力学研究中"大数据"的启示、应用与挑战

大数据在全世界发展迅猛, 应用成效显著.大数据独特的思维和方法, 为科学研究与探索提供了全新的范式.力学研究中,高时空分辨率、多参数同步观测与高精度、大规模模拟手段的发展,为力学大数据的发展提供了契机,大数据、机器智能方法的应用正呈现快速上升趋势.本文旨在分析大数据思维方法在力学研究中的应用, 及其启示与挑战.首先从大数据资源、大数据科学及大数据技术3个层面分析了大数据的内涵及研究态势,概括了国内外政府及组织机构的大数据发展规划.而后对比分析了力学思维方法与大数据思维方法的特点,指出两者的本质区别在于数据使用方式的不同而带来的范式差异:大数据采用数据驱动模型替代力学中的偏微分方程组以描述问题,在复杂系统的分析、预测中优势显著.回顾了大数据方法在材料性能预测、材料本构建模、湍流建模、结构健康监测及试验力学等方面的最新研究进展,以及动态数据驱动与数字孪生等大数据驱动的建模模拟新范式.总结了大数据在力学研究中应用的3种方式, 即驱动已有模型改进,挖掘复杂隐含的规律, 以及替代已有的理论方法等. 最后,建议以力学研究为主体和牵引, 大数据与力学双驱动,推动大数据与力学交叉形成理论与方法突破、及学科发展新方向.      

萘乙炔基封端的含硅聚酰亚胺的制备与性能

为了获得兼具良好热性能和加工性能的聚酰亚胺树脂,设计合成了不对称二胺(3-氨基-苯基)-(4’-氨基-苯基)-乙炔(AMPA),含萘环的封端剂3-(萘-1-乙炔基)苯胺(NAA)以及含硅二酐双(3,4-二羧基苯基)二甲基硅烷二酐.为研究结构与性能的关系,引入4,4’-双邻苯二甲酸酐(ODPA)和间氨基苯乙炔(APA)为对照二酐和封端剂,制备了一系列分子链中含硅和内炔基团的聚酰亚胺树脂PI-Si-Ⅰ(以APA为封端剂)和PI-Si-Ⅱ(以NAA为封端剂),以及与之相对照的树脂PI-O-Ⅰ和PI-O-Ⅱ(二酐单体为ODPA). PI-Si树脂在常见溶剂如四氢呋喃中具有很好的溶解度,而PI-Si-Ⅱ树脂更是具有低的熔体黏度和100℃宽的加工窗口.热失重的结果显示固化树脂具有良好的耐热性能,5 wt%热失重温度(T_d5)在547℃左右,质量残留率在79%左右;热裂解分析结果表明在聚酰亚胺主链中引入的硅和内炔基团在高温环境中形成硅氧硅结构和苯环等刚性结构,从而提高树脂的耐热性.     

二元碳氮化合物CN_8的理论研究

采用B3LYP,B3PW91和MP2 3种理论方法优化得到了13种稳定的CN8异构体.对比这些异构体的总能发现分别具有六元杂环结构和平面链状结构的2种异构体是最稳定的结构.进一步计算这2种异构体的生成能和解离掉一个N2的过渡态,发现它们都具有与实验合成的CN12相近的热力学稳定性,并且具有六元杂环结构的异构体展现出更好的动力学稳定性.这些研究结果表明具有六元杂环结构的CN8异构体是可能在实验上合成出来的.     

医学留学生化学实验全英文教学资源建设与实践*

针对目前化学实验全英文在线教学资源匹配度较低、相对匮乏等问题,以医学留学生为中心,建设了有声课件、模块化实景实验操作视频以及测试题库3种不同类型的化学实验全英文教学资源,通过资源的线下使用和基于雨课堂的在线预习,实现从“集中、定时、定点”的传统教学模式向“模块化、碎片化、信息化”的混合教学模式转变,可以丰富教学资源和教学手段,改进教学秩序,提高医学留学生化学知识和技能学习的积极性和主动性,使“教”“学”良性循环,可切实提高化学实验国际化教学质量。     

近红外光谱法用于纯化过程中鞣花酸含量的监控

采用近红外光谱技术结合遗传算法优化的小波神经网络,对大孔树脂纯化过程中橄榄果中的鞣花酸含量进行监控。通过小波变换对光谱进行去噪、压缩,作为人工神经网络的输入,同时以遗传算法优化神经网络的权值与阈值,并与常用的偏最小二乘(PLS)线性模型的建模效果进行比较。实验结果表明,两者都能够较准确的预测鞣花酸的含量,相对而言,人工神经网络(ANN)效果较好。     

随机环境影响下系统可靠性比较

本文研究随机环境影响系统相依结构的情形下,系统可靠性的随机比较,文章采用连接函数表示系统的相依结构,研究不同随机环境因子下两个系统的象限序、弱多元失效率序、n中取k系统的寿命等的随机比较,并通过实际例子进行分析.     

固相萃取-紫外光谱法测定水样中咪唑类离子液体的含量

为了消除无机盐对紫外法测定离子液体的干扰,采用固相萃取(SPE)预富集,再利用紫外光谱法测定了水样中3种离子液体[C4mim][PF6]、[C6mim][PF6]、[C4mim][BF4]的含量。在波长190～300 nm范围内研究了3种离子液体的最大吸收波长,同时还考察了几种常见无机盐对离子液体紫外光谱吸收的影响。采用SPE方法富集100 mL水样时,富集倍数F=100/3,对三种离子液体的富集率分别为90%,91%和51%,并且溶液的pH与盐的浓度对富集率有一定的影响。当离子液体加标浓度分别为0.01、0.05和0.10 mg/L时,该方法的回收率大于90%。     

认知无线电网络中利用FEC和DE的多节点频谱感知算法

针对认知无线电网络(CRN)中空闲频谱感知困难的问题,本文提出了基于前向纠错和差分进化算法的多节点频谱感知算法。首先,利用基于差分进化算法的协同检测完成信号感知;然后,研究了信道噪声对频谱感知性能的影响;最后,分析了前向纠错技术在信道存在噪声时对频谱感知性能的影响。仿真实验将纠错和无纠错控制信道的不同信噪比作为依据,采用三种不同的检测方法评估了本文算法。仿真实验结果表明,在存在噪声的认知无线电网络中,本文算法提高了系统的性能和检测概率,且协同感知算法的性能随着节点数目的增加而提高,该算法适合应用于实时性要求较高的应用程序。