有机化学中的弯曲键

该文根据弯键理论，讨论了σ－π型双键与弯曲键的等价性，并对多种键性规律进行了园满的解释。     

端羟基聚二甲基硅氧烷缩聚固化涂膜的“等当点”特性

实验发现,线型端羟基聚二甲基硅氧烷与固化剂发生聚缩反应而固化成膜时,在“等当点”膜表面有最强的疏水性。且对同一种端羟基聚二甲基硅氧烷,“等当点”随固化剂官能度而改变。     

基于卷积模型的核信号仿真

NaI(Tl)探测器因具有探测效率高和成本低等优点,常被用于核辐射能谱测量和核辐射监管等领域．由于实验条件等的限制,研究人员往往较难获取理想的实验核信号,虽然可以借助探测器的仿真信号来实现研究目的,但是常规的探测器单指数或双指数模型和实际采集到的核信号模型存在一定的差异,需要一种更为精准的数学模型对探测器输出信号进行描述．我们通过对探测器信号形成过程分析,将探测器视为线性时不变系统,探测器各个部分响应的总卷积即为输出的核信号模型．本文建立的探测器输出信号卷积模型,结合实测伽玛源的幅度分布规律和相邻脉冲时间间隔分布规律,可以提供更精确的NaI(Tl)探测器输出信号,以便用于伽玛能谱测量算法研究;通过调节脉冲间隔时间大小,可以仿真不同计数下探测器输出信号的堆积情形,以便用于堆积信号还原算法研究．经过与伽玛辐射源的对比测试,该仿真信号与真实探测器输出信号一致,既避免了研究人员接触放射源,提高辐射防护安全性,又为开展数字化核信号处理算法研究及能谱算法研究提供了极大的便利性．     

具色散非线性波动方程解的存在性与爆破

研究了一类非线性波动方程初边值问题整体解的存在性与爆破问题.利用位势井方法证明了具有两个异号源和具有四阶色散项的波动方程在方程具有负定能量情形下初边值问题整体解的存在性.利用凹性方法证明了具有任意初始正能量时解的有限时间爆破问题.     

双船联合举升多体协同作业系统横摇稳性评估

基于ADAMS平台,构建特定场景双船联合举升多体协同作业系统虚拟样机,对新型一体化拆解作业双船联合举升过程中待拆除组块横摇稳性进行预测与评估。构建了该系统拓扑模型,使用几何参数描述系统中上部组块横摇运动特征;通过虚拟样机仿真探究了双船不同耦合运动情况时上部组块最危险失稳状态,并分析了上部组块重心至连接点连线垂直距离与水平距离比值对横摇角度的影响规律。结果表明:物理模型试验数据驱动的虚拟样机技术可以有效评估该系统运动特征,与几何拓扑模型得到的上部组块横摇失稳角度理论公式计算结果吻合;双船同相位横摇与反相位垂荡耦合运动时对上部组块横摇稳性影响最大;待拆除上部组块横摇失稳时的极限纵横比可以作为复杂多体系统横摇稳性评估参数,为实际工程方案选择提供参考。     

不同分级循环加卸载模式下六边形蜂窝能量演化规律

为了阐明循环加卸载路径对六边形蜂窝能量演化的影响规律,设计了3种不同分级循环加卸载试验,揭示了不同分级循环加卸载模式下外界输入总能量、弹性变形能、耗散能、塑性变形能等参数的演化特征及相互关系,研究结果表明：不同分级循环加卸载作用下,蜂窝的初始峰值强度和平台应力与卸载过程蜂窝弹性能的释放程度有关;3种不同分级循环加卸载模式下外界输入总能量、蜂窝的弹性变形能和塑性变形能随着加卸载梯级增大呈现非线性增加的趋势,耗散能在前三级循环作用下随着加载次数增加而减小,在最后一级循环中循环载荷上限较大,扰动效应强于强化效应,耗散能呈现相反趋势;提升循环载荷上限,蜂窝内部损伤增加,且越接近蜂窝初始峰值强度,蜂窝的损伤越严重;同时提升循环载荷下限,蜂窝弹性能释放较少,损伤加剧。     

基于神经网络的船舶稳性预报研究

为省略船舶稳性计算中横摇阻尼以及船舶阻力等参数的复杂计算过程,提出一种采用径向基函数(RBF)神经网络对第二代完整稳性失效概率预报的方法.研究包括过度加速度、瘫船稳性以及骑浪/横甩3种失效模式.通过研究船舶相关参数对各失效模式失效概率的影响,确定采用RBF神经网络对每种失效模式进行预报时输入特征的选取,从而降低训练时长.使用训练后的网络对样本船稳性进行预报,采用均方误差和平均绝对百分比误差对预报结果进行评估.对3种失效模式预报结果的平均绝对百分比误差分别为6.49%、7.09%、5.70%,均小于10%,表明采用RBF神经网络可较为精准地对船舶稳性进行预报.     

量子粒子群优化核极限学习机的遥感影像分类

极限学习机初始参数具有随机性,容易导致其对高分辨率遥感影像的分类结果出现局部最优现象.为了解决上述问题,提出了一种基于量子粒子群优化核极限学习机的遥感影像分类方法.该方法利用量子粒子群算法对核极限学习机的核参数与正则化参数进行优化,根据参数优化后的结果构建量子粒子群优化核极限学习机的遥感影像分类模型（QPSO-KELM）.通过实验对比了SVM、KELM、PSO-KELM、QPSO-KELM这几种分类方法对高分二号遥感影像数据的分类精度与效率.结果表明：QPSO-KELM的分类精度、运行速度均优于其他几种分类方法,该方法能有效提取遥感影像上的地物要素信息.     

数据驱动下交通异常行为的双层识别模型

为实现对车辆异常行为的准确识别,提高车辆行驶的安全性,提出了一种基于支持向量机(support vector machine, SVM)、监督学习与长短期记忆(long short term memory, LSTM)深度学习的交通异常驾驶行为双层识别模型。首先,对车辆轨迹数据筛除和滤波,构建异常行为数据集;其次,从异常行为轨迹特征中提取出特定异常行为的特征标签,并人为标定在训练集中;再次,构建SVM模型对训练集进行粗识别,基于SVM的二分法原理,从测试集中筛选出异常行为;最后,通过LSTM时间序列模型构建具体种类的异常行为模型,并通过深度学习的方法,从异常行为数据中细分为蛇形驾驶、急速变向、侧滑、大半径转弯、快速U型转弯、急刹车等具体的异常驾驶行为。本次实验选用下一代仿真(next generation simulation, NGSIM)数据中US-101高速公路和peachtree城市道路的数据集的轨迹数据验证SVM和LSTM双层识别模型的性能,包括均方根误差、识别准确率等。结果表明,构建的双层识别模型在第一层有98%的识别准确率,第二层有超过80%的识别准确率,可以较为准确地识...