计算等领域的应用,然后介绍基于半导体量子点单光子源的技术发展和微腔量子点的进展.最后,讨论量子点单光子源未来的发展趋势.     

智能化汽车速度控制报警系统的设计

从汽车行驶的安全角度出发,在不改变汽车原有结构的基础上,对汽车行驶的速度及其它车况参数进行采样、测量、计算.利用智能决策推理机制对数据进行有效的分析,提高了系统对复杂路况处理能力.采用实时报警、延时控制等方法实现汽车的安全行驶,并将行驶速度进行随机的存储.     

密集信号分选平面变换技术的多义性分析

信号平面显示变换技术，是根据累积变换的数学原理，得到各种对应信号的特征曲线，累积变换是一对应的，但在用平面变换实现时具有多义性，即有时会出现与某种信号的特征曲线形状相似的特征曲线。作者就平面变换技术多义性的原理进行了分析，论证了产生伪特征曲线的原因，提出了识别伪特征曲线的方法和分选伪特征曲线的方案。     

单层手征性平板微波吸波体

介绍了单层手征性平板微波吸波体的研究，报告了微波反射率对电磁波频率的依赖关系，实验结果表明，此种吸波体具有良好的电磁性能，这意味着手征性材料是一种良好的微波吸收材料，此外，本文报告了电磁波通过手征性材料时，电磁波偏振面的旋转现象。     

基于产热量优化的烧结余热回收操作参数设定

针对钢铁烧结余热回收过程中的热交换效率优化问题,引入锅炉有效产热量的概念,用于评价余热发电系统的整体运行效率,提出基于中压锅炉有效产热量优化的余热回收过程操作参数设定方法.首先应用BP神经网络对中压锅炉有效产热量进行预测,基于热力学原理建立有效产热量优化模型;然后采用一种改进的粒子群优化算法求解优化模型,得出有效产热量最大时中压蒸汽温度和环冷机速度的优化设定值.基于工业运行数据的仿真结果表明,所提方法可以使烧结余热回收系统的有效产热量平均提高5%左右,从而提高余热发电效率.     

基于能值分析的株洲农业生态经济系统综合研究

运用能值分析方法,对株洲市2001-2008年农业生态系统的能值投入产出、运行效率、ELR、ESI进行定量分析,构建能值指标体系.结果表明:株洲农业生态系统主要依赖于人力,尚处于从传统农业阶段向现代农业阶段转变的过渡时期;研究区农业生态经济负载率低,资源环境压力在逐渐加大,资源空间利用未达到优化配置.为促进株洲农业的可持续发展,应根据农业的需要合理调整农业产业结构,使农业生态经济系统可持续发展.     

半刚性连接梁柱式木结构抗侧力性能研究

考虑木结构节点的半刚性特性,推导了半刚性框架在侧向力作用下的刚度计算公式,讨论了节点半刚性对框架内力分配的影响.对3榀单层单跨梁柱式木框架足尺试件进行了水平荷载试验,其中1榀为单调加载,2榀为低周反复加载;对5个采用相同设计的梁柱节点足尺试件进行了抗弯性能试验,其中3个为单调加载,2个为低周反复加载.根据试验现象研究了螺栓连接木结构梁柱框架的抗侧力性能、梁柱节点的抗弯性能以及两者的传力机理和破坏模式.最后,基于获得的试验数据对推导的理论公式进行了验证.     

基于面向对象分类法和高分一号影像的露天矿区分类技术研究

为了实现高海拔脆弱生态环境下露天矿区的地物信息提取。利用高分一号卫星影像,对青海省天峻县江仓第五露天矿区进行了面向对象结合分形网络演化多尺度分割方法下的信息提取和分类。在充分利用遥感影像空间信息和地物特征的基础上将研究区域地物分为九类,并将分类结果与典型基于像素分类的最大似然法进行了对比。结果表明:面向对象结合分形网络演化多尺度分割方法针对高分辨率遥感影像分类结果质量优良,可以有效减少混合像元的干扰,总分类精度为88.45%,满足实际生产要求。实现了露天矿区的地物分类。该研究成果可为高海拔脆弱生态环境下的露天矿区管理发展提供技术和数据支持。     

一种基于反向学习和伯恩斯坦算子的差分进化算法

差分进化(differential evolution,DE)算法是一种种群随机搜索算法,但其在收敛过程中存在着容易陷入局部最优、收敛精度不高等问题.为更好地提升DE算法的性能,提出一种改进算法为基于反向学习和伯恩斯坦算子的差分进化算法.反向学习策略用于增加种群的多样性,扩大种群的搜索范围,从而弥补陷入局部最优的不足,提高了收敛速度;伯恩斯坦多项式随机产生算法的结构参数值控制了进化过程中的突变和交叉阶段,改变了差分进化算法原有的进化策略,提高了收敛性能,是一种更加快速、高效的无参数方法.通过国际标准测试函数的实验结果表明,改进后的差分进化算法具有更强的全局寻优能力,整体收敛速度和精度明显提高.