PDCA循环在提高外墙面砖镶贴质量中的运用

通过某工程外墙面砖镶贴质量控制的实例表明,合理运用PDCA能取得较好的社会效益和经济效益。     

利用辛几何构作新的带仲裁的认证码

利用有限域上辛几何构作了一个新的带仲裁的认证码,计算出所构作码的参数及各种攻击成功的概率     

一种利用改进Elman神经网络的光伏I-V特性建模方法

为了准确表征和预测光伏（PV）组件在不同工况下的电流电压（I-V）特性,本文提出一种利用改进Elman神经网络的光伏I-V曲线黑盒建模新方法。首先通过皮尔森相关系数分析影响I-V曲线的环境因素;其次使用基于电压电流的双线性插值法对实测I-V曲线进行重采样,以提高I-V曲线上数据点分布的均匀性;进而使用基于辐照度温度的网格采样法对I-V曲线数据集进行下采样,降低数据冗余度;再利用量子粒子群（QPSO）算法优化Elman神经网络的初始权值和阈值,从而构造QPSO-Elman预测模型。最后根据美国国家可再生能源实验室（NREL）提供的I-V曲线数据集进行实验验证和测试。实验结果表明,所提出的建模预测方法精度更高,稳定性和泛化能力更好。     

爆炸成型弹丸垂直穿透钢板靶后破片飞散特性

为了能够利用爆炸成型弹丸打击目标前的初始条件对目标内部的破片分布进行量化预测,从而可以对目标打击策略进行优化升级,采用了经过实验数据验证的数值仿真方法,对某爆炸成型弹丸垂直穿透钢板所形成的靶后破片进行了研究,分析了靶后破片的数量与所处飞散角度的关系,建立了上述关系与着靶速度（1700～1900 m/s）、靶板厚度（30 ~ 70 mm）、破片来源（爆炸成型弹丸或靶板）的联系. 结果表明:可以通过初始条件可靠地量化预测破片分布,并且靶板及爆炸成型弹丸产生的靶后破片相对累计数量随飞散角的增加而呈Weibull累积分布函数式增加.      

不同环境下CFRP筋与环氧砂浆粘结性试验研究

采用环氧砂浆作为粘结剂,40Cr钢为锚具,开展了CFRP筋在酸碱盐腐蚀环境中粘结性试验研究。研究结果表明：CFRP筋在酸碱盐溶液浸泡过程中,其外观尺寸无变化。有拔出破坏、端部夹断破坏、筋拉断破坏三种类型的破坏形态,通过分析不同锚固长度CFRP筋的破坏形态得到了试验条件下CFRP筋的基本锚固长度。对未受到腐蚀等七种情况的粘结-滑移数据进行了整理,提出了CFRP筋与环氧砂浆粘结-滑移本构模型并与现有三种粘结-滑移本构模型进行了对比。通过对比各粘结-滑移曲线可知：在相同外力作用下,腐蚀时间越长,CFRP筋的滑移越大。     

改性双马树脂固化反应动力学研究

用差示扫描量热法研究了CDR－9418改性双马树脂固化反应动力学。从反应动力学基本方程出发，采用微分法得到等温固化反应表观活化能E、反应速率常数k和反应级数n。用基辛格（kissinger)方程，得出了不同升温速率下的非等温固化反应表观活化能和频率因子A，并用kissinger法估算出形状因子S和反应级数n。结果表明，等温反应级数和反应速率常数随固化温度提高而增大，460K时接近一级反应；而非等温反应级数随着升温速率的增大而减小。     

熔融制样—X射线荧光光谱法测定重晶石中的BaSO_4

快速准确测定重晶石中硫酸钡及其他主次成份的含量,对于地质找矿或选矿试验十分重。本文采用熔融制样—X射线荧光光谱法1～3测定重晶石中Ba、AL2O3、Fe2O3、CaO、MgO、SiO2、Na2O、K2O、Sr等主、次量组分,研究了矿物结构效应,解决了基体效应的影响,试验了制样的条件,确定仪器测量的最佳参数。各元素相对标准偏差（RSD,n=12）≤8%,测定结果与化学法测定值相符。方法快速、准确,便于操作,具有良好的精密度和准确度,已大量应用于重晶石中钡、锶、铁、钙、镁、铝、硅、钾、钠等元素的同时测定。     

[Co(SCN)_n]~(2-n)配合物在二甲基亚砜—丙酮—水溶液中稳定常数和摩尔吸光系数的正交优选

在“二甲基亚砜—丙酮—水溶液中〔CO(SCN)_n〕~(2-n)配合物的紫外分光光度研究”一文中介绍了用光度法测定了该配合物的吸光度,并用改善了的方法测定了硫氰酸钴(Ⅱ)各级配合物的稳定常数和摩尔吸光系数。本文利用该文中的实验数据(见表1),采用正文交法对稳定常数和摩尔吸光系数进行了优选。结果使该配合物的参数指标即标准差由原来的0.029996缩小到0.01909,后者为前者的64％。     

ARINC429总线接1口芯片及接口板的设计与实现

通过对ARINC429总线的研究,设计了一种方法来接收ARINC429信号,该方法在接收429信号时将根据429信号的特征对429信号的每一位进行3次判别,只有当3次判别都正确时,才接收该位。该方法的抗干扰性优于传统方法。基于这种方法,用可编程逻辑器件设计制作了AR-INC429接口芯片,同时还制作可用于连接微机的接口板。     

利用改进Elman神经网络的光伏I-V特性建模方法

为了准确表征和预测光伏(PV)组件在不同工况下的电流电压(I-V)特性，提出一种利用改进Elman神经网络的光伏I-V曲线黑盒建模新方法.首先，通过皮尔森相关系数分析影响I-V曲线的环境因素；其次，使用基于电压电流的双线性插值法对实测I-V曲线进行重采样，以提高I-V曲线上数据点分布的均匀性；再次，使用基于辐照度温度的网格采样法对I-V曲线数据集进行下采样，降低数据冗余度，并利用量子粒子群(QPSO)算法优化Elman神经网络的初始权值和阈值，从而构造QPSO-Elman预测模型.最后，根据实测I-V曲线数据集进行实验验证和测试，并与多层感知机、未改进的Elman网络、支持向量机等算法进行对比.实验结果表明，所提出的建模预测方法精度更高，稳定性和泛化能力更好.