技术创新生态化——人类文明转型之路

人类社会要从工业文明跃迁到生态文明，传统的社会发展观已无能为力。从当前的主流观念——可持续发展观入手，指出了其面临的现实困境，分析了造成这种困境的深层次原因；在批判传统技术创新理论生态缺陷的基础上，赋予技术创新生态化科学的内涵，在微观层面为人类文明转型指明了道路，即实现技术创新生态化。     

微机械（MEMS）与微细加工技术

首先对微机械(MEMS)的分类及其特点作了简明的阐述，在此基础上，着重评介了近年来该领域各种微细加工方法及其能够达到的加工尺度与水平。指出当前微细加工技术仍然在以使用物理和化学能量的特种加工为主，并呈现加工材料扩大化、产品机构复杂和加工手段复合化的发展态势。     

速度异常的横穿马路行人检测算法

针对人车混行区域行人异常运动极大地干扰驾驶者判断问题,提出一种单目摄像机条件下,基于TLD和粒子滤波器行人检测与跟踪技术的速度异常横穿马路行人检测方法,用于检测车前道路上的运动速度过快或过慢的行人目标,作为危险行人提醒驾驶者注意,从而实现行人目标的早期安全预警。经仿真分析,能够有效地估计实际道路上行人的运动速度,判断运动速度异常的行人目标,为驾驶者和车载辅助驾驶系统提供必要的参考信息。     

单目视觉行人身体多部件距离融合估计算法

针对现有自主汽车辅助驾驶系统中,单目摄像头行人距离估计精度不高的问题,提出一种单目视觉行人身体多部件距离融合计算法。联合脚部件与头部件共同对行人目标进行距离估计,分别采用半水波形等距线脚部部件距离估计与头部部件高度插值距离估计算法来获取行人的距离估计结果,使得算法能够同时具备精准性和稳定性。经仿真验证,该算法在非遮挡条件下,35 m内能够将误差控制在1 m以内,在半遮挡条件下,35 m内能够将误差控制在2 m以内,满足车载辅助驾驶对行人距离估计精度的要求。     

四川麸醋曲药中酵母菌的分离鉴定及发酵特性

通过平皿生化反应从四川麸醋曲药中分离出产酯能力较强的酵母菌,利用18S rDNA同源序列分析对其进行鉴定,研究其最适生长pH值、酒精耐受性、碳源和氮源同化能力,并利用顶空固相微萃取-气质联用技术对其代谢产物进行研究。结果表明:产酯透明圈实验分离出的产酯能力较强的酵母菌为异常威克汉姆酵母菌亚种(Wicherhamomyces sp. Lzcq 2014)。该株酵母菌的最适合生长pH值为5.0~5.5,在酒精度为10%的情况下几乎不生长;对不同碳源同化能力强弱顺序依次是葡萄糖、蔗糖、麦芽糖、乳糖、淀粉;对不同氮源同化能力强弱顺序依次是酵母膏、蛋白胨、硫酸铵、尿素。该酵母菌代谢产物主要成分为乙酸乙酯,其质量浓度为0.64079mg/L,且乙酸乙酯浓度远高于其他代谢产物。其他代谢产物分别为甲酸异戊酯、丙酸苯乙酯、苯乙醇,质量浓度分别为0.04136、0.03943、0.02300mg/L。     

基于波形互相关的微地震事件自动识别及初至拾取

根据具有相似震源位置及破裂机理的微地震事件通常在地震记录上表现出相似波形特征的原理, 提出一种基于波形互相关的微地震事件自动识别及初至拾取方法。首先, 通过计算道间互相关函数, 对微地震记录进行时差校正; 然后, 通过计算道间相似系数的方法识别连续地震记录中的微地震事件。在完成事件识别的同时, 对时差校正后的多道记录进行叠加, 并采用STA/LTA方法对叠加道进行初至拾取, 结合各道间的时差信息即可获得各道微地震事件的初至到时。为了检验所提方法的可行性和有效性, 分别对模型数据和实际资料进行处理,结果表明利用所提方法可以在有效地识别微地震事件的同时, 得到较为准确的初至拾取结果。     

MLR分布族无失效时可靠度的置信下限

本文讨论了MLR分布族无失效数据时可靠度的经典置信下限问题和指数分布无失效致据时可靠度的Bayes置信下限问题。     

纹理特征抽取和纹理识别的神经网络系统

本文提出一个纹理特征抽取和纹理识别的神经网络系统,它含有一基于纹理回归模型的特征抽取网络和一个纹理识别的多层神经网络,尤其是前者是一个能求解回归系数的,神经网络,不仅解决了纹理特征抽取问题,而且解决了一大类采用最小二乘估计的应用问题,因而具有一定通用性.     

纹理特征抽取和纹理识别的神经网络系统

本文提出一个纹理特征抽取和纹理识别的神经网络系统,它含有一基于纹理回归模型的特征抽取网络和一个纹理识别的多层神经网络,尤其是前者是一个能求解回归系数的,神经网络,不仅解决了纹理特征抽取问题,而且解决了一大类采用最小二乘估计的应用问题,因而具有一定通用性.     

基于小波包和独立分量分析的微弱多源故障声发射信号分离

针对旋转机械设备中同时存在的裂纹、摩擦等多故障源信号难以检测和分离的问题,提出了一种基于小波包分析(WPA)与独立分量分析(ICA)的多源故障信号提取方法,即首先用WPA对含噪线性混合信号降噪预处理,由db2小波基函数进行5层分解后保留62.5~187.5kHz频段信号,然后采用ICA中的FastICA算法对降噪后的混合信号分离,最后对各通道分离出的信号用收缩函数进行频段内去噪处理.对不同输入信噪比的含噪微弱裂纹和摩擦信号进行提取和分析的结果表明,该方法能有效提取出输入信噪比大于-15dB的裂纹和摩擦信号.当混合信号信噪比为-15dB时,裂纹和摩擦信号的输出信噪比分别为-1.31和-1.36dB,相关系数分别为0.62和0.63,提取效果好于结合小波包和FastICA分离方法(信噪比分别为-1.74和-2.06dB,相关系数分别为0.59和0.59)以及单独采用FastICA算法(信噪比分别为-4.57和-4.31dB,相关系数分别为0.17和0.19).因此,所提出的综合WPA和ICA的方法是一种较好的多源微弱信号提取方法.