绝对重力测量异常值的局部异常因子检测算法

自主研发绝对重力仪的测量结果中出现的离群程度不同的异常值会直接影响测量结果的准确度和测量精度。目前一般采用的一元正态分布异常值检测算法漏检率高,容易造成测量结果的偏差和测量精度的下降。利用人工智能算法中的局部异常因子异常值检测算法,可以在线、快速、高效地完成自主研发绝对重力测量数据的异常值检测。首先,根据实测数据构建测试数据集,利用数值模拟确定局部异常因子算法邻域宽度参数的取值;然后,基于实测数据进行异常值检测并进行结果评估。评估结果表明,局部异常因子异常值检测算法对离群程度不同、连续出现异常值等情况检测效果明显优于一元正态分布异常值检测算法,组测量精度平均提高9.37μGal,可以作为自主研发绝对重力仪异常值检测的通用算法完成组测量结果的异常值检测。     

电可通纳米尺度孔边均布多裂纹的电弹断裂分析

解析研究了面内电载荷和反平面机械载荷作用下压电体中纳米尺度圆孔边均布电可通多裂纹问题的断裂性能。基于Gurtin-Murdoch表面弹性理论，利用保角映射方法和复变弹性理论给出了裂纹尖端电弹场分布、电弹场强度因子及能量释放率的解析结果。阐述了无量纲电弹场强度因子、无量纲能量释放率的尺寸依赖效应，讨论了裂纹数量和缺陷几何参数对无量纲场强度因子和无量纲能量释放率的影响。结果表明：无量纲电弹场强度因子和无量纲能量释放率具有显著的尺寸依赖效应；考虑表面效应，孔径和裂纹长度相当时，电弹场强度因子达到最大；裂纹/孔径比对电弹场强度因子随裂纹数量变化的制约会随着裂纹数量的增加而逐渐消失；过大或过小的裂纹孔径比会削弱裂纹长度对能量释放率的影响。     

水质评价涉及的因子权重与定权方法

水质评价涉及属性权与熵权两种权重.熵权表征因子的分类能力,由因子的隶属度向量通过计算信息熵确定.属性权表征因子重要性程度的差异,用途是使不同因子的隶属度具有"可比性",但定权方法众说不一.指出,因子重要性程度差异源于因子属性与因子取值无关,并且表征这种差异等同于对因子接重要性排序.AHP的比例标度判断矩阵为因子排序提供了合理的数据条件,但基于"一致性检验"的特征根排序法受到质疑;FAHP也因没有彻底摆脱"一致性",所以建立的排序方法有局限性.为此,通过标度变换将比例标度转化为评分标度,利用评分标度的可加性把判断矩阵中由评分标度确定的因子的序关系转化为因子排序.由此建立不受"一致性"干扰的定权方法.     

微通道板噪声因子与工作电压关系研究

为了解决微通道板噪声因子的测量问题,提出了一种测量像增强器光电阴极灵敏度和信噪比,从而测量出微通道板噪声因子的方法 .根据该方法,分别在不同阴极电压、微通道板电压以及阳极电压条件下测量了微通道板的噪声因子.测量结果表明,当阴极电压、微通道板电压以及阳极电压分别变化时,微通道板的噪声因子会随之变化.微通道板电压对噪声因子的影响最大,阳极电压的影响最小.微通道板电压每增加100 V,噪声因子大约增加0.11,而阳极电压每增加100 V,噪声因子大约增加3.3×10-4.微通道板工作电压提高,意味着电子碰撞能量提高,同时也意味着二次电子发射系数提高,而根据现有微通道板噪声理论,微通道板的噪声因子会减小,但实测结果却相反.造成这一矛盾的原因是在现有微通道板噪声理论中,仅仅考虑了二次电子发射系数、探测率、电子碰撞几率的因数,而未考虑到电子碰撞能量的因数,因此噪声理论需要进行修正.     

基于正弦控制因子的Lateral变异鲨鱼优化算法

针对传统鲨鱼优化算法在求解高维目标函数时,易早熟收敛,陷入局部最优的缺陷.提出一种基于正弦控制因子的Lateral变异鲨鱼优化算法.通过正弦曲线的特性和自适应惯性权重,改善了传统鲨鱼优化算法中由于随机选取控制因子数值大小可能导致算法在迭代后期全局搜索能力降低的问题,提高了算法在迭代后期的全局收敛能力,并对最佳鲨鱼位置引入Lateral变异策略,加强了算法跳出局部最优的可能性.改进后的算法对多个shifted单峰,多峰以及固定维测试函数进行求解,实验结果表明,对比多种不同优化算法而言,本文所提LSSO算法具有更高的收敛精度和搜索速度.     

相位可控的核四极矩共振激励脉冲发生器设计

在核四极矩共振（NQR）领域，射频激励脉冲信号的优劣对NQR响应信号有重要影响.针对常规方法中射频激励脉冲参数不可控的问题，本文基于32位闪存微型控制器STM32和直接数字频率合成（DDS）芯片AD9910设计了一种相位可控激励脉冲发生器.采用STM32控制AD9910产生波形参数（脉冲宽度、脉冲间隔、脉冲个数和共振频率等）可控的射频激励脉冲，利用LabVIEW软件平台设计脉冲参数设置界面，并建立计算机与微控制器通信，实现波形参数的精确优化控制.实验结果表明，该方法实现了相位可控的NQR激励脉冲序列，可为后续NQR信号检测提供有效激励源.     

基于三维荧光光谱法和PARAFAC对多环芳烃定性定量分析

三维荧光光谱法在研究多环芳烃(PAHs)类物质的荧光信息时起到了重要作用。多环芳烃类物质具有致癌性,难降解性,多由尾气排放,垃圾焚烧产生,危害着人类健康及环境,因此人们不断探索对多环芳烃检测的方法。实验选取多环芳烃中的苊和萘作为检测物质,利用FLS920荧光光谱仪,为避免荧光光谱仪本身产生的瑞利散射影响,设置起始的发射波长滞后激发波长40 nm,设置扫描的激发波长(λex)范围为:200~370 nm,发射波长(λem)范围为:240~390 nm,对多环芳烃进行荧光扫描获取荧光数据,采用三维荧光光谱技术结合平行因子算法对混合溶液中的苊和萘进行定性定量分析。实验选用的苊和萘均购于阿拉丁试剂官网,配制浓度为10 mg·L-1的一级储备液,再将一级储备液稀释,得到苊和萘浓度为0.5,1,1.5,2,2.5,3,3.5,4和4.5 mg·L-1的二级储备液,并将苊和萘进行混合。在进行光谱分析前需要对苊和萘的光谱进行预处理,采用空白扣除法扣除拉曼散射的影响,并采用集合经验模态分解(EEMD)消除干扰噪声。实验测得苊存在两个波峰,位于λex=298 nm,λem=324/338 nm处,萘存在一个波峰,位于λex=280 nm,λem=322 nm处。选用的PARAFAC算法对组分数的的选择很敏感,因此采用核一致诊断法预估组分数,估计值2和3的核一致值都在60%以上,分别对混合样品进行了2因子和3因子的PARAFAC分解,将分解后得到的激发发射光谱数据和各组分浓度数据进行归一化处理,并绘制光谱图,与归一化处理后的真实的激发发射光谱图和各组分浓度图进行对比。同时将PARAFAC得到的混合样本的预测浓度,通过计算回收率(R)和均方根误差(RMSEP)来判定定量分析的准确度。选择2因子时,各混合样品中苊和萘拟合度为95.7%和96.7%,平均回收率分别为101.8%和98.9%,均方根误差分别为0.0187和0.0316;选择3因子时,各混合样品中苊和萘拟合度为95.3%和95.8%,平均回收率分别为97%和102.5%,均方根误差分别为0.033和0.116,由三项指标可得选用2因子进行定性定量分析的效果明显好于选用3因子。分析实验结果表明,基于三维荧光光谱法和PARAFAC算法对混合样品进行定性定量分析,能够有效的判定混合样品的类别,同时能够成功的预测出混合样品的浓度。