(2+1)维Broer-Kaup-Kupershmidt方程的新精确解

使用变系数的广义Ricatti方程映射法,对（2＋1）维Broer-Kaup—Kupershmidt方程进行了研究,得到了包括Weierstrass函数解、孤立子解、似孤立子解和三角函数解等．由于解的表达式中存在2个或3个任意函数,因此解中存在丰富的结构．     

几种粉螨同工酶比较及亲缘关系初探

以5种粉螨为实验材料,以普通肉食螨和桔全爪螨为对照,采用垂直板型聚丙烯酰胺凝胶电泳法（PAGE）,对常见同工酶EST、MDH、ADH、CAT等进行比较研究。结果表明：不同种类粉螨间的酶带具有多样性,存在不同程度的相似相异性,为粉螨的分类鉴定提供了佐证,利用相似系数初步分析了几种粉螨间亲缘关系的远近。     

聚苯胺对2Cr13不锈钢无氧钝化的机理探讨

将掺杂态聚苯胺（PANI）制备成单独的PANI膜电极,研究了该电极在敞开、除氧条件下,在酸性介质中的性质及其与2Cr13不锈钢的电化学偶合行为．结果发现无论是在有氧还是除氧条件下,PANI膜与2Cr13不锈钢以面积比1：1偶合时,PANI均能使2Cr13不锈钢稳定钝化．根据电化学实验及光电子能潜（XPS）表征结果,提出了掺杂态PANI对2Cr13不锈钢的防腐蚀作用来自伽伐尼阳极保护作用,PANI膜在酸性溶液中通过交替电化学脱杂与掺杂为金属钝化提供了必须的阳极电流．     

液相色谱法测定酱油中的乙酰丙酸

建立了高效液相色谱测定配制酱油中乙酰丙酸的方法,并测定了市售30个酱油中的乙酰丙酸含量。确定了酱油样品的最佳前处理方法,有效去除了酱油中的大量干扰成分。采用DIAMONSIL C18柱分离,以0．1％磷酸溶液为流动相。用紫外检测器在268nm波长下检测,分离效果良好,结果准确。采用外标法定量,乙酰丙酸浓度与其峰面积在一定范围内有良好的线性关系,相关系数为0．9999。平均加标回收率为95．6％～98．0％（相对标准偏差为1．3％～5．4％）,检出限为0．0015mg／mL。在市售酱油中检出了乙酰丙酸,表明有部分厂家在酿造酱油中添加了酸水解植物蛋白液。     

基于压缩全息和空分复用的多彩色图像加密

针对现有光学加密方法进行彩色图像加密时加密容量低、解密图像失真度高等问题,提出一种基于压缩全息和空分复用的多彩色图像加密方法.在光学加密阶段,结合改进的Mach-Zehnder干涉仪与空分复用技术,通过不同的随机相位掩膜对多幅彩色图像进行同时加密,仅需单次曝光即可得到由多幅彩色图像加密的全息图.在解密过程中,由于记录全息图的过程可建模为压缩感知过程,使用两步迭代收缩/阈值算法即可求解.实验结果表明,提出的加密系统加密容量大,解密重建图像质量高,结合压缩感知理论,有效地消除了同轴全息中平方场项对解密重建性能的影响,解密图像平均峰值信噪比仅下降约2～5dB;密钥安全性高,随机相位掩膜与传播距离均起到密钥的作用,在随机相位掩膜错误或传播距离仅偏移0.25%时,便无法解密出原始彩色图像;且对噪声与遮挡性攻击具有良好的鲁棒性,解密重建性能随噪声增大下降趋势缓慢,加密全息图80%信息受到遮挡性攻击时,仍可取得良好的解密重建结果.     

非PLL相位平均型参考线原型验证

射频相位参考线是粒子加速器的重要组成部分之一,为射频低电平控制系统(LLRF)、束流诊断系统、定时系统等提供稳定的相位锁定参考信号。为减少远距离传输过程中由环境温度变化导致的射频传输线中的射频相位漂移,多个加速器装置中已经采用射频相位参考线提供射频相位参考,这些相位参考的实现方案主要是基于恒温控制和基于光纤锁相。与这些方案相比,采用相位平均方法不仅可以保持长距离节点之间的相位稳定,而且更易于现场安装与维护。现有的带有锁相环(PLL)的终端短路方式实现相位平均参考线的方案仍有一些节点数量限制等方面的不足,本文对相位平均参考线结构进行了去除PLL的简化设计并进行了验证,以期增加更多的相位分配节点以及降低对射频器件参数的要求。对非PLL的单端输入终端短路相位平均方案与两端输入各节点间互为参考的相位平均方案分别进行了实验测试,结果表明两者的相位RMS精度可以达到0.1°~0.3°。并对不同的相位平均实现方案中相位不稳定的产生原因进行了分析,结果表明,除环境温度外,同轴线缆材质、合成相位与幅度的不平衡合成等也是重要影响因素。     

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。     

基于无人机多光谱图像的土壤水分检测方法研究

以表层土壤为对象,探究土壤的多光谱反射率与土壤水分含量相关性,进行基于无人机多光谱图像的土壤水分含量预测模型方法的探究。选取中国农业大学通州实验站为研究区域,实地采集试验田的土壤样本100组,按照一定梯度配制土壤含水量,配成的土壤含水率为10%~50%之间,土壤含量的真实值采用土壤烘干法进行测定。多光谱相机灵巧便捷,可搭载在无人机上对土壤进行监测。将RedEdged-M型多光谱相机搭载在Phantom 3型无人机上,选择阳光充足的采集环境,实时采集土壤样本的多光谱图像,建立土壤多光谱信息与水分含量之间的模型。利用处理光谱数据的ENVI5.3软件提取土壤样本多光谱信息,以多光谱相机自带的标准白板反射率为100%,计算出土壤样本在蓝、绿、红、红边、近红外五个波段的光谱反射率。采用BP神经网络算法、支持向量机算法、偏最小二乘算法分别建立基于无人机多光谱图像的土壤水分含量的预测模型。以80组土壤样本数据作为训练集,建立基于多光谱图像的土壤水分含量预测模型。采用莱文贝格-马夸特算法对BPNN进行改进,提高了其训练速度,当网络结构为5-10-1时,训练效果最好,本文选择该网络结构;SVM采取高斯核函数,当参数为0.56时,模型效果最好。本研究采用归一化均方根误差(NRMSE)和决策系数(R 2)对三种土壤水分含量的预测模型进行定量对比。以20组土壤样本数据作为测试集,结果可知,基于BP神经网络土壤水分含量预测模型的NRMSE为0.268,R 2为0.872;基于支持向量机的土壤水分含量预测模型的NRMSE为0.298,R 2为0.821;基于偏最小二乘土壤水分含量预测模型的NRMSE为0.316,R 2为0.789。对三种模型分析可知,基于BPNN的土壤水分含量预测模型效果均较好。结果可知,土壤的光谱反射率与含水率间存在较密切的相关性,将多光谱相机搭载在无人机上可以对土壤水分含量进行有效的实时监测,对监测土壤墒情提供技术支持和理论支撑。     

基于机器视觉的刀具轮廓在线检测方法的研究

超精密单点金刚石车削过程中需要对刀具参数进行检测。基于机器视觉原理,采用新型的机械结构设计了新型刀具在线检测系统。通过垂直放置的两组由同轴远心镜头和CMOS相机组成的光学系统来获取车刀刀尖正面及侧面的图像,再经图像处理系统来获取刀具的轮廓及位置信息,完成对刀具轮廓及位置的在线检测,实验验证可实现测量的重复性定位精度达1μm。在线检测的方式借助了超精密车床自身的高精度和运动机构,可以保证相机焦点和机床主轴之间的相对位置关系,弥补了目前刀具检测系统稳定性差和重复性精度低的不足,提高了加工的整体效率。     

用人工神经网络方法测量生物组织光学参数γ

提出了一种利用亚扩散空间分辨漫反射预测生物组织约化散射系数μ_s'和相函数参量γ的人工神经网络方法 .采用蒙特卡罗方法得到光子经生物组织漫反射的数据样本,利用这些数据样本训练反向传播神经网络,用于从亚扩散散射光中预测γ的信息.为了解决同时预测μ_s'和γ两个参数时会产生较大误差的问题,分段数据训练两个BP网络,依次识别μ_s'和γ.研究发现3.64l_(th)(l_(th)表示平均输运自由程)是对γ的不敏感点,可用该点附近的数据样本训练网络用于预测μ_s',用2l_(th)范围内的数据样本训练网络用于预测γ.蒙特卡罗仿真结果表明,在1.3≤γ≤1.9范围内,预测结果与真实值的相对均方根误差在1%以内.与现有的测量方法相比,所提的人工神经网络方法更加简单,且提高了预测精度.