使用深度学习的多通道水下目标识别

为解决低信噪比条件下水下目标识别率低的问题,提出一种适用于多通道水听器阵列的深度学习水下目标识别方法。首先是采用子通道特征级联的方法利用多通道信息;在特征提取方面,采用对信号的不同频率区间进行加权的特征提取器,并对提取的特征进行正则规整;最后采用深度神经网络(Deep Neural Network,DNN)实现目标识别。实验首先在仿真条件下对所提出方法的有效性进行验证,结果表明在-15 dB信噪比条件下的五目标识别任务中,使用多通道级联特征的深度神经网络的识别正确率达到96.7%,显著高于基于支持向量机(Support Vector Machine,SVM)的方法。在后续的湖上试验中,深度神经网络的平均正确率达到96.0%,进一步验证了所提出方法的有效性。      

RP-HPLC法检测发酵液中赤霉素GA4,GA7的含量

建立了反相高效液相色谱法(RP-HPLC)测定发酵液中赤霉素GA4,GA7的方法。探讨了流动相缓冲盐与甲醇的比例、缓冲盐pH、温度、流速等对两种赤霉素分离的影响,结果表明在Kromasil C18(250 mm×4.6 mm,5μm)色谱柱下,以V(甲醇):V(pH3.0,0.05 mol/L KH2PO4)=60:40为流动相,柱温35℃,流速1.0 mL/min,检测波长228nm,进样量20μL,分离度良好。GA4,GA7标准品质量浓度分别在0.1~8.0 mg/mL,0.1~3.0 mg/mL范围内线性关系良好,线性回归方程为Y4=1.58878+7.06978X4,Y7=0.48281+7.12931X7;GA4,GA7检出限分别为19.6,14.3μg/mL,平均加标回收率分别为98.8%,99.9%,相对标准偏差RSD分别为1.5%,0.34%。     

平板电容器介质中的矢量场

介绍了平板电容器真空及各向同性电介质中的电场，进一步计算了各向异性平板电容器电场中的电场强度、电位移矢量、电极化强度。根据计算的结果对平板电容器介质中的矢量场进行了力线描绘，说明了电介质矢量场的性质。并进一步比较了线性各向异性电介质与指数电介质对电场产生的影响。     

高聚物减阻溶液对壁湍流输运过程的影响

基于相同雷诺数下清水和高分子聚合物溶液壁湍流的高时间分辨率粒子图像测速技术(time-resolved particle image velocimetry, TRPIV)的对比实验, 从高聚物溶液对湍流边界层动量能量输运影响的角度分析其减阻的机理. 对比两者的雷诺应力发现高聚物的存在抑制了湍流输运过程. 这一影响与高聚物对壁湍流中占主导地位的涡旋运动和低速条带等相干结构的作用密切相关. 运用条件相位平均、相关函数和线性随机估计(linear stochastic estimation, LSE)等方法, 分析提取了高聚物溶液流场中的发卡涡和发卡涡包等典型相干结构的空间拓扑形态. 相比于清水, 高聚物溶液中相干结构的流向尺度增大, 涡旋运动的发展及低速流体喷射的强度受到削弱, 表明了添加的高聚物阻碍了湍流原有的能量传递和自维持的机理. 正是通过影响相干结构, 高聚物抑制了湍流边界层中近壁区与外区之间的动量和能量输运, 使得湍流的无序性降低, 从而减小了湍流流动的阻力.     

驱动问题引领下的核心反应在生产实际中的应用复习教学——以“铁和硫酸铜溶液的反应”为例

以铁和硫酸铜溶液的反应在“湿法炼铜”生产实际中的应用复习教学为例,针对学生能力的薄弱点,围绕核心反应搜集丰富的素材,引导学生模拟体会具体反应应用于生产实际时需考虑的问题,以问题解决为线索,达到促进学生发展的目的。     

基于发展化学核心素养的概念教学——以“认识溶液”为例

化学概念不仅是基础知识的组成部分,还承载着发展学生思维能力的功能。以初中化学教学“认识溶液”为例,根据学情和教学内容整合了丰富的实验、媒体、社会等素材,从宏观到微观,从证据到推理,从科学精神到社会责任,促进了学生学科思维和意识的协同发展,获得良好的教学效果。     

二茂铁骨架系列三齿配体的合成及其在铱催化不对称氢化中的应用

本文主要介绍了一系列基于二茂铁骨架的三齿配体:f-amphox、f-ampha、f-amphol和f-amphamide的合成及其应用。这四类手性膦氮配体的铱络合物可以高活性(TON高达1 000 000)、高转化率(>99%)、高对映选择性(>99% ee)地催化(官能团化)酮等底物的不对称氢化反应。该系列配体成功地应用于地诺帕明、苯福林和沙丁胺醇等手性医药中间体的不对称合成。与传统路线相比,这些合成方法更高效,副产物更少,“三废”排放量更低。     

线性不确定系统的鲁棒D型迭代学习控制

研究一类线性不确定系统的鲁棒D型迭代学习控制问题.首先针对一类线性标称控制对象,建立其迭代学习控制的二维模型;然后基于获得的二维模型,利用二维系统稳定性理论,获得系统在迭代初态与期望初态一致和不一致两种情形下的D型迭代学习控制律的存在条件和设计方法;进一步,将所得结果推广至控制对象包含不确定性的情形.所得结果以线性矩阵不等式(LMI)的形式给出,可以方便地利用Matlab中的LMI工具箱求解.最后,数值仿真实例验证了本文所提方法的有效性.