厚叶算盘子的化学成分研究

 对厚叶算盘子的化学成分进行了研究,利用硅胶反复柱层析分离和纯化,得到8个化合物,并用波谱学技术确定了其结构,分别为6个三萜类化合物,没食子酸和β-谷甾醇.     

棒柄花的化学成分研究

 对产于云南西双版纳的棒柄花(Cleidion brevipetiolatum)化学成分进行了研究,利用反复硅胶柱层析进行分离和纯化,从中得到8个化合物,并通过波谱学技术确定其结构,分别为2个三萜类化合物,2个维生素,2个芳香族化合物以及β-谷甾醇和β-胡萝卜甙.     

综合车内VOCs气味及其健康危害对乘员舒适性影响评价

针对评价车内挥发性有机化合物（Volatile Organic Compounds,VOCs）对乘员舒适性影响的方法未能综合考虑车内VOCs的气味和对健康危害性的问题,将汽车内部作为一个室内微环境体系,基于车内VOCs的天然本底质量浓度、国标限值以及检知嗅阈值,采用韦伯-费希纳定律,建立了综合考虑VOCs气味与健康危害的乘员舒适性评价方法. 将变异系数法与三角模糊函数相结合,定量分析车内VOCs主要组分对乘员舒适性的影响权重以及乘员舒适性等级,提出一种基于评语集的定量分析来比较不同车型乘员舒适性的理论方法. 应用上述评价方法与理论进行案例研究,结果表明,4种车型中,第4种车型的乘员舒适性最佳.     

基于可逆网络的对抗样本防御算法的设计与研究

深度学习模型极容易受到对抗样本的攻击。为了提高模型的鲁棒性，提升相关技术在现实生活中应用的安全性，提出一种轻型可逆网络(lightweight reversible network, LRNet)用于有效去除对抗样本中的对抗扰动。首先，将哈尔小波变换与可逆网络相结合，获得更丰富的特征；其次，将特征通道分离，利用干净样本的高低频特征指导学习，从随机数中重采样替换高频信息去除对抗扰动；再次，提出特征分离模块，去除非鲁棒特征，提高分类准确率。结果表明：LRNet防御模型能显著提高防御准确率，其分类准确率在MNIST,CIFAR-10数据集上较防御模型ARN分别从91.62%和67.29%提升到97.65%和78.55%;模型的参数大小降低至0.48 MiB,是APE-GAN模型的20%;防御模型的迁移能力得到极大提高，为对抗样本的防御提供了一种新方法。     

车内甲醛浓度及其动态分布数值仿真分析

针对高污染、高危害的甲醛在乘用车内通风条件下的动态分布特征及规律的研究相对缺乏，应用计算流体动力学（Computational Fluid Dynamics，CFD）理论和Fluent软件建立车内甲醛浓度及其分布数值仿真模型，并验证其可靠性. 以温度、通风速率和通风模式因素为变量，基于车内空气流场分析，率先研究乘用车内甲醛质量浓度分布及其动态变化规律，首次系统地探讨温度、通风速率、通风模式对驾驶员和乘员呼吸关键点位甲醛质量浓度分布及其变化规律. 结果表明，温度对车内甲醛质量浓度影响显著；0.5 m/s和4.0 m/s通风速率下甲醛浓度由于涡旋流场而分别呈现“双曲线”和“驼峰”型分布特征. 关键点位驾驶员呼吸位置的甲醛浓度随通风速率增加而增加，当通风速率≤1.6 m/s时，增长速率为16.5%；当通风速率>1.6 m/s后，增长速率为3.6%；整车检测点的甲醛浓度随通风速率增加呈线性增长，增长率约为10.8%. 车内后排空间甲醛浓度高于前排空间.