基于视觉辐条图案识别方法的蓝宝石引晶机制研究

工业生产蓝宝石晶体过程中,引晶步骤有着至关重要的地位。引晶必须在温度梯度较小,温度分布趋于稳定的条件下进行。目前,工业生产蓝宝石主要依靠人工经验操控籽晶杆实现引晶操作,但是人工引晶操作的准确性不高会导致成品品质不佳、资源浪费。为此,本文提出一种基于蓝宝石视觉辐条图案识别方法来检测蓝宝石熔体状态自由液面状态,从而实现一种高效率引晶的机制。此方法利用经典骨架化算法细化辐条图案,Harris算子实现特征信息的提取,提取的特征信息放入运动轨迹模型中判断熔体稳定性,分析液面温度分布稳定性从而实现引晶。结果表明,此算法具有有效性,蓝宝石晶体引晶效率大大提高,生产出的成品良率也有提升,可有效指导蓝宝石的工业生产。     

基于2,5-二溴对苯二甲酸配体的锌/钴配合物合成、晶体结构及性质

将有机物2,5-二溴对苯二甲酸(H₂L₁)和2,2′-联吡啶(L₂)作为双配体,使用溶剂热法和七水合硫酸锌(ZnSO₄·7H₂O)、六水合硝酸钴(Co(NO₃)₂·6H₂O)分别反应,得到配合物[Zn(L₁)(L₂)(H₂O)]_n(1)和配合物[Co(L₁)(L₂)(H₂O)]_n(2)。采用单晶X射线衍射、元素分析、红外光谱、紫外光谱、荧光光谱、热重分析等测试方法对这两种物质进行分析研究。单晶测试结果表明配合物1是单斜晶系,以Zn²⁺配位连接L^2-₁与L₂形成一维链状结构,各条链在分子间氢键和π…π共轭作用下有规律地堆叠形成三维网络结构。配合物2是三斜晶系,Co1离子和Co1ⁱ离子由H₂L₁上的羧酸氧原子O4和O4ⁱ连接,形成双齿螯合的配位结构单元,以Co²⁺配位连接 L^2-₁和L₂形成二维网格结构,各层在O—H…O分子间氢键和范德瓦耳斯力作用下有规律的堆叠形成三维网络结构。配合物1和2均含有芳香杂环、羧基杂环和氮杂环,具有良好的荧光性质和热稳定性,最大发射波长分别为345 nm和333 nm。     

使用多次制冷剂喷射实现(近)等温压缩

制冷剂压缩是蒸气压缩式制冷热泵装置中的主要耗能过程。与当前压缩机的理想压缩过程——等熵压缩相比,等温压缩过程的压缩功明显更小,是更为理想的压缩过程。研究(近)等温压缩的实现技术成为高效蒸气压缩设备的一个重要研究方向。基于此,本文首先全面分析了现有(近)等温压缩的实现方式,发现气态和两相制冷剂喷射是最具有潜力的(近)等温压缩技术路线。其次,建立并验证了多级喷射涡旋压缩机及系统模型。最后,研究基于该模型对使用多次制冷剂喷射实现(近)等温压缩的可能性进行了研究。结果表明:多级压缩的COP明显高于单级压缩,干度为0.7的三次两相喷射可提升COP 8%;多级制冷剂喷射是实现涡旋压缩机的(近)等温压缩的有效手段。     

Hamilton系统下基于相位误差的精细辛算法

Hamilton系统是一类重要的动力系统，辛算法（如生成函数法、SRK法、SPRK法、多步法等）是针对Hamilton系统所设计的具有保持相空间辛结构不变或保Hamilton函数不变的算法.但是，时域上，同阶的辛算法与Runge-Kutta法具有相同的数值精度，即辛算法在计算过程中也存在相位误差，导致时域上解的数值精度不高.经过长时间计算后，计算结果在时域上也会变得“面目全非”.为了提高辛算法在时域上解的精度，将精细算法引入到辛差分格式中，提出了基于相位误差的精细辛算法（HPD-symplectic method），这种算法满足辛格式的要求，因此在离散过程中具有保Hamilton系统辛结构的优良特性.同时，由于精细化时间步长，极大地减小了辛算法的相位误差，大幅度提高了时域上解的数值精度，几乎可以达到计算机的精度，误差为O（10-13）.对于高低混频系统和刚性系统，常规的辛算法很难在较大的步长下同时实现对高低频精确仿真，精细辛算法通过精细计算时间步长，在大步长情况下，没有额外增加计算量，实现了高低混频的精确仿真.数值结果验证了此方法的有效性和可靠性.     

急性髓细胞白血病基因筛选模型的贝叶斯分析

基因表达数据蕴含着大量的生物信息,在生物基因信息研究中,筛选表达水平发生显著变化的差异基因是认识疾病形成机理和辅助靶点药物研究的关键问题.根据急性髓细胞白血病(AML)的基因表达数据,构造基因均值差序列,建立贝叶斯分层混合模型,并为模型的参数赋予具有基因生物特征的先验信息.采用马尔可夫链蒙特卡洛(MCMC)算法对模型参数进行估计,并筛选出急性髓细胞白血病差异表达基因.在实际数据分析中,从美国生物信息中心(NCBI)的高通量基因表达数据库中获取急性髓细胞白血病基因数据集,从经过非特异滤波预处理的14688个急性髓细胞白血病基因中筛选出711个差异表达基因,差异表达基因数仅占急性髓细胞白血病基因总数的4.84%,这一结果与基因差异表达的生物学原理相吻合.     

加性和乘性噪声对随机偏微分方程的激励性（英文）

本文研究加性噪声和乘性噪声对一类随机偏微分方程激励性问题.利用It?公式和能量估计方法方法,得出在两种不同噪声下,相对应的随机偏微分方程噪声激励指标不同.从而从这个角度来看,加性噪声与乘性噪声对随机偏微分方程的影响是不一样的.     

基于模型的小域估计方法及其拓展——由单变量推广到多变量情形

小域估计是当今抽样调查领域的研究热点,通过建立小域估计模型,将所有调查区域通过公共的参数连接起来,利用相关区域数据作为辅助信息,解决多层次抽样调查中某些域样本量不足的问题,提高参数的估计精度。本文首先在目标变量是单变量的情形下,研究了域层次模型和单元层次模型的参数估计方法,进而推广到目标变量是多变量的情形,考虑变量之间的相关性,研究了多变量Fay-Herriot模型参数的经验最优线性无偏预测及其均方误差矩阵的性质,最后通过一个实例,验证了参数估计具有良好效果。