基于金属磁记忆的高铁轮对早期故障检测研究

列车安全性检测是铁路机车车辆工程的重要研究课题。轮对是高速列车行走部的关键部件,传统检测模式只能发现宏观存在的缺陷,而不适用于运行过程中的早期缺陷的发现与状态跟踪。为了实现对早期故障的快速识别与轮对寿命预测,针对传统测试方法在早期检测与动态检测方面的不足,提出了全新的动态检测系统,以满足列车运行的安全要求,还对磁记忆信号与该材料所受载荷状态之间的关系进行了大量的试验研究。研究结果表明：在50~150 kN的载荷区间内,试件的磁记忆信号呈单调变化,变化趋势明显;对试件进行疲劳载荷后发现磁记忆信号的原始值及梯度、峭度等信号特征均有所变化,峭度变化较为明显,能够有效反应材料的疲劳状态。采用金属磁记忆技术进行轮对早期故障检测与动态检测,对于保证列车的运行安全具有重要的现实意义,可为无损检测领域的应用提供借鉴。     

基因组学与地球科学迅猛发展,古生物学进入纵深发展新时代——2017年古生物学热点回眸

 古生物学是以化石为主要研究对象,研究地质历史时期的生物界及其发展的科学,属于地球科学与生命科学之间的交叉学科。随着生命科学基因组学与地球系统科学的迅猛发展,古生物学这门古老学科进入了纵深发展的新时代,不断涌现振奋人心的研究进展与新发现。本文回顾了2017年国际古生物研究领域取得的重要进展与研究热点,并介绍了中国古生物学界2017年在早期生命、早期后口动物、古脊椎动物、古人类、古DNA以及演化古生物学等研究方向做出的重要贡献。     

慢性酒精中毒大鼠学习记忆及星形胶质细胞的变化

目的:研究酒精致大鼠学习记忆障碍与星形胶质细胞变化的关系。方法:将24只雄性Wister大鼠随机均分成对照组和酒精中毒组,酒精中毒组大鼠隔日胃内注入含酒精(2.5g/kg)的蒸馏水2ml共90d,对照组则注入不含酒精的蒸馏水2ml。然后采用Morris水迷宫和免疫组织化学技术,分析大鼠学习记忆能力的变化和额叶皮层、海马星形胶质细胞的改变。结果:酒精中毒组大鼠Morris水迷宫潜伏期明显延长,额叶皮层和海马的星形胶质细胞数目反应性增生。结论:酒精致大鼠学习记忆能力障碍与星形胶质细胞的改变有关。     

从枫树图腾看苗族建筑中的生命伦理思想

建筑与图腾有着紧密的联系,建筑是传承图腾文化的载体.枫树作为苗族的民族图腾,其文化底蕴是十分丰厚的,这一文化通过建筑得到了广泛的体现.其蕴含的生命伦理思想具有民族的特色,主要表现为生命自然观和生命神圣观.     

利用记忆梯度法改进的变步长恒模盲均衡算法研究

针对传统恒模盲均衡算法收敛速度慢、固定步长条件下收敛速度和收敛精度之间存在矛盾的缺陷,提出了一种利用记忆梯度法改进的变步长恒模盲均衡算法。用记忆梯度算法替代最速梯度下降算法实现对恒模盲均衡中均衡器权值的调整,充分利用当前和前面迭代点的梯度信息,同时利用梯度信息变化率作为学习步长调整因子。新算法有效地提高了算法收敛速度,与共轭梯度法和拟牛顿法等改进算法比较,具有较低的计算复杂度和更好的均衡性能。计算机仿真证明了这一算法的有效性。     

“濒危”或“无危”的六个生态系统

世界自然保护联盟(IUCN)基于《濒危物种红色名录》列出了一份《生态系统红色名录》,旨在评估动植物栖息地的健康状况。如果生态系统正在萎缩,如果生命支持系统——如土壤等——正在丧失,如果关键生态过程——捕食者与猎物之间的关系——被打乱     

含时滞和脉冲的双向联想记忆神经网络模型的全局鲁棒一致渐近稳定性分析

讨论了一类含时滞和脉冲的双向联想记忆神经网络模型的鲁棒渐近稳定性.通过构造恰当的Lyapunov泛函和使用线性矩阵不等式技巧,获得了该模型全局鲁棒一致渐近稳定的充分条件.通过2个例子说明了结论的有效性.     

“笔墨”的生命精神

从"描绘物象生命形态之抽取""画家生命意识之融入""生命意象相通性感受之转化"三个方面论述了笔墨所蕴含的抽象的生命生机与活力。认为中国画的实现过程,事实上是一个"以生悟生,以生化生,以生达生"的过程,对自然对生命本身的体验与传达贯穿于这一过程的始终。作为绘画技法语言的笔墨,之所以超出了绘画元素的表层功能与意义,具有触及心灵的力量,正因为其本身就是活脱脱的生命意象,是物我生命交融的新生。这正是"笔墨"之所以仍有其强大生命力和无限开拓空间的主要缘由,也是其他媒材的绘画创作可学习与借鉴之处。     

一种利用LSTM和稳态时间序列的光伏阵列故障诊断方法

受最大功率点跟踪算法和时变环境条件的影响,光伏阵列的电气工作参数包含了复杂的暂态过程以及工频干扰噪声,严重影响了故障特征质量以及诊断算法性能。针对该问题,本文首先提出了一种基于最大功率点（MPP）的稳态时间序列预处理方法,以自动过滤数据中的暂态过程和干扰噪声,获取连续的稳态时间序列电气特征数据,作为故障诊断模型的输入参数;然后,提出了一种基于长短期记忆网络（LSTM）的深度网络模型,以实现对光伏阵列常见故障的检测及分类;最后,在一个小型光伏并网发电系统及其Simulink仿真模型上,进行故障模拟及仿真以验证所提出的故障诊断方法。实验结果表明所提出的故障诊断方法具有良好的精度和泛化性能,并且优于常规的反向传播神经网络（BPNN）和循环神经网络（RNN）。