温度和湿度对P-CNT自感知混凝土压敏性的影响

为研究温度与湿度对自感知混凝土(SSC)感知性能的影响,通过低温等离子体改性处理技术对碳纳米管(CNT)进行官能团嫁接,使其在水性体系下获得较好的分散性,并将改性后的CNT(P-CNT)加入混凝土中制备P-CNT/SSC传感器,通过改变含水率与温度条件研究P-CNT/SSC传感器的极化效应与循环加载下的自感知性能。试验结果表明:过高或过低的含水率均不利于SSC的感知性能,其中变化最为明显的是饱水状态下的P-CNT/SSC传感器,其应力敏感系数下降89.8%,并且压敏曲线极不稳定;在变温试验中,P-CNT/SSC传感器的电阻率与温度之间呈现负相关性,高温和低温下的应力敏感系数相较于常温组试件,分别下降了约35.66%和44.53%,并且压敏曲线整体出现了上移或下滑的趋势;P-CNT/SSC传感器在工程应用中的最佳测试环境为常温、自然含水率。     

一种新的多用户协作频谱感知方案及其检测时间分析

提出一种新的多用户协作频谱感知方案,根据认知网络中所有候选用户的通信链路质量,选择最佳中继对主用户进行协作感知,从而可以获得明显的多用户分集增益,显著提高认知无线电系统的感知性能.在Rayleigh衰落环境下,对所提出的多用户协作方案和传统非协作方案的检测性能进行了理论分析,得到了系统检测时间的解析表达式.此外,针对非协作感知和多用户协作感知的系统检测时间,进行了相应的数值仿真实验.结果表明,与非协作方案相比,多用户协作感知方案所需的检测时间明显减少,且随着用户数目的增加,多用户协作方案能获得更多的分集增益.     

高速动力卡盘的夹紧力损失分段模与实验研究

高速动力卡盘是高速数控车床的重要功能部件.夹紧力损失是限制动力卡盘转速提高的首要因素.考虑动力卡盘传动机构在低速阶段与高速阶段的变形差异、卡盘传动机构的摩擦力、回转液压缸中液压油液的压缩性等3个因素,建立了夹紧力损失分段模型;并针对刚度不对称的动力卡盘,提出了修正的夹紧力损失计算模型.经实验验证,该模型具有较高的精度,能较好地解释总体夹紧力损失系数随转速的升高而增大的实验现象.另外,还讨论了动力卡盘在升速各阶段的夹紧力损失系数、各阶段之间的临界转速、以及楔式动力卡盘的自锁能力.具有小楔形角（α〈20o）的楔式动力卡盘,在常规润滑状态下（μ0〉0.06）,夹紧力损失分为两个阶段,低速阶段（升速第一阶段）的夹紧力损失系数约是中、高速阶段（升速第二阶段）的70%.具有较大楔形角（α〉20o）或者极低摩擦系数（μ0〈0.06）的楔式动力卡盘,夹紧力损失最多可分为3个阶段,在高速阶段（升速第三阶段）,楔式传动机构不具有自锁能力,夹紧力损失与回转液压缸是否有液压锁以及液压油的压缩性有关,第三阶段的局部夹紧力损失系数是第二阶段的1.75～2.13倍.本文提出的分段模型有利于深入全面地认识动力卡盘的夹紧力损失机理,对动力卡盘的优化设计和转速的提高有重要的意义.     

一种基于物联网的生产监控芯片结构

易拉罐印刷工业流水线精密度高,急需加强生产监控。本文首先介绍了物联网芯片在工业领域应用需要发展的关键技术,包括传感器和短距离无线网络等,然后详细分析了高精密印刷生产流水线对物联网芯片的特殊需求,最后提出一种基于物联网的低成本、适应性强的芯片结构,以提高芯片的可靠性和向后兼容性,降低生产成本。     

水下灌注用混凝土坍落度损失问题的试验研究及对策

由于水下灌注用混凝土的特殊要求性,本文在施工现场的基础上根据现行规范规定,制定出了专门的坍落度的试验方法,通过实验数据总结出了一般水下灌注用混凝土坍落度的一般规律,对于特定的工程有一定的指导意义.     

基于SD-SEM模型的消费者食品安全风险感知的信息搜寻行为

本文利用系统动力学模型和结构方程模型来研究消费者食品安全风险感知和消费者信息搜寻行为之间的关系,在总结消费者食品安全风险感知和消费者食品安全信息搜寻行为研究文献的基础上,利用结构方程确定消费者食品安全风险感知的影响因素及其之间的路径系数,进而建立系统动力学模型模拟信息搜寻行为对消费者食品安全风险感知的影响,以提出降低消费者食品安全风险感知的建议.     

MLINEX损失下k阶Erlang分布参数的Bayes估计

在MLINEX损失函数下,利用Bayes估计的方法研究了k阶Erlang分布参数的Bayes估计,并证明其容许性.给出了在MLINEX损失下得到了k阶Erlang分布参数的Bayes估计的精确表达式,并且通过随机模拟检验参数Bayes估计的合理性和优良性.     

视觉感知结合学习的自然图像轮廓检测

本文结合非经典感受野的视觉特性与机器学习的方法,提出了一种自然图像轮廓检测模型.当非经典感受野中的刺激与感受野中心刺激形成一种精确的空间结构时,将对中心产生一种增强效应;另一方面非经典感受野中抑制作用会降低同质成分的响应,我们将这两个机制分别用于增强光滑的轮廓和减少背景中与结构无关的干扰成分.利用逻辑回归概率模型将感受野中的信息与来自非经典感受野中的信息进行有效融合,并根据图像的手工标注数据库,通过学习方法获得一组最优的模型参数.自然图像的实验结果表明该轮廓检测方法能极大地抑制来自纹理的局部边缘,减少虚假轮廓,同时能增强具有一致空间结构的成分,避免轮廓缺失.最后利用Berkeley图像数据库定量地评价了我们方法的性能,并与相关方法进行了比较.该模型不仅为复杂场景中的轮廓检测提供了一个可行的策略,并有助于对生理视觉机制的理解.     

对称熵损失下两个指数总体均值的序约束估计

在对称熵损失下, 讨论了样本容量相等时, 两个指数总体均值λ_i(i=1,2)的约束极大似然估计i的险, 其中约束为λ₁≤λ₂. 证明了λ₁与λ₂具有比经典极大似然估计X₁与X₂ 更小的风险, 并给出了当λ₂/λ₁→∞和n→∞时,λ_i对X_i(i=1,2)渐近功效e(λ_i,X_i)的值.     

一种改进的负载感知的Ad hoc路由协议

对AODV协议进行修改,提出了一种简单有效的路由协议LA-AODV,每个节点根据本地链路层的负荷,决定拒绝或接受收到的路由请求,以避免拥塞,使得网络的负荷能更加均匀地分布.仿真结果表明,改进后的协议优于AODV协议,从而能改善网络的整体性能.