多孔氮化硼掺杂聚吡咯-2,3,3-三甲基吲哚固相微萃取涂层的制备及多环芳烃的检测

多环芳烃(PAHs)是持久性有机污染物中的一种，大部分具有较强的致癌、致畸和致突变性，对生态环境和人类健康易造成严重威胁。由于环境样品基质复杂且其中PAHs含量低，因此在仪器分析之前需要对环境样品进行必要的前处理。萃取材料的特性是决定大部分前处理技术萃取效率的关键。基于此，本文以低成本且富含较多官能团的吡咯(py)、2,3,3-三甲基吲哚(2,3,3-TMe@In)为单体，多孔氮化硼为掺杂物，采用电化学循环伏安法制备出多孔氮化硼掺杂聚吡咯-2,3,3-三甲基吲哚(Ppy/P2,3,3-TMe@In/BN)复合涂层，通过扫描电子显微镜、热稳定性分析、傅里叶红外光谱等手段对Ppy/P2,3,3-TMe@In/BN进行表征，结果表明：该涂层呈现出多孔、多褶皱的枝状结构，该结构有利于增加涂层的比表面积，从而实现对PAHs的大量富集；在320℃解吸温度下，涂层材料的色谱基线基本稳定，表明该涂层具有良好的热稳定性。将其修饰在不锈钢丝表面制成固相微萃取涂层，结合气相色谱-氢火焰离子化检测器，对影响萃取和分离萘(NAP)、苊(ANY)、芴(FLU)3种PAHs的条件进行优化，建立了用于以上3种PAHs...     

基于小波变换和概率神经网络的焊接接头类型识别

为了实现机器人自动焊接过程中快速、精确地提取焊缝特征信息,提出了一种基于小波变换和概率神经网络的焊接接头类型识别方法。先采用小波变换对由激光视觉传感器采集的焊接接头图像进行降噪和增强,对重构后的图像进行二值化,然后提取图像的特征信息,组成图像特征向量,最后构建概率神经网络分类器并进行测试。结合视觉传感器中激光器与摄像机的位置关系,最终识别出4种焊接接头。实验结果表明,所提出的方法特征提取简单,识别率高,并具有较好的实时性。     

考虑非结构性的多级生产流程调度方法

针对智能化柔性制造过程存在的再制造过程,对中小型设备生产车间及其仓储转运的模型构建、分析方法、以及参量相关性提出了新的解决思路.为了最大限度的减少建设周期、合理化投资成本、以及优化生产流程,建立了考虑非结构性的多级生产流程的数学模型,以完成度、完工时间和调度频次为目标函数分析生产要素间的相关性.实验结果表明,融合再加工过程的智能化柔性制造单元中,生产要素为非线性相关,个别要素具备对称性,为实际工况中的生产改进及优化提供了一定理论基础.     

红外动态场景生成装置空间分辨率的测试

建立了一套基于刀口灰度图红外探测的实验装置,对红外场景生成器的空间分辨率进行了测试。首先通过被测红外场景生成器产生带有刀口标志的红外图像,然后利用红外热像仪采集红外场景生成器所成的红外图像,通过对采集到的红外热图的数据处理,实现了对红外场景生成器空间分辨率的测量。测得的红外场景生成器的空间分辨率为5lp/mm,标准误差为0.04。     

基于混合效应模型的医保费用测算及监控

近几年医改的一个核心内容就是医保支付方式的改革。2012年12月,人力资源和社会保障部、财政部、卫生部三部门联合出台了《关于开展基本医疗保险付费总额控制的意见》,提出在未来两年里,在所有医疗保险统筹地区实行总额预付工作。实行总额预付制的关键是如何科学合理的测算每家医院的预算总额。本文利用线性混合效应模型分别对某市684家医院的病人数,平均费用进行建模,给出每一家医院来年医保费用的合理参考,并且利用模型中的随机效应项自动识别医保费用和病人数异常的医院,为医保监管机构的监管提供科学依据。     

基于LED的多色温多星等单星模拟器

针对星模拟器与星敏感器观星的色温不匹配对星敏感器光信号定标精度产生的影响,设计了一种基于LED的多色温多星等单星模拟器,采用该系统模拟特定色温的星光用于星敏感器光信号定标,大幅降低了色温非匹配带来的定标误差。从理论上分析了色温非匹配影响星敏感器光信号的定标精度的机理;根据设计指标确定了星模拟器的设计方案,主要解决了光源的选型、多色温多星等单星模拟器驱动和控制系统、色温星等匹配算法、多色温多星等单星模拟器软件设计四项关键技术问题;对多色温多星等单星模拟器进行了标定和性能测试:0等星4000K和3等星7000 K星光的光谱匹配误差分别为4.87%和7.83%,星等等级分别为0.03和2.93;光源稳定后,多色温多星等单星模拟器的平行光管出口Φ100 mm口径内的照度非均匀度为6.5%,均满足设计指标。     

一类具非光滑位势p(x)-Laplace方程解的存在性

在非光滑临界点理论的基础上,利用带非光滑(PS)条件的山路引理,结合嵌入定理和Lebourg中值定理,获得了一类具非光滑位势p(x)-Laplace方程解的存在性.     

一个基于非单调技术的超记忆梯度法

本文给出一个修正的非单调线搜索策略,并结合该策略提出一个求解无约束优化问题的超记忆梯度算法.该算法的主要特点是:在每一次迭代中,它所产生的搜索方向总是满足充分下降条件.这一特性不依赖于目标函数的凸性以及方法所采用的线搜索策略.在较弱的条件下,该方法具有全局收敛和局部R-线性收敛性.数值实验表明了该方法的有效性.