DLTP反应残液的利用

本文以制备ＤＬＴＰ（Ｄｉｌａｕｒｙｌ Ｔｈｉｌｄｉｐｒｏｐｉｏｎａｔｅ）即硫代二丙桎二月桂酯的残液为原料，进一步酯化，可得到一定数量的ＤＬＴＰ。     

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。     

不同生境对银杏雌、雄株嫁接苗叶中聚戊烯醇等成分积累的影响

【目的】探究生境对银杏(Ginkgo biloba)叶中聚戊烯醇、可溶性糖、可溶性蛋白和类脂4类代谢产物积累的影响,探索影响代谢产物积累的主要立地因子,为银杏栽培提供理论依据。【方法】采用随机区组试验设计,方差分析、多重比较、相关性分析和逐步回归分析等方法,研究雌株和雄株银杏在7个生境下叶中聚戊烯醇、可溶性糖、蛋白质和类脂等变化规律。【结果】来自不同生境银杏叶中聚戊烯醇、可溶性糖、蛋白质和类脂的含量存在显著差异(P<0.05),来自石家庄地区叶中聚戊烯醇、可溶性糖、可溶性蛋白和类脂的含量最高;聚戊烯醇含量与类脂含量呈极显著正相关关系(P<0.01),但与蛋白质含量呈显著负相关关系(P<0.05);平均最暖月气温是影响银杏叶中聚戊烯醇、可溶性糖、可溶性蛋白和类脂积累的关键环境因子,此外日照时长和土壤中P、K含量对其的积累也具有较大的影响。【结论】环境因素会显著影响银杏叶中代谢产物的含量,温暖的生境有助于聚戊烯醇等类脂类物质的合成与积累。     

类乘法半模和类余乘法半模

作为类乘法模和类余乘法模的真推广,引入了类乘法半模和类余乘法半模的概念.设S是交换半环,M是S-半模.若对M的任意非零子半模N,有Ann_S(M)?Ann_S(M/N),则称M是类乘法S-半模;若对任意真subtractive子半模N,有Ann_S(M)?Ann_S(N),则称M是类余乘法S-半模.讨论了类乘法半模与类余乘法半模的性质;证明了M是次S-半模当且仅当对M的任意真subtractive子半模N,Ann_S(M/N)=Ann_S(M)当且仅当P=Ann_S(M)是S的素理想且M是可除S/P-半模;证明了类乘法半模是semi-hopfian半模且类余乘法半模是semicohopfian半模.     

自主式交通系统功能架构优化密度峰值聚类算法

自主式交通系统(autonomous transportation system, ATS)是为应对主动式智慧交通发展趋势而提出的新一代交通系统。为科学合理地构建ATS功能架构,提出了一种面向多属性文本的优化密度峰值聚类算法(density peaks clustering, DPC)。该算法结合交通系统功能架构的基本特征,通过改进的词频-逆向文档频率算法与文本向量空间模型,将多属性文本转化成空间维度坐标。再利用高斯函数和决策值优化DPC算法进行聚类,并结合轮廓系数对聚类结果进行评价。为了检验算法的合理性,在ATS道路自动驾驶场景下,基于道路载运工具运行服务域、交通基础设施管理服务域和交通安全管理服务域的功能数据集进行了算例分析,依据聚类结果绘制功能架构图。架构图由自主感知-自主学习-自主决策-自主响应4层构成,验证了ATS应用场景中功能架构优化算法的可行性和合理性。算例结果表明：该算法的构建具有鲁棒性,算例轮廓系数整体均值为0.84,与原算法相比解决了聚类过程中聚类中心难以划定的问题;与原智能交通系统中的各架构设计相比,该功能架构更具有层次性和逻辑性。该优化算法能够促进新一代交通系统...     

基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。     

基于三支决策的密度敏感谱聚类

将三支决策与密度敏感谱聚类结合,提出了一种基于三支决策的密度敏感谱聚类算法。该算法通过在密度敏感谱聚类的聚类过程引入容差参数得到每个类的上界,然后通过扰动分析算法从上界中分离出核心域,上界和核心域的差值被认定为该类的边界域。聚类结果用核心域和边界域来表示每个类簇,可以更全面地展示数据的结构信息。与传统的硬聚类算法在UCI数据集的实验结果相比较,本文使用核心域计算聚类的评价指标DBI、AS和ACC都有所提升,较好地解决了不确定性对象的聚类问题。     

基于PSO磁悬浮球系统自适应灰预测控制

目的 针对磁悬浮球系统非线性不稳定和滞后性的问题,提出一种基于粒子群优化的自适应灰色预测 PID (Proportion Integration Differentiation)复合控制策略。 方法 通过在 PID 控制模块的反馈环中引入具有等维新息特征的灰色预测器,对系统误差进行及时反馈修正,以提高控制系统的响应速度和鲁棒性;同时,融合粒子群智能算 法对控制器参数迭代优化,以提高控制系统控制精度和抗干扰能力;最后,在 MATLAB / Simulink 环境下搭建仿真 平台进行对比实验。 结果 验证基于粒子群优化的自适应灰预测控制系统模型的超调量、峰值时间、调节时间显著 改善。 结论 证实该策略可以有效抑制系统滞后性,具有良好的稳定性和鲁棒性。     

潜在表示学习框架下的低冗余多视图聚类算法

基于潜在空间学习的多视图聚类研究得到了较大发展,但其通常忽略了原始数据中冗余信息的存在可能会带来不理想的聚类结果。为解决这个问题,提出一种潜在表示学习框架下的低冗余多视图聚类算法。基于k-means的方法,直接从各视图数据学习其低维表示,由于该低维表示的各个特征相互正交,学习到的低维表示通常含有较少的冗余信息。基于潜在空间的假设,各视图的低维表示可由同一个潜在表示投影得到。将两者结合,就能得到一个具有低冗余信息的统一的潜在表示。设计了一个优化算法来求解目标问题,在多个公开数据集上的实验表明了该算法的有效性。     

汽车座椅调节参数对体压分布的影响分析

针对汽车座椅调节参数对体压分布的影响,选择靠背角度、座椅高度、滑轨位置3个参数作为因子,设计三因子五水平的正交试验,开展对95百分位、50百分位人体以及人体假人模型装置（H-Point Machine,HPM）在不同调节参数下的体压分布采集试验. 对采集的体压数据进行去噪处理和提取体压指标,采用灰色关联度分析方法,分析与体压分布指标关联度较大的因子;对与体压指标关联度较大的因子进行单因子试验,描述各体压指标在单因子动态调整下的变化情况. 结果表明,靠背角度和滑轨位置对体压分布影响较大. 当靠背角度增大时,不同百分位驾驶员的靠背体压指标增大,坐垫整体体压指标略微变小. 当滑轨位置增大时,95百分位人体靠背体压指标变小,坐垫接触面积变小;50百分位人体靠背体压指标变化较小,坐垫接触面积变小.