光动力学法测定食品中的亚硫酸盐

以亚硫酸盐与光化学反应产生碘的反应, 用于某些食品中痕量亚硫酸盐的测定． 标准加入回收率在 ９８％ ～１０５％ 之间, 相对标准偏差低于 ４％     

矿井煤与瓦斯突出规律的统计分析

研究表明,煤与瓦斯突出呈现一定的相似性,依此对红菱煤矿建矿以来所发生的113起矿井瓦斯动力现象进行了统计分析,总结煤与瓦斯突出规律,基于统计分析结果,指出了红菱煤矿防治突出的具体措施。     

强夯法地基加固机理分析与应用

通过对强夯法加固机理的分析,得出了非饱和粗颗粒土与饱和细颗粒土的不同加固机理.还就强夯应用中几个重要施工参数如单击能、最佳夯击能、夯点间距和时间间隔等的计算方法进行了讨论,并给出了相应的选取原则和公式等.     

浪-潮-流耦合数值模式突破上层海洋数值模拟与实测不符难题

占地球表面积 71%的上层海洋是人类活动最活跃的区域之一 ,并直接影响、调制着全球气候变化。数值模拟是研究上层海洋动力过程和海洋环境预测预报的重要手段 ,但国际上所有海洋数值模式都面临着同一经典难题 :夏季所模拟的海洋表面海温过高、上混合层深度太浅、海洋跃层强度偏低 ,该问题的实质是海洋的垂直混合强度不够。过去的研究由于受到理论发展和计算能力的限制 ,一直将相互作用的海洋环流、潮流、波浪分别单独研究。国家海洋局海洋环境科学和数值模拟重点实验室 (MASNUM )在 973计划项目“中国近海环流形成和变异机理、数值预测方…     

动力合成装置的等效模型及等效转动惯量研究

差速行星齿轮机构用于合成运动,可以作为动力合成装置。随着石油资源的日益枯竭,混合动力汽车近年来成为汽车新宠,差速齿轮机构可以作为其中的动力合成部分。尽管动力合成装置的具体结构千差万别,但在整个传动系统中,结构参数及运动规律存在着一定的规律。本文用等效方法将其简化,得到动力合成装置的简化模型,并利用差动轮系的内在参数关系,推演出模型在三种工作模式下的等效转动惯量,为动力合成装置的动力学分析提供了参数基础。     

基于EKF的Duffing振子正弦策动力判别算法

以Duffing振子系统为研究对象,分析了以正弦函数为周期策动力的Duffing方程基本形式及相应的振子运动,并用扩展卡尔曼滤波(extended Kalnan filter,EKF)对Duffing振子系统进行递推滤波,实现了对Duffing振子系统的稳定估计.根据滤波过程中周期策动力随卡尔曼增益的变化,提出了一种基于卡尔曼增益判别Duffing振子系统周期策动力的方法,可以作为运用Duffing振子进行弱信号检测的依据.仿真结果表明,与经典Lyapunov指数判别法相比,该算法具有更好的判别性能.     

var(Y)/Eα(Y)型PerMIA的实现

从应用的角度对形如var(Y)／Eα(Y)的PerMIA进行了讨论,给出了如何寻找最优的α及调节因子的一般步骤,从而推广了田口的信噪比方法.     

洞庭湖“四水”的水动力条件对比分析

河流沉积物元素组成是源区岩石、风化作用、河流水动力分选等各种自然过程的结果.其中,水动力条件因控制沉积物的搬运形式、粒度特征、矿物组成等而对河流沉积物元素组成有极重要的控制作用.本研究对“四水”(即湘江、资江、沅江、澧水)入湖河床沉积物的矿物组成、元素富集特征进行分析,并选取合适的特征元素计算水动力分选指数(WI)来反演“四水”河流水动力条件.结果显示,Al₂O₃、TiO₂、Zr等元素是指示沉积物水动力条件的主要特征元素,“四水”的河流水动力条件为澧水>沅江>湘江>资江,WI(Zr/Al₂O₃)为本研究中描述“四水”水动力条件的最适宜指标.     

前置水翼对摆动翼水动力性能影响机理研究

为研究双体干扰对摆动翼水动力性能的影响机理,基于计算流体力学(CFD)方法,针对均匀来流、前置水翼刚性静止及柔性波动尾流场中摆动翼的水动力性能开展数值研究．通过改变摆动翼的平移幅值和运动频率计算推力系数、功率消耗及推进效率的变化趋势,以流场的压力分布云图、纵向速度分布云图及涡结构的演变特征分析前置水翼对摆动翼推进性能影响的机理．计算结果表明：前置水翼的存在能够提升摆动翼的推进性能,并且前置水翼进行柔性波动运动时摆动翼的推进性能最优;前置水翼的尾缘脱落的涡能够融于摆动翼表面的附着涡,提升附着涡的强度;上游的柔性波动水翼尾缘处脱落一个强度较大的尾缘涡,对摆动翼表面的附着涡产生挤压作用,提升附着涡的强度并加速附着涡的脱落．     

基于YOLOX-S的车窗状态识别算法

通过对YOLOX-S模型引入可变形卷积神经网络和焦点损失函数(Focal loss),解决原YOLOX-S模型车窗识别准确率较低的问题.首先,通过在YOLOX-S模型的主干特征提取网络中引入可变形卷积神经网络,对卷积核中的各采样点引入偏移量,以便在原始图像中提取到更具有表征的信息,从而提高车窗识别的精准度;其次,使用Focal loss替代原模型中的二元交叉熵损失函数,Focal loss能缓解正负样本不平衡对训练的影响,其在训练过程中更关注难样本,从而提高了模型对车窗目标的识别性能;最后,为验证改进算法的性能,实验收集并标注15 627张图片进行训练和验证.实验结果表明,改进后的车窗识别算法的平均目标精度提高了3.88%.