坠物撞击海底管道损伤的BP神经网络预测模型

为预测坠物撞击饱和黏土海床上海底管道的损伤，建立了坠物撞击下饱和黏土海床与海底管道相互作用的动力有限元模型，结合海底管道实际工作条件的变化范围，分析坠物撞击能量、管道直径、壁厚、钢材等级、内压、海床土不排水抗剪强度6个参数对海底管道损伤的影响规律，将6个参数作为输入层参数，以管道损伤作为输出参数，将数值模拟结果作为训练样本，通过学习和训练构建形成了海底管道损伤预测的BP神经网络模型。研究结果表明：坠物撞击能量越大，管道损伤越大，管道损伤增长速率随坠物撞击能量的增大而趋缓；管道直径、壁厚、内压、管道屈服强度增加，管道损伤减小；饱和黏土海床不排水抗剪强度越大，管道损伤越大。建立的海底管道损伤BP神经网络预测模型，仅需要坠物撞击能量、管道直径、壁厚、钢材等级、内压和海床土不排水抗剪强度6个参数，模型简单、便捷，能够较好地预测饱和黏土海床海底管道受坠物撞击的损伤，数值算例涵盖了常见饱和黏土海床海底管道的工作条件，具有很好的适用性，为海底管道损伤预测提供了新思路。     

捷变频雷达联合脉内频率编码抗间歇采样干扰

间歇采样转发干扰通过对雷达信号进行部分采样并迅速转发, 在当前脉冲重复周期内, 产生相干假目标串, 使得基于传统频率捷变雷达的目标检测面临严峻挑战。因此, 在频率捷变技术基础上提出一种捷变频雷达联合脉内频率编码的抗间歇采样干扰方法。针对间歇采样干扰时域不连续的特点, 通过脉内频率编码-脉间频率捷变实现子脉冲间的相互掩护。脉冲压缩后, 首先利用最大类间方差法(Otsu)自适应计算阈值并抑制干扰, 然后通过二维稀疏重构方法实现目标检测。理论分析和仿真实验证明所提方法可以有效对抗间歇采样干扰。     

高包埋率还原型谷胱甘肽纳米脂质体的制备工艺优化

为提高还原型谷胱甘肽的稳定性和生物利用度,以卵磷脂和胆固醇为膜材料,采用薄膜-超声法制备还原型谷胱甘肽纳米脂质体(GLip).以包埋率为指标,在单因素实验的基础上,利用响应面法优化GLip制备的工艺参数.实验得出的最优制备条件如下:超声时间为10 min,卵磷脂添加量为232 mg,卵磷脂与胆固醇的质量比为4∶1,谷胱甘肽添加量为75 mg,吐温-80的添加量为94 mg;在此条件下得到的最大包埋率为(65.85±0.54)％.优化后的高包埋率还原型谷胱甘肽纳米脂质体在食品工业和医药等领域具有广阔的应用前景.