LTO/TaOx和LPO/TaOx复合薄膜的光电及Li+传输性能

采用FTO/LTO(LPO)/TaO_x/Al复合结构,利用磁控溅射分别制备TaO_x,LTO(Li_xTi_yO_z),LPO(Li_xPO_y)薄膜,研究了制备工艺对复合薄膜的微结构、离子传输特性的影响.重点探讨了不同退火温度LTO/TaO_x,LPO/TaO_x复合结构的光电性能和Li~+界面传输行为.结果表明,LTO/TaO_x复合结构中,电荷转移电阻在离子传输中起着重要的作用,界面电导率在很大程度上有助于总电导率;LPO/TaO_x复合结构随着退火温度的升高,电解质薄膜之间元素扩散现象加剧,总的离子电导率逐渐减小.     

一种轧制镁合金薄板表面缺陷检测系统

在镁合金薄板的轧制过程中,如关键工艺参数控制不当或因板坯质量、加工设备精度存在问题,薄板表面易出现边裂、褶皱、波纹等缺陷。这些缺陷如不能及时准确地检测,将严重影响薄板的表面质量和性能,极大地降低产品成材率。为此,本文采用计算机视觉技术对轧制镁合金薄板图像进行实时分析,提取其缺陷特征,并采用贝叶斯分类器进行缺陷识别,最终设计与实现了一个轧制镁合金薄板表面缺陷实时检测系统。实验结果表明,该系统综合缺陷准确识别率达到83.6%。     

基于滤波器组并行交替型ADC系统通道失配误差的分析

通道失配误差（如偏置误差、增益误差和时间相位误差）严重降低了并行交替型ADC（timeinterleaved ADC，TIADC）系统的信纳比．我们给出了基于滤波器组的三种通道失配误差详尽的分析，表明增益误差和时间相位误差相互影响，而偏置误差则单独起作用；同时对在信号分析领域占重要地位的正弦信号进行了分析，给出了通道失配误差的频谱图像；并进一步推导了信纳比的公式和无伪波动态范围的公式；给出了时钟抖动和量化噪声对TIADC的影响．这些公式可为TIADC通道失配误差的容忍范围提供参考，也可为消除TIADC通道失配误差提供理论依据．     

基于正交试验的两级串联油气旋流分离器结构优化

为提高一款发动机用两级串联油气旋流分离器的分离性能,文章采用数值模拟和正交试验方法研究了串联组中两级分离筒入口面积、圆柱段直径、圆柱段长度、溢流管直径以及溢流管插入深度对分离性能的影响,并通过极差分析的方法研究了上述主要结构参数对压降和分离效率指标影响的权重顺序,得到了兼顾两项指标的最优结构组合.通过对流场及分离机理的...     

广播文艺节目的编导素质浅析

伴随着传媒事业的不断发展壮大,广播文艺节目以其特有的活力和艺术感染力丰富着人们的文化娱乐生活,那么,广播文艺节目编导在具备应有的专业素质外,还应具有一些区别于其他行业从业人员的特殊素质。本文试图通过学识素养、艺术洞悉能力和社会交往能力和创新能力等方面来探析新时期广播文艺节目编导应具备的素质修养。     

N,N-二甲基甲酰胺作为背景吸收物应用于非水毛细管电泳测定金属离子的研究

对N,N-二甲基甲酰胺(DMF)作为背景吸收电解质用于高效毛细管电泳法分离测定钾、钠离子的可行性进行了研究.探讨了DMF乙腈溶液中加入硫酸、盐酸、高氯酸以及醋酸对分离效果以及灵敏度的影响.通过对比,发现使用3mmol·L-1DMF+30mmol·L-1硫酸缓冲体系分离效果最好,对Na+和K+的检测限分别为0.4和0.7μmol·L-1.本研究为进一步建立使用DMF为背景吸收物质的毛细管电泳法分离测定无机离子的方法奠定了基础.     

基于多模型融合的互联网信贷个人信用评估方法

针对网络个人信用有效评分缺失的问题,分析了互联网信贷个人信用评估数据的特点,选用支持向量机、随机森林和XGBoost分别建立了信用预测模型,并对3种单一模型进行了投票加权融合. 基于互联网信贷数据的特点,在特征工程中对样本集特征进行了离散化、归一化和特征组合等处理. 为增加对比,对实验数据集进行了FICO评估核心Logistic回归分析. 实验结果表明：3种单一算法性能均优于Logistic回归,XGBoost表现优于支持向量机和随机森林模型,预测相对准确;投票融合模型的表现比单一模型更好,模型分辨能力更优秀,预测精度更高,更适用于互联网信贷个人信用评估.     

国家创新体系视阈下科技金融理论与政策分析

创新与创新体系是国家竞争力提升的源泉,而科技金融则是科技创新与金融创新的紧密结合,对于经济社会发展有着重要的作用,它主要包括科技研发、成果转化、新兴技术产业发展等一系列与金融相关的工具、制度及政策的系统性供给。基于创新体系构建的视角,简单梳理创新体系与科技金融的理论发展,同时对进一步构建完善的科技金融体系作出政策分析。     

基于K-means聚类与PSO特征优选KNN的分级负荷识别方法

针对非侵入式负荷辨识中,单一V-I轨迹特征无法对相似的轨迹特征进行有效识别以及所提取特征易出现冗余甚至噪声特征的问题,提出了一种基于K-means聚类与PSO特征优选的分级非侵入式负荷识别方法。首先,利用K-means算法对负荷V-I轨迹的HOG特征进行初步分类,将轨迹相似的电器分为一类;然后,对每一类中的电器电流数据进行多维特征提取并采用PSO算法选取最优特征子集;最后,利用KNN模型进行二级负荷识别。实验结果表明,该方法有效提高了负荷识别准确率;提取V-I轨迹的HOG特征解决了同一电器V-I轨迹波动的问题;对一级分类后的每一大类单独进行PSO特征优选KNN二级分类,解决了部分电器对特征子集适应性差的问题。所提方法在一定程度上解决了冗余特征甚至噪声特征对辨识准确率的影响,为负荷特征的选取提供了新的思路,对负荷辨识的实际应用具有重要的参考意义。     

基于CF-MF-SE联合特征的非侵入式负荷辨识

针对目前非侵入式负荷辨识存在模型训练时间过长以及负荷特征相近的电器辨识精度不高的问题,提出了一种基于CF-MF-SE联合特征的非侵入式负荷辨识方法。以稳态电流信号为基础,通过提取峰值因数表征波形的畸变程度,采用裕度因子表征信号的平稳程度,谱熵表征频谱结构复杂程度,并结合PSO-SVM实现负荷辨识。结果表明,新方法可解决电器电流波形相近不易识别的难题,减少训练时间,有效提高识别准确率和效率。所提方法将振动信号特征作为负荷特征引入负荷辨识领域,为非侵入式负荷辨识技术的特征选取提供了新思路,其中谱熵作为对负荷敏感的关键特征,与其他特征组合可明显提高辨识率,为实际应用中负荷特征的灵活选择提供了参考。