三类组合图的伴随多项式的因式分解及色性

通过研究星图Sn 1的三类组合图的伴随多项式的因式分解,证明了这三种图的补图的色等价图的特征性质.     

沸石生物活性滤池在低浓度氨氮废水再生回灌地下水中的应用研究

针对含低浓度氨氮的废水再生回灌地下水中氨氮的深度处理问题,提出了沸石生物活性滤池工艺,并对工艺的启动、运行最佳参数及低温运行效果进行研究。结果表明,采用动态自然挂膜培养方式,约15,d,就能形成成熟硝化菌生物膜;正常运行时,最佳水力负荷1,m3/m2,h,气水比1∶1,对氨氮的平均去除效率为79.96%,出水氨氮满足地表回灌水质要求(1,mg/L);在冬季低温时,虽然可通过降低进水流量来增大去除率,但增幅有限,低温仍是限制氨氮去除的主要原因。     

利用串/并联神经网络建立化学反应器模型

本文研究使用线性动态神经网络与非线性的静态网络相结合的混合建模方式解决复杂非线性系统的建模问题。使用混合神经网络建模，可以降低单个网络的训练难度，基于此，也可将非线性系统控制策略的求解分解，转换为线性系统的求解。从而改善使用单一神经网络建模存在的精度不高以及训练时间长等不足，也为非线性系统控制策略的求解提供方便。本文以一个典型多变量系统——连续搅拌釜式反应器（CSTR）作为仿真对象，详细研究和实现了两类神经网络串联和并联的混合建模方法，并对结果进行了比较。     

毛细管区带电泳法测定白藜芦醇与白藜芦醇苷

建立了以苄基三甲基碘化铵为内标测定白藜芦醇和白藜芦醇苷的毛细管区带电泳方法,在优化的分离条件下,两者在7 min内可基线分离,检出限均为1.25×10-4g/L,线性动态范围分别是4.88×10-4g/L~0.31 g/L和5.37×10-4g/L~0.34 g/L,样品的加标回收率为95.44%和97.75%.     

基于AXI总线串行RapidIO端点控制器的FPGA实现

针对现代高性能嵌入式系统高速串行RapidIO (SRIO)信号接入的应用需求, 提出一种基于AXI总线的SRIO端点控制器IP核设计方案。以XC5VLX220-FF1760现场可编程门阵列芯片为目标器件, 利用硬件设计实现SRIO接口电路。该方案采用合理的硬件结构, 能够提高信息采集和输出的时效性。此外, AXI总线能够使SRIO端点控制器IP核更方便地集成到SoC芯片中, 可以在片内提供更高的数据传输带宽。利用SRIO协议实现的FPGA内置多DSP IP核, 读写操作速率能稳定地达到每通道3.125 Gb/s, 表明所提出的IP具有高性能。     

中国药典中含有毒性成分朱砂、雄黄的中药使用安全性探讨

目的:探讨含有毒性成分朱砂、雄黄的中药安全性.方法:对中国药典2010版中含有毒性成分朱砂、雄黄的药品组方进行研讨.结果:药典中含有朱砂、雄黄的口服药品66种,其中儿童用药20种.含有雄黄的药品27种,其中儿童用药7种,4种雄黄用量超过成人日使用剂量的50%;含朱砂药品59种,其中儿童用药19种;同时含有朱砂和雄黄的药品20种.结论:中国药典中关于朱砂和雄黄的使用剂量存在多重标准,药品的使用存在极大的安全隐患,特别是儿童用药和需要长期服用的药品.     

用MUX实现组合逻辑的卡诺图列解法

本文采用卡诺图列解法来处理MUX组件的地址变量少于待发生逻辑函数变量的设计问题。方法简单易行、适用范围广。尤其是对于含有任意项的逻辑函数中任意项的处理,提供了寻找最佳方案的途径。     

预注浆加固技术在黄梅山隧道洞口施工中的应用

黄梅山隧道是马(鞍山)芜(湖)高速公路控制工程,是安徽省在浅埋软弱围岩条件下修建的第一条大跨径双连拱隧道。隧道洞口段埋深浅,且为坡积物和人工弃土覆盖,围岩松散、自承能力差,存在坍塌、冒顶隐患。采用地表深孔预注浆填充围岩裂隙、固结围岩,以提高洞口段围岩的整体性和稳定性,确保安全进洞。     

米波MIMO雷达波束空间精确最大似然算法

针对阵元空间多输入多输出(multiple input multiple output, MIMO)雷达低仰角估计方法运算量和数据传输量太大的问题, 提出了基于波束空间的MIMO雷达精确最大似然(refined maximum likelihood, RML)算法。该算法将阵元空间的数据转换到波束空间, 实现降维处理, 再利用最大似然的思想对波束空间的数据进行测角。计算机仿真结果表明, 相比于基于阵元空间的MIMO雷达RML算法, 所提算法有着良好的测角性能, 并大大降低了算法运算时间。同时, 通过计算机仿真分析了信噪比、仰角、波束指向与目标仰角之间的偏差、阵元数、反射系数误差和天线中心高度等因素对所提算法测角性能的影响。     

基于中心点和语义信息的多方向遥感舰船检测

在高分辨率遥感影像解译中, 舰船目标的检测一直是研究热点。针对遥感影像中近岸舰船排列密集、方向各异以及背景复杂等问题, 本文提出一种基于旋转中心点网络和语义信息(rotated CenterNet using semantic information, RSI-CenterNet)的多方向遥感舰船目标检测方法。首先, 基于关键点检测网络, 在检测阶段添加目标角度回归分支, 以预测目标方向; 其次, 添加语义分割分支, 并将其输出的特征与检测部分的输入特征进行融合以强化目标区域的特征信息; 最后, 引入注意力模块, 以强化目标显著区域与通道的特征, 提升检测精度。实验结果表明, 与其他多种先进方法相比, 本文方法具有更高的检测精度与检测速度, 在高分辨率船舶数据集(High Resolution Ship Collections 2016, HRSC2016)上的平均精度达到88.31%, 检测速度达到17.8 FPS。