沙泥混合型岸滩及沙泥分界点初探——厦门湾岸滩类型调查

基于厦门湾30个断面剖面形态和泥沙特点的现场勘测工作,同时辅以潮流场和波浪场的数值模拟,从动力学角度对厦门湾各处的岸滩类型进行划分。提出"沙泥分界点"的概念,指出沙泥分界点高程主要取决于当地波浪条件。分析结果表明:厦门湾除了存在沙质岸滩和泥质岸滩外,还存在"沙泥混合型岸滩";在淤泥质海岸大环境下,如近岸波浪较强,且有较粗颗粒泥沙供给,则可能产生沙泥混合型岸滩。     

动力锂电池的混合均衡控制与能量管理

针对动力锂电池的电压不平衡问题,分析了单体锂电池的充放电特性以及电池组串联的不一致性,在现有锂电池组均衡拓扑的基础上,提出了一种将变压器均衡电路和专用芯片BQ78PL116控制的电感均衡电路相结合的混合主动均衡策略,设计了变压器均衡电路,开发了主控系统软件模块以及主控与专用芯片通信程序等,构成一个具有电池基本信息监控LCD显示、电池保护以及不一致均衡等功能的电池管理系统。通过在静止、放电以及充电状态下由变压器均衡和电感均衡构成的混合主动均衡法与纯电感均衡法的比对实验,证明了混合主动均衡法在均衡调节速度与均衡效率方面的优势。     

液态金属高性能冷却技术:发展历程与研究前沿

 "热障"问题已经成为阻碍高端电子芯片和光电器件向更高性能发展的重要挑战,发展高性能芯片冷却和热管理技术迫在眉睫。作为一大类新兴的热管理材料,液态金属在对流冷却、热界面材料、相变热控等领域均带来了观念和技术上的巨大革新,打破了传统冷却技术的性能极限,给大量面临"热障"难题的器件和装备的冷却提供了全新解决方案,有望在国防、航空航天、能源系统及民用电子设备等领域的冷却与热管理系统中发挥重要作用。本文回顾了液态金属先进冷却技术的发展历程,主要包括液态金属对流冷却技术、液态金属热界面材料、液态金属（低熔点金属）相变储能与热控技术、基于液态金属的复合冷却技术等;梳理了液态金属冷却技术中的关键科学与技术问题和面临的挑战。     

某办公建筑热舒适及能耗的正交法优化

以重庆某采用地板送风加辐射供冷空调系统办公房间为研究对象,考虑送风速度、送风温度、辐射顶板温度、辐射顶板安装高度等影响因素,以房间热舒适度和能量利用系数的综合评分为优化目标,运用正交法建立4因素3水平正交方案,通过数值计算和极差、方差分析得到各因素对综合评分影响次序,从而得到最优方案,并为此类型空调系统设计提供了参考.     

智能混合动力汽车经济性自适应巡航控制策略研究

针对智能混合动力汽车自适应巡航过程中的能量控制策略问题,结合模型预测控制在处理多目标、多约束优化问题方面的优势和粒子群算法运算量小、收敛快的特点,将粒子群算法作为模型预测控制的滚动优化方法,构造基于模型预测控制的粒子群算法.仿真结果表明,文中算法能够使绝大部分工况点落在较低燃油消耗率区域,只有少部分工况点落在非经济区域,虽然多消耗了1.06%的燃油,但在运算速度上却获得了60.3%的提升.     

磺化MCM-41介孔固体酸的合成、表征及其催化乙酰丙酸乙酯化性能

以硅酸乙酯为硅源、十六烷基溴化铵为模板剂,室温常压下便捷地合成了MCM-41介孔分子筛,进而以硫酸为磺化剂,不同水热条件下制得系列磺化介孔固体酸MCM-41-SO3H.利用TG、XRD、FT-IR、TEM-EDX等手段对所得材料进行了表征.采用碱滴定法测定其酸密度,并且以乙酰丙酸乙酯化反应为探针反应,评价其催化性能.结果表明,尽管水热磺化处理在一定程度上降低了MCM-41的介孔规整性,所制备的MCM-41-SO3H介孔固体酸仍较好地保持了MCM-41的介孔结构;水热时间和温度影响其酸密度,进而影响催化活性,其中磺化温度180℃、磺化时间21h制得的催化剂活性最高,乙酰丙酸转化率达到74.4%,并显示出较好的循环稳定性能.     

基于泛函网络的组合推荐算法

在研究组合算法的基础上，提出一种基于泛函网络实现前融合推荐算法. 探讨Vague集条件下推荐算法的前融合问题，给出了基于泛函网络构架实现前融合组合推荐算法的一般过程. 通过推荐系统泛函拓朴结构的建立，利用泛函神经元的自学习、自组织和自适应能力，进一步优化推荐结果，较大地提高了系统的推荐准确度. 最后，将算法应用于Movielens推荐系统中，计算机仿真实验结果表明，本文提出的基于泛函网络实现前融合推荐算法是有效的、可靠的.     

Driving Mechanism of Cotton Comber's Detaching Roller Based on Time-Sharing Unidirectional Drive

The high-speed reciprocating motion of a detaching roller limits the velocity of a cotton comber and affects the quality of comber slivers. The article has proposed a controllable time-sharing unidirectional hybrid drive mechanism after analyzing detaching roller＇s current numerical control drive method. The analysis focuses on the detaching roller motion required according to cotton comber＇s velocity and process. The double-servo motors of the mechanism consists of differential gear trains. The mechanism addresses the problem of increased servo motor power,and failure of promptly responded to the positive inversion process of mechanism driven by servo motors. A velocity calculation model of the detaching roller controllable drive mechanism will be generated by using superposition method and design of differential gear trains. The accuracy of the model will be verified using the test platform. This study has presented a reliable and practical high-speed drive mechanism and can be a reference to future studies on high-speed reciprocating motion drive.     

一种任意起始位姿的连续曲率泊车路径在线规划方法

针对目前泊车路径规划算法对起始位姿要求严格，且难以兼顾最终位姿精度、路径质量及计算效率等问题，提出了一种任意起始位姿的连续曲率路径在线规划方法。该方法将整个泊车路径规划分为库位内调整与入库过程两部分。库位内调整采用以最终位姿高精度与调整次数最少为目标函数的最优化方法进行逐段规划；入库过程采用连续曲率曲线组用于混合A*算法的状态节点扩展以直接生成无需后处理的可执行路径。设计考虑路径的曲率变化与方向改变次数的估价函数；采用由路径几何形状特征点构建特征多边形的碰撞检测方法以提高计算效率。离线仿真与实车试验结果验证了该方法的有效性。     

面向同源蛋白质探测的一种新型混合深度学习模型

根据蛋白质氨基酸链探测其同源蛋白质,进而预测蛋白质的功能,是生物信息学研究领域的一个重要挑战,也是众多生物医学研究领域的基础研究内容,有着重要的科研价值和广泛的应用需求。其研究难点在于:(1)如何学习对同源蛋白质预测有效、有用的蛋白质特征信息;(2)如何更好地运用蛋白质特征信息,实现同源蛋白质的探测与识别。为了解决同源蛋白质探测与识别研究中的关键难点,本文提出一种基于混合深度学习架构的同源蛋白质探测与识别模型(HDLM-PHP)。通过采用统一的"管道式"深度学习架构,将蛋白质特征学习和探测识别统一为一个整体,提高同源蛋白质探测与识别的效能。采用多组并行的深度卷积神经网络,学习蛋白质的各种属性信息,以期获得丰富的待检测蛋白质和靶蛋白质的高级相关性特征,并通过全连接方式使用多层RBM结构融合和精炼这些相关性特征为全局相关性特征。通过统一的深度网络连接方式,以探测和识别任务为导向,学习到对于同源蛋白质预测最有效、最全面的蛋白质特征信息。在标准数据集SCOPe上,对所提模型进行性能与效率评测,结果表明:本文提出的模型能有效地学习到符合任务导向的蛋白质特征数据,提升同源蛋白质探测与识别的准确度和召回率,优于现有的模型和算法。