大白菜幼苗过氧化物同工酶的研究

用聚丙烯酰胺凝胶电泳对萌发14天内的大白菜幼苗的过氧化物同工酶进行分析.结果表明,萌发4～8天的幼苗过氧化物同工酶表达比较明显,不同品种的酶带在表达时间上有一定的差异,过氧化物同工酶主要由根部进行表达.     

激光收发器件硅基平台封装设计与工艺实现

分析了光电子器件对V型槽刻蚀工艺精度的要求,计算了激光二级管(LD)与光纤直接耦合时所容许的对准容差,给出了无源对准封装工艺对设备和工艺控制精度的要求,并采用贴片精度达±1μm的自动贴片倒装焊工艺和硅V型槽定位技术开发了一种激光收发器件模块.初步的封装试验和测试证明了硅基平台无源对准封装工艺的可行性和可靠性.     

语音矢量量化全局最优问题的研究

为提高运算速度和识别率,采用编码器扰动在线简化算法解决矢量量化编码时“全局”最优问题.这种算法无需计算扰动前后的目标函数差(ΔE).扰动是全局且永远被接受,在一个温度下无需进行多次扰动以达到热平衡,而且随着码本容量(M)的增加,计算时间要大大缩短,该算法提高了运算速度和识别率,能较好地解决了矢量量化陷入局部最小点问题.     

全行驶状态下虚拟轨道列车的动载及道路友好特性

为分析虚拟轨道列车在站间全行驶状态下（牵引、匀速、制动）的动载特性和道路友好性,基于车辆动力学、轮胎动力学、非线性动力学等理论,构建了随机路面激励下的虚拟轨道列车动力学模型,该模型考虑了车辆之间的耦合作用和轮胎-路面的相互作用,并对该动力学模型进行了验证。通过理论分析和数值计算,对虚拟轨道列车在站间全行驶状态下的动载特性和道路友好性进行了探究,同时分析了运行速度、路面等级和加/减速度的影响。结果表明：全行驶状态下的各轮纵向力趋于稳定值,牵引和制动状态下大小相等,方向相反,匀速状态下趋于零。牵引状态下车辆1前轴垂向动载荷均方根值最大,而制动状态下车辆3后轴最大。相较于牵引和制动状态,匀速状态下的道路友好性更优。垂向动载荷均方根值和道路友好性均与运行速度、加/减速度均呈正相关,与路面等级呈负相关。研究内容能够为虚拟轨道列车的运行模式提供建议以提高运行效率,同时,能够为沥青路面的选型提供指导以减缓道路损坏。     

基于特征结构配置的输入饱和线性系统分散状态反馈控制——一种参数化方法

给出了基于特征结构配置的输入饱和线性系统分散状态反馈控制的一种参数化方法.基于Syl-vester矩阵方程的参数化解,建立了状态反馈控制矩阵和闭环特征向量矩阵的参数化形式.所提出的方法中包含了部分特征结构配置,这种参数化方法提供了所有的设计自由度.在控制系统设计中,可以利用这些自由度取得希望的系统性能.一个仿真例子显示了所给方法的有效性.     

一类产业结构多目标优化的决策模型

借助于投入产出和目标规划技术,建立产业结构近期调整的多目标优化决策模型.在不增加总投入和总初始投入的假设条件下,以极大化国内生产总值、极大化社会纯收入以及保证三次产业合适比例等为目标,使用广东省的投入产出资料进行实证分析.     

基于颜色分块全局直方图的图像检索方法及系统实现

通过比较全局颜色直方图和分块颜色直方图, 提出一种分块全局直方图的检索方法. 该方法以分块直方图的特征为基础, 在检索时, 由用户为含有重要空间信息的分块设置权值, 并将不注重空间信息的分块权值设为零. 系统将权值为零的分块重新合并为部分全局直方图, 计算所有权值非零分块的距离及部分全局直方图的距离, 再按照用户给出的权值进行加权累加作为两幅图像之间的最终距离. 结果表明, 两幅图像间 的距离越小, 则视觉差异也越小. 同时, 引入相关反馈技术以改善检索效果.     

硼铁矿碳热还原过程中MgO的挥发

在热力学分析的基础上,研究了碳热还原硼铁矿过程中MgO的还原挥发过程.结果表明,试样的总失重率随着温度的升高而增大,1 400~1 450℃时很快达到最大值,最大失重率为61.8%.MgO以镁蒸气的形式挥发而造成失重,试样中MgO最大失重率达到98.0%.挥发过程中又被重新氧化,一部分在炉管底部形成羽毛状的白色晶体,另一部分和硼、硅的挥发物一起在炉管口形成白色粉末,附着在炉管壁上.证明了碳热还原硼铁矿过程中MgO有挥发现象.     

基于网格吸附插值法的不规则尾流场构建方法

尾流模型的构建对于尾流遭遇情形下的飞行动力学研究具有重要意义。针对远距尾流的振荡发散特点结合正弦扰动特性构建尾流的长波振荡模型,分析不同幅值参数下尾流场速度参数,提出网格吸附法以解决坐标变换后排列不规则问题。通过与其他插值算法对比,结果表明网格吸附法在标点密度达到拐点的情况下插值速度最快,精度符合要求,效率最高。最后,构建了前机的不规则尾流场。     

取水监测数据的奇异值识别与修正策略

提高水资源监测数据的真实性与完备性是国家水资源监控能力建设的重要内容.本文基于当前国家水资源监控数据的实际统计状况,提出采用小波变换模极大值的方法实现对取用水监测数据的降噪和奇异值的挖掘,并将辨识出的奇异值进行剔除处理后的监测数据序列作为粒子群-最小二乘支持向量机模型的训练样本,进而根据拟合函数对奇异值进行修正的策略.通过对重点取用水户的取用水监测数据进行实证研究结果发现,利用小波变换模极大值可较大限度地保留取用水监测数据的原始信息,并实现对其中变动幅度偏大数据的分离,可有效降噪并观测取用水监测数据的内在变化规律;同时借助相对误差可进一步挖掘监测数据中存在的奇异值,且辨识效果要好于传统统计方法;而粒子群-最小二乘支持向量机模型对取用水监测数据的样本拟合要比普通最小二乘支持向量机、曲线拟合等方法更为有效,运用该方法修正的取用水监测数据奇异值更加符合实际取用水需求的特点.