基于区块链的车联网群智感知位置隐私保护方法

针对车联网群智感知位置隐私泄露和用户参与任务公平性的问题,提出了一种基于区块链的车联网群智感知位置隐私保护方法(location privacy protection method based on blockchain and crowdsensing, LPPMBC)。将分布式的区块链引入车联网群智感知位置隐私保护方法中,消除第三方服务平台对参与用户数据的控制;通过保序加密和Geohash编码相结合,为参与工人提供多级别的位置隐私保护,确保参与工人位置隐私的保密性;通过Haversine公式进行感知位置验证,防止工人通过非感知区域数据获得非法奖励,保障感知数据的质量。仿真结果表明,LPPMBC能够更好地权衡感知数据质量与工人隐私保护关系,保障用户参与任务的公平性, 提高用户参与任务的积极性。     

基于时延嵌入式隐马尔科夫模型的癫痫脑电分类算法

癫痫脑电的分类识别能够为癫痫的预警和病程的发展监测提供强有力的技术支持。传统的癫痫脑电分类识别方法需要从较长的时间序列中提取特征,难以刻画大脑的瞬态变化,检测低效且耗时,降低了癫痫预警的有效性。针对上述问题,提出一种基于隐马尔科夫模型的癫痫脑电分类算法。该方法通过时延嵌入式隐马尔科夫模型(time-delay embedded hidden Markov model,TDE-HMM)对脑电进行状态估计,并提取状态序列中的状态切换特征,通过多层感知机(multiple layer perceptron,MLP)实现对不同癫痫发作阶段脑电的有效辨识。实验结果表明,相较于小波变换、微分熵等传统特征,所提方法准确率高,能够有效刻画癫痫不同阶段的大脑状态变化,为癫痫脑电的分类识别和状态分析提供了新的备选方案。     

水温波动对泰来草、圆叶丝粉草生理及生长特性的影响

为探究海草对水温波动的适应性和适应机制,本研究以27 ℃为波动中心,设计波动幅度(简称“波幅”)分别为0、2、4、6、8、10 ℃的水温波动环境,将泰来草(Thalassia hemprichii)和圆叶丝粉草(Cymodocea rotundata)种植于上述环境中,并在实验结束后测定其生长状况、氧化与抗氧化产物、渗透调节物质、光合色素和光合荧光特征4类14项指标,从而评价其生理和生长特性的变化规律。结果表明,相对于水温恒定时,水温波幅为2-4 ℃时2种海草的地上部生产力较高,抗氧化酶活性与细胞渗透调节物质含量较低,营养物质与叶绿素含量、光反应的电子传递速率较高,总体表现为生长状况更好。但随着水温波幅超过此范围,上述指标均出现相反的变化趋势,海草受到的过氧化胁迫逐渐增大。虽然海草仍可通过提高抗氧化酶活性与细胞渗透势调节物质的含量等机制来抵抗这种胁迫,但抵御能力有限。波幅超过8 ℃的环境不利于2种海草的生长。此外,由于随着水温波动加剧,圆叶丝粉草各项生理指标值的变化幅度均大于泰来草,因此,本研究认为圆叶丝粉草对水温波动的敏感性高于泰来草。     

基于Ni@Pt燃料电池型甲醛电化学传感器的研究

通过热裂解和氢还原制备了Ni纳米颗粒,并在酸性溶液中通过液相置换合成了核壳 Ni@Pt-800。采用喷涂法将催化剂作为阴极涂层附着在质子交换膜上,阳极涂层为商业Pt/C。采用透射电子显微镜、X射线光电子能谱仪、X射线衍射仪对催化剂结构进行表征。结果表明,Ni@Pt-800对甲醛的响应分别是Ni@Pt和其他干扰气体的4.95倍和25倍。在0～135×10^?6范围内,甲醛的氧化峰电流与浓度有着良好的线性关系,其线性回归方程为：△i=0.00103×10^?6－0.006 61,相关系数为0.98。     

SUS441不锈钢/Al金属间化合物微叠层复合板的界面结构与力学性能

采用“表面预处理—交替层叠—热轧复合—热处理”的工艺流程制备了SUS441不锈钢/Al金属间化合物微叠层复合板。利用光学显微镜、X射线衍射仪、扫描电子显微镜等检测与表征方法研究了热处理温度对复合板界面形貌、微观组织、物相组成、维氏硬度、拉伸性能的影响。结果表明：复合板界面结合良好;热处理后,固–液反应界面氧化严重,易导致界面分层而开裂;固–固、固–半固、固–液热处理后,金属间化合物层由均匀层和两相层组成,均匀层的物相组成为Fe₂A1₅,两相层的物相组成为Fe₄Al₁₃和Al₁₃Cr₂,且两相层具有韧性特征,固–半固反应所得到的复合板的综合力学性能最佳。     

基于自监督信息增强的图表示学习

针对图表示学习模型依赖具体任务进行特征保留以及节点表示的泛化性有限等问题,本文提出一种基于自监督信息增强的图表示学习模型(Self-Variational Graph Auto Encoder,Self-VGAE)。Self-VGAE首先使用图卷积编码器和节点表示内积解码器构建变分图自编码器(Variational Graph Auto Encoder,VGAE),并对原始图进行特征提取和编码;然后,使用拓扑结构和节点属性生成自监督信息,在模型训练过程中约束节点表示的生成。在多个图分析任务中,Self-VGAE的实验表现均优于当前较为先进的基线模型,表明引入自监督信息能够增强对节点特征相似性和差异性的保留能力以及对拓扑结构的保持、推断能力,并且Self-VGAE具有较强的泛化能力。     

D3DQN-CAA:一种基于DRL的自适应边缘计算任务调度方法

为解决已有基于深度强化学习的边缘计算任务调度面临的动作空间探索度固定不变、样本效率低、内存需求量大、稳定性差等问题,更好地在计算资源相对有限的边缘计算系统中进行有效的任务调度,在改进深度强化学习模型D3DQN（Dueling Double DQN）的基础上,提出了自适应边缘计算任务调度方法D3DQN-CAA.在任务卸载决策时,将任务与处理器的对应关系看作一个多维背包问题,根据当前调度任务与计算节点的状态信息,为任务选择与其匹配度最高的计算节点进行任务处理;为提高评估网络的参数更新效率,降低过估计的影响,提出一种综合性Q值计算方法;为进一步加快神经网络的收敛速度,提出了一种自适应动作空间动态探索度调整策略;为减少系统所需的存储资源,提高样本效率,提出一种自适应轻量优先级回放机制.实验结果表明,和多种基准算法相比,D3DQN-CAA方法能够有效地降低深度强化学习网络的训练步数,能充分利用边缘计算资源提升任务处理的实时性,降低系统能耗.     

基于光滑粒子元的水-沙两相流冲刷数值仿真

基础河床冲刷逐渐成为水工建筑物等结构破坏的主要原因,传统分析方法基于欧拉网格法模拟,易出现网格畸变、计算不收敛等情况,降低了计算效率与精度.基于拉格朗日坐标系下无网格光滑粒子元法（Smoothed Particle Hydrodynamics,SPH）对河床冲刷过程进行数值模拟;将泥沙相视为非牛顿流体,分为沉积物、推移质、悬移质三种状态;引入Drucker-Prager与Shields应力模型作为泥沙状态转化判断准则,为不同状态泥沙粒子赋予不同流变特性,使计算结果可准确描述水-沙耦合过程. 提出了基于SPH多相流模型的河床冲刷数值仿真改进算法,编写了泥沙冲刷计算模块,采用GPU进行计算加速,最后将所得数值水槽模型与Louvain溃坝试验及其他同类仿真结果进行对照. 结果表明：本文模型能够更为准确地反映冲刷发展整体趋势;各时刻自由液面、水-沙交界面轮廓均方根误差均在合理范围内;数值模型与试验结果吻合度较高.     

羧基改性聚丙烯腈纳米纤维的制备及其对Cd2+吸附性能的研究

通过自由基聚合结合静电纺丝技术制备了羧基化改性聚丙烯腈纳米纤维膜,并用傅里叶变换红外光谱（FTIR）、扫描电子显微镜（SEM）对膜的结构进行了表征和分析,探索了PAN羧基化改性后对镉离子（Cd²⁺）的吸附性能。研究发现PAN-COOH-a（丙烯酸与丙烯腈2:8共聚）、PAN-COOH-b（丙烯酸与丙烯腈3:7共聚）吸附量比纯PAN分别增加了65%和95%。以PAN-COOH-b为研究对象,对其热力学、动力学吸附机理进行了研究,探索了金属离子浓度、pH值、温度、循环对Cd²⁺吸附性能的影响。热力学结果符合Langmuir模型,预测的理论最大吸附容量为204 mg∙g^-1。动力学研究表明该反应符合二级动力学模型,主要受化学吸附控制,并在5 h达到平衡。最佳吸附条件为pH = 6,T= 25℃,金属离子浓度为400 mg∙L^-1。循环实验表明,PAN-COOH-b纤维膜经4次循环后仍能保持初始吸附能力的93%,表现较好的循环效果。实验结果证明该材料对废水中Cd²⁺净化具有较大的潜力。     

条件非线性最优扰动的最大值原理

在非线性系统(发展方程及常微分方程)中初始数据的扰动对系统以后某固定时刻,T的状态的影响是一个重要的研究课题.本文研究非线性系统在初始数据在一定的范围(称为初始扰动域)内作有限幅度的扰动时,在时刻,T对状态扰动的幅度达到最大的问题.通过考虑反向时间的问题及假设解对初始数据的连续依赖性,证明了若在时刻,T状态扰动的幅度达到最大, 则初始数据位于初始扰动域的边界上, 这个结果的重要意义在于可以减少数值求解扰动幅度最大问题的计算量.