青藏高原东北部一次暴雨过程分析

本文利用NCAR/NCEP资料,对发生在青海东部农业区的一次区域性大到暴雨过程进行了诊断分析。结果表明,本次暴雨天气过程主要受西伸到青藏高原东部的副热带高压及500 hPa风场上冷空气入侵青藏高原北部的影响。热低压中的上升气流与冷锋后的下沉气流构成纬向闭合环流,青藏高原热低压中的上升气流与副热带高压中的下沉气流形成径向闭合环流,垂直闭合环流的形成提供了源源不断的暖湿气流和稳定的上升气流,持续的降水造成了暴雨天气。副热带高压外围强盛的西南气流的稳定维持使得充足的水汽输送到青藏高原东部暴雨地区。     

华北克拉通破坏对地表地质与陆地生物的影响

晚中生代古太平洋板块俯冲导致东亚古大地幔楔形成和华北克拉通破坏,该动力过程引发华北克拉通发生强烈伸展和岩浆活动,广泛形成裂谷盆地和变质核杂岩,并造成燕辽和热河生物群的繁盛与消亡.古太平洋板块俯冲角度的变化导致东亚大陆经历了三次短暂挤压事件和两次强烈伸展构造.多学科综合研究进一步揭示,晚中生代燕辽和热河生物群的演化与华北克拉通的破坏强度、岩浆活动强弱以及盆地发展存在明显的时空相关性.上述现象表明地球深部动力过程不仅控制了克拉通破坏和地壳构造演化,而且也极大地影响了地表环境的变迁和陆地生态系统的演变.因此,地球生命是与环境协同演化,并且共同受地球深部过程的控制.     

回转窑热解废塑料过程中固体颗粒的运动与传热模拟

废塑料在回转窑反应器中经热解工艺可以转化成热解气、热解油和热解炭.回转窑中热载体的加载量对颗粒的运动和传热有着非常重要的影响,进而可以影响热解气、热解油和热解炭的三相产物分布.本研究采用石英砂作为热解废塑料的热载体,热载体的加载量从5%增加到15%.随着热载体的增加,热解油和热解炭产量增加,而热解气的产量减少.通过离散元方法对颗粒运动和换热过程分析发现,加载更多的热载体提高了回转窑内颗粒的平动速度和转动速度,增强了颗粒间的相互碰撞,从而加快了石英砂热载体向废塑料颗粒的传热效率.热载体的增加有助于挥发分的释放,并缩短了挥发分的停留时间,这导致了产油量的增加和产气量的减少.另外,增加热载体使用量可以使床层保持更高的温度,强化挥发分在床层内的碳化反应,增加焦炭产量.     

基于LMKL和OC-ELM的航空电子部件故障检测方法

针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning, LMKL)和一类超限学习机(one-class extreme learning machine, OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明,在训练时间可控的前提下,与4种常见的一类分类(one-class classification, OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve, AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection, LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。     

基于ICP算法的非合作目标特征点云配准优化

针对视觉测量中非合作目标无法提供合作信息从而引起的位姿测量问题,采用ICP(Iterative Closest Point)算法配准不同时刻获取的点云降采样数据来完成目标的相对位姿测量。利用运动恢复结构算法获取了目标当前时刻的点云数据并比较了基于阈值匹配与光流匹配的特征点匹配算法,利用三角测量法对提取到的特征点进行重建,同时将点云数据进行降采样处理,根据降采样后的点云数据计算出不同时刻目标的相对位姿关系。实验表明当物体发生旋转运动时,对降采样数据利用ICP算法计算得到的目标绕坐标轴旋转角度最大误差不超过0.11º。     

中距协同空战决策过程二次聚类重构与评估

未来空战将以中距空战为主,找出导致中距空战结果的原因是开展贴近实际的中距空战智能决策需解决的重要问题。针对空战训练过程中记录数据分布的复杂特点,建立了中距协同空战训练评估模型,提出了基于高阶导数聚类和相对模糊熵聚类的二次聚类方法,计算编队协同决策集,实现编队中距协同空战决策过程重构。以编队协同搜索和协同机动决策的角度,寻找编队协同决策与中距空战结果的相关性,并通过实例评估验证了聚类算法的合理性。     

小样本条件下SCGAN+CNN低分辨雷达目标一步识别算法

现有低分辨雷达目标识别方法,通常采用先特征提取、再进行目标分类的两步识别算法,这种算法存在识别率难以提高和方法泛化性不足的问题,对此,提出一种增强条件生成对抗网络（strengthening condition generative adversarial network,SCGAN）+卷积神经网络（convolutional neural network,CNN）的低分辨雷达目标一步识别算法。该算法利用CNN自动获取采样数据深层本质特征,无需特征提取,实现对目标的一步识别。为进一步提高小样本条件下的识别效果,基于CGAN理论来提高样本在特征空间的覆盖程度,并对CGAN的判别器进行改进,在损失函数中增加混叠惩戒项,通过SCGAN生成不混叠的生成样本来更好地训练CNN,提高其在小样本条件下的识别能力。仿真对比实验校验了一步识别算法较传统两步识别算法的优越性,以及SCGAN+CNN的低分辨雷达目标一步识别算法在小样本条件下的有效性。     

关于立方幂补数k次均值的注记

设S(n)是正整数n的立方幂补数.用初等方法探讨了S(n)的k次均值的渐近性质,给出了两个更为精确的渐近公式,补充了有关文献的结论.     

基于快速移动的红外小目标实时检测跟踪方法

针对运动背景下红外小目标跟踪时精度不高、实时性差的问题,提出了基于数学形态学检测与自适应跟踪窗的方法 .首先,采用了帧差法作为基本基础,通过缓存目标图像建立目标模型,计算目标模型与当前帧差目标二值图像的相似度,根据结果确定筛选方法检测目标;其次,根据目标在上一帧中的位置,通过速度特征自适应调整搜索的范围,解决了因目标穿越运动背景导致目标丢失的问题;最后,通过采集不同情况下的目标红外图像,对运动背景下的小目标进行了检测与跟踪.仿真结果表明,该文提出的算法能够有效检测运动背景下的小目标,具有较高的实时处理能力和准确性.     

MA/AA水相聚合及性能评价

合成了马来酸一丙烯酸共聚物阻垢剂,对引发剂用量、溶剂水量、催化剂用量以及反应温度等影响反应结果的主要因素,通过实验进行优选。结果表明:在马来酸酐50份、丙烯酸11份固定的条件下。采用引发剂25份、溶剂水15份、催化剂0.03份、反应温度100℃、反应时间4h,合成的共聚物阻垢效果最佳。静态阻垢性能测试结果(按照Q/SYDQ0833-2002标准进行评价),阻垢率达82.5%。其效果优于马来酸单聚物,且成本低于1:1摩尔比的马丙共聚物。