SE-MCNN-CTC的中文语音识别声学模型

针对国内外缺少对振动轮噪声预估的问题,以某型振动轮为研究对象,首先基于动力学有限元理论对振动轮进行频率响应分析,其次采用声学边界元技术对振动轮辐射噪声进行了数值模拟,并通过实验验证了仿真结果的准确性,然后比较了垂直振动与圆周振动两种不同激振形式对辐射噪声的影响,得出垂直振动辐射噪声低的结论,最后对驾驶室声腔模态进行了仿真,与振动轮激振频率相近发生共振。通过调整激振频率,降低了司机耳旁噪声。所得研究成果可为振动轮辐射噪声的预估与改进提供一种切实可行的参考依据。     

作为表面增强拉曼光谱基底的高度均匀Au纳米棒的构筑及对福美双的检测

采用种子生长法制备Au纳米棒(GNRs),随后进行组装和煅烧得到单层致密堆积的GNRs薄膜。在煅烧过程中,组装所需有机物在煅烧过程中分解,从而使得GNRs表面具有较高的清洁度。研究中发现,煅烧前后金纳米棒表面的间隙进一步提高,增强了其SERS(表面增强拉曼光谱)活性。为了研究其SERS活性,选择了2种探针分子以研究其灵敏度和均匀性,发现其具有较高的灵敏度和高的信号稳定性。随后将所制备的SERS基底成功用于检测超低浓度的农药分子。     

Fe3O4@Au纳米星颗粒作为循环SERS基底用于农药残留物的检测

本文首先采用共沉淀的方法制备了Fe3O4纳米颗粒,随后经柠檬酸钠和对苯二酚还原氯金酸的方法在Fe3O4纳米颗粒的表面生成刺状Au纳米结构,进而获得Fe3O4@Au纳米星颗粒。该Fe3O4@Au纳米星颗粒作为SERS基底,用作农药残留物福美双和敌瘟磷的检测。由于高密度的Au纳米结构的尖端效应,该基底显示出高敏感的SERS活性。最后利用Fe3O4纳米颗粒的磁性,将其用于循环SERS测试,研究了其循环使用特性。     

一种超高速数据采集系统设计与实现

设计实现了一种超高速数据采集系统。通过在FPGA(现场可编程门阵列上)采用8个不同相位的时钟进行移相合成采集,采用一颗125MSPS采样率的ADC芯片成功实现了1GSPS采样率的高速采样。同时通过对采样数据进行累加求平均的滤波运算,有效地消除了背景噪声,提高了采样的精度。为了实现大数据量的采集,采用了DDR2作为存储器,其具有容量大,速度快,成本低的特点。FPGA采用Xilinx的Spartan6系列,内置了DDR2接口控制器,大大简化了设计。设计的高速数据采集系统在ISE软件中进行了综合,并在FPGA板上进行了实测,性能良好,实现了系统需求的各个指标。     

掺Ti对ZnO纳米颗粒的微观结构与光学特性的影响

本研究利用溶胶凝胶法制备了Ti_xZn_(1-x)O纳米粒子,并且分析了Ti掺杂对ZnO纳米粒子晶体结构与光学特性的影响.微观结构分析得知Ti掺杂会使ZnO结晶较差,晶格常数与压缩应力增大,但可使晶粒缩小至5 nm左右.光致发光(PL)光谱分析得出Ti掺杂会造成氧空位缺陷减少,近带边发光(NBE)峰值蓝移,但NBE峰值强度增幅变化却不大.拉曼光谱分析表明Ti_xZn_(1-x)O的结晶品质不佳且NBE峰值强度的增幅未完全依循多声子模态信号减弱而增强的规律,其原因是NBE峰值强度除受多声子模态信号影响外还受其它因素的影响.TC(002)值越高时样品的多声子模态信号会越弱,而NBE峰值强度增幅越大.     

光催化还原制备Au/Ag核壳结构纳米粒子及其修饰电极的电催化性能

以Keggin结构硅钨杂多酸H4SiW12O40(SiW12)为光催化还原剂,通过光化学还原法制备Au/Ag核壳结构纳米粒子. 透射电子显微镜分析显示,所得纳米粒子粒径为30～40 nm,呈均匀分散的球形颗粒,该制备方法的特点是可以较好的避免单金属纳米粒子的形成. 将Au/Ag核壳纳米粒子修饰到具有PVP膜的玻碳电极表面,得到SiW12-(Au/Ag)-PVP多层膜修饰电极. 该修饰电极在0.5 mol/L H2SO4介质中具有良好的电化学响应,在0～-0.75 V电位范围内,出现了3对归属于SiW12的氧化还原峰,且电极性能稳定,灵敏度高. 对H2O2的电催化还原性能明显优于单金属Ag纳米粒子修饰电极,说明Au核的存在可以很好的改善Ag的电催化性能,Au和Ag之间存在相互协同催化作用.     

基于Adaboost及谱回归判别分析的近红外光谱固态发酵过程状态识别

为了实现固态发酵过程状态的快速监测,以饲料蛋白固态发酵为实验对象,开展了基于近红外光谱分析技术的饲料蛋白固态发酵过程状态定性识别研究。首先利用Antaris Ⅱ型傅里叶变换近红外光谱仪采集140个固态发酵物样本的近红外光谱,并采用标准正态变换(SNV)光谱预处理方法对获得的原始光谱进行预处理;其次,采用谱回归判别分析(SRDA)法对预处理后的近红外光谱进行特征提取;最后,采用最近邻(NN)分类算法作为弱分类器建立固态发酵过程状态识别模型,并对测试集样本进行识别。结果显示,与利用主成分分析(PCA)法和线性判别分析(LDA)法提取的光谱特征建立的识别模型结果相比较,SRDA-NN识别模型获得的结果最佳,在测试集中的正确识别率达到94.28%;为了进一步提高识别模型的准确率,将自适应提升法(Adaboost)与SRDA-NN方法结合,提出了Adaboost-SRDA-NN集成学习算法来建立饲料蛋白固态发酵过程状态的在线监测模型。通过Adaboost算法提升后的SRDA-NN模型预测性能得到了进一步增强,Adaboost-SRDA-NN模型在测试集中的正确识别率达到100%。试验结果表明：在近红外光谱定性分析模型校正过程中,SRDA方法能有效地对近红外光谱数据进行特征提取,以实现维数约简;另外,Adaboost算法能很好地提升最终分类模型的预测精度。     

不同载荷下钛合金激光熔覆Ni60/h-BN自润滑耐磨复合涂层的摩擦学性能

为提高钛合金的摩擦学性能,以金属陶瓷Ni60和固体润滑剂h-BN复合合金粉末为原料,采用激光熔覆技术在钛合金表面制备出了以硬质Ti C、Ti B2、Cr B等为耐磨增强相、以h-BN为固体润滑相的自润滑耐磨复合涂层.采用X射线衍射(XRD)、扫描电镜(SEM)和能谱仪(EDS)分析了涂层的显微组织结构及物相;在室温条件下分别在不同载荷(2、5和8 N)下以Si3N4陶瓷球为对偶件测试了复合涂层与基体的干滑动磨损性能,并分析了其磨损机理.结果表明:复合涂层的平均硬度为HV0.21 013.75,约是基体(HV0.2360)的3倍,在所有试验载荷下,复合涂层的摩擦系数和磨损率均比基体的低.随着载荷的增加,涂层的摩擦系数和磨损率均先减小后升高,说明涂层在5 N载荷下显示出最好的自润滑和耐磨性能.     

Ti6Al4V合金表面激光熔覆复合涂层的高温摩擦学性能研究

为了改善Ti6Al4V合金的摩擦学性能,采用预置NiCrBSiFe复合粉末激光熔覆制备高温耐磨复合涂层,分析了涂层的显微组织,测试了其显微硬度、室温(25℃)及高温(600℃)磨损性能,并分析了其机理.结果表明:复合涂层与钛合金基体为冶金结合,以γ-(Ni,Cr,Fe)固溶体为基体,原位生成的TiC、TiB_2和CrB增强相均匀分布于涂层中,涂层的平均硬度为HV0.5950,约为钛合金基体(HV0.5360)的3倍.室温下,由于涂层具有很高硬度,改善了钛合金表面严重的黏着磨损,涂层表现出优异的耐磨性;高温下,钛合金表面生成氧化膜表现出固体润滑效果,摩擦系数和磨损量均下降,而涂层中基体相硬度下降,磨损表面出现犁沟和破碎磨粒,摩擦系数和磨损率相比室温略有上升,但相比钛合金仍表现出较好的高温耐磨性.     

镍涂层对碳纳米管/镁复合材料界面结合强度影响的分子动力学模拟

使用分子动力学模拟方法研究了镍涂覆单壁碳纳米管(SWCNTs)增强镁基复合材料的力学行为.结果表明,镍涂覆SWCNT/Mg复合材料的杨氏模量显著大于未涂覆SWCNT/Mg复合材料的杨氏模量,在碳纳米管表面修饰的Ni涂层可有效传递碳纳米管和Mg基体之间的载荷.此外,还研究了Ni涂层数对SWCNT/Mg复合材料界面结合强度的影响.对于不同Ni涂层数,即无Ni涂层、1层Ni涂层和2层Ni涂层,涂覆1层Ni和2层Ni的SWCNT从Mg基体中完全拔出后的界面结合强度分别约为无Ni涂层SWCNT/Mg复合材料界面结合强度的3.9和11.9倍.