双相高强钢FeNiAlC的动态剪切行为及微结构机理

绝热剪切带是金属材料在高应变率载荷下常见的一种失效模式。利用霍普金森压杆装置,对双相钢Fe-24.86Ni-5.8Al-0.38C不同微结构的帽形样品施加冲击载荷,研究它的动态剪切变形行为及微结构机理。先通过对固熔处理得到的粗晶态样品进行大应变冷轧获得冷轧态样品,再使用透射电子显微镜和扫描电子显微镜表征两种样品冲击前后微结构的变化差异。结果表明,双相钢FeNiAlC拥有较优异的动态剪切性能,剪切强度达1.3 GPa,均匀剪切应变达1.5。变形前,材料由奥氏体相和马氏体相构成,马氏体体积分数约为20%。变形过程由位错滑移和孪生变形主导,但因应变速率较高致使马氏体相变被抑制。不同微结构样品内均形成绝热剪切带,带内发生动态再结晶,形成超细晶粒,平均晶粒尺寸约300 nm,且剪切带内不发生相变;冷轧态剪切带宽度的实验值（14.6 μm）与理论计算值(12.3 μm)较好吻合,而粗晶态剪切带宽度的实验值（14.6 μm）与理论计算值（30 μm）相差甚远,初步分析可能是因为粗晶态样品应变较大基本不满足完全绝热的理论条件。在变形过程中,粗晶态因塑性变形做功产生的绝热温升高达720 K,而冷轧态的只有190 K。通过实验结果与热塑模型分析,得出绝热温升不是形成绝热剪切带的唯一因素,而应考虑材料的微观结构和局部化变形等的共同影响。     

Approximation of the Fractional Schrödinger Propagator on Compact Manifolds

Let L be a second order positive, elliptic differential operator that is self-adjoint with respect to some C~∞ density dx on a compact connected manifold M. We proved that if 0 α 1,α/2 s α and f ∈ H~s(M) then the fractional Schr?dinger propagator e~(it Lα/2) on M satisfies e~(it Lα/2) f(x)-f(x) = o(t~(s/α-ε)) almost everywhere as t → 0~+, for any ε 0.     

一种基于荧光信号的海面厚油膜评估方法

油膜厚度是海面溢油污染评估分析的一个重要指标,激光诱导荧光(LIF)技术是目前最有效的海面溢油探测技术之一,基于LIF探测技术的油膜厚度反演算法当下仅有适用于薄油膜(≤10~20 μm)的评估方法,而对于较厚油膜(>20 μm)的评估目前尚无有效的反演算法。鉴于此,提出一种基于LIF技术适用于较厚油膜的反演算法,该算法采用油膜荧光信号反演油膜厚度,推导了油膜厚度反演公式,并给出了基于该反演算法的油膜厚度评估方法。首先采用最大类间方差算法(Otsu)选取合适的荧光光谱波段,然后根据选取波段内每个波长的光谱数据反演油膜厚度,最后采用反演油膜厚度的平均值作为油膜厚度评估结果。研究了该算法的适用范围,给出了该算法有效评估范围最大值与测量相对误差的关系,并结合消光系数给出了在多种测量误差条件下不同消光系数油品有效评估范围的最大值。通过实验对本文方法进行了验证,选用原油和白油的混合油(1∶50)作为实验油品,以波长为405 nm的激光作为激发光源,采集波长范围为420～750 nm,采集了海水背景荧光和拉曼散射光光谱、实验油品的荧光特征光谱和多种不同厚度的较厚油膜的荧光光谱。采用Otsu算法选取420～476 nm波段评估油膜厚度,在实验油品油膜厚度≤800 μm时,该算法对油膜厚度的评估具有较高的精度,平均误差为10.5%;在油膜厚度>800 μm时,平均误差为28.8%,评估误差较大且随油膜厚度的增加快速变大,该实验结果与利用测量相对误差和消光系数的分析结果一致。实验结果表明,该方法可以实现对海面较厚油膜厚度的有效评估,并可以根据测量相对误差和消光系数判断评估结果的有效性。     

香蕉贮藏气体3D荧光表征特征选择及早期腐败预警初探

为利用3D荧光技术实现基于贮藏室气体荧光信息的香蕉腐败早期预警,选取两批不同贮藏日期的香蕉贮藏室气体进行三维荧光数据采集。首先对荧光数据进行了预处理：为消除三维荧光仪整体漂移现象,对得到的三维荧光数据进行去除漂移处理;利用matlab中eemscat工具包对瑞利与拉曼散射进行去除处理,有效消除了瑞利散射和拉曼散射的不利影响;运用Savitzky-Golar(SG)进行数据平滑处理,减少了噪声对荧光信号的干扰。同时,对三维荧光数据进行初步筛选,去除了荧光强度接近于0的发射波长,以及利用三阶高斯混合分布对不同激发波长下的发射光谱进行拟合去除了离散性较大的激发波长。然后针对荧光数据的特征表征,提出了一种基于Wilks Λ统计量融合间隔偏最小二乘法(iPLS)的荧光数据特征选择策略。具体是：用Wilks Λ统计量进行特征激发波长的选取,初步选出了5个特征激发波长;根据初选的特征激发波长用iPLS结合pH值及相对电导率进行了特征发射波段的选取,结果每个特征激发波长下均选出包含14个波长的特征发射波段。为进一步减少分析变量个数,根据选出的特征发射波长,运用Wilks Λ统计量再次进行特征激发波长反选,最终得到了3个特征激发波长。考虑到各特征激发波长下对应14个特征发射波长,故可选出42个特征发射波长。最后基于香蕉在贮藏中其品质变化具有时变特点,根据42个特征发射波长使用系统聚类分析法(SCA)进行香蕉腐败基准界定,得到两批香蕉均在贮藏的第5天出现品质突变。因此选用第5天贮藏室气体荧光信息来表征香蕉的腐败情况。另外,利用主成分分析(PCA)初步探索了用第1主成分实现香蕉早期腐败的预警。结果表明：文中提出的三维荧光数据特征波长的选择策略是能够有效降低光谱数据的复杂度,同时给出的早期腐败预警方法是可行的。     

基于荧光光谱的轻质油乳化物油水比估测研究

海面溢油在其风化迁移过程中,会形成不同溢油乳化物,对海洋环境造成极大危害。科学量化溢油乳化物,有助于溢油污染应急处理和灾损评估。已有对溢油乳化物展开的研究由于缺乏系统的实验数据、理化与光学参数,尚不清楚不同类型油水乳化物的精细光谱响应特征与变化规律,无法给出不同类型溢油乳化物光谱与海水表层油水比的数据关系。通过轻质油乳化物的室内实验,采用激光诱导荧光技术手段,从不同类型,不同表层油水比的溢油乳化物荧光光谱响应差异和变化规律入手,以乳化柴油相关数据作建模样本,乳化煤油相关数据作验证样本,开展统计分析,并分别设计了油包水、水包油两种类型下的表层油水比估测模型。数据处理过程中,为了消除LIF系统本身对接收到的荧光信号强度的影响,利用水的拉曼散射信号对乳化液的荧光信号进行归一化处理,将两者的比值作为后续的分析数据。具体数据研究表明：油包水型乳化溢油的荧光峰值对数和表层含水率对数之间可建立非线性回归模型;水包油型乳化溢油的荧光峰值和表层含水率之间也可建立非线性回归模型。非线性拟合相关系数均在0.9以上,即模型具有较高质量,且模型中的实际系数依赖于不同油种,不同的特征荧光峰。由此可见,不同乳化油种的不同特征荧光峰与表层油水比之间虽具有相同的变化趋势,但变化的程度有所不同。在此基础上,采用参数查找表的方式,建立了轻质油乳化物油水比的估测方法,可根据荧光相对强度最后反演得到表层油水比。该方法在一定程度上可对海面轻质油乳化物实现有效量化,为将来海面溢油乳化物更加实时准确的定量分析提供理论基础和依据, 也为海面溢油污染应急处理提供技术参考,因此具有重要研究意义和实用价值。     

基于变换域PCNN的近红外与彩色可见光融合

针对近红外与彩色可见光图像融合后对比度低、细节丢失和颜色失真等问题,提出一种基于多尺度变换和自适应脉冲耦合神经网络(PCNN-pulse coupled neural network,PCNN)的红外与彩色可见光图像融合的新算法。首先将彩色可见光图像转换到HSI（hue saturation intensity)空间,HSI色彩空间包含亮度、色度和饱和度三个分量,并且这三个分量互不相关,因此利用这个特点可对三个分量分别进行处理。将其亮度分量与近红外图像分别进行多尺度变换,变换方法选择Tetrolet变换。变换后分别得到低频和高频分量,针对图像低频分量,提出一种期望最大的低频分量融合规则;针对图像高频分量,采用高斯差分算子调节PCNN模型的阈值,提出一种自适应的PCNN模型作为融合规则。处理后的高低频分量经过Tetrolet逆变换得到的融合图像作为新的亮度图像。然后将新的亮度图像和原始的色度和饱和度分量反向映射到RGB空间,得到融合后的彩色图像。为了解决融合带来的图像平滑化和原始图像光照不均的问题,引入颜色与锐度校正机制(colour and sharpness correction, CSC)来提高融合图像的质量。为了验证方法的有效性,选取了5组分辨率为1 024×680近红外与彩色可见光图像进行试验,并与当前高效的四种融合方法以及未进行颜色校正的本方法进行了对比。实验结果表明,同其他图像融合算法进行对比分析,该方法在有无CSC颜色的情况下均能保留最多的细节和纹理,可见度均大大提高,同时本方法的结果在光照条件较弱的情况下具有更多的细节和纹理,均具有更好的对比度和良好的色彩再现性。在信息保留度、颜色恢复、图像对比度和结构相似性等客观指标上均具有较大优势。     

基于红外光谱对野生冬虫夏草不同部位的识别

冬虫夏草作为著名的传统中药材,由于其良好的药用价值而备受青睐。目前多数工作集中研究其活性成分含量以及药理药效。而对其不同部位的识别研究较为匮乏。基于红外光谱数据,结合化学计量学对多维度复杂体系的解析优势对冬虫夏草不同部位进行分类识别。首先对野生冬虫夏草五个不同部位包括子座头、子座中、头部、虫体中段、虫体尾段总共808个光谱数据使用标准正态变换(SNV)、多元散射矫正(MSC)进行数据预处理。而后用竞争自适应再权重取样(CARS)、变量组合种群分析(VCPA)挑选具有代表意义的特征变量。最后使用偏最小二乘判别分析(PLS-DA)、线性判别分析(LDA)进行建模预测分析。模型对训练集使用十倍交叉验证,以准确率(Acc)作为评价指标。结果表明,在该数据上PLS-DA模型在10倍交叉验证和独立测试集上的预测准确率分别是90.1%和92.0%,而使用LDA模型时,预测准确率分别降低到86.7%和85.8%。采用CARS和VCPA特征挑选方法可有效将特征从3 601维分别降到699和420维,同时保持预测准确率与全部特征的预测准确率相当。而挑选的特征波数630,625,1 024,1 028,1 084和1 089 cm-1与虫草的甘露醇相关,879和874 cm-1与虫草的多糖相关。通过对挑选的波数进行Wilcoxon rank-sum检验进一步表明虫草五个部位之间存在显著差异。研究表明化学计量学方法结合红外光谱能够有效识别冬虫夏草不同部位,有助于在分子层面上加深对冬虫夏草形成的认识,为针对虫草不同部位高效利用提供参考。     

PLS-DA优化模型的马铃薯黑心病可见近红外透射光谱检测

马铃薯黑心病是一种马铃薯主要内部缺陷,严重损害薯条、薯片、全粉等加工制品的质量和产率。目前对马铃薯的分级主要侧重于外部品质检测,针对内部缺陷检测的研究很少。旨在开发一种马铃薯黑心病的快速无损检测技术,为此搭建了马铃薯可见近红外透射光谱分析平台,分析健康与黑心病马铃薯的透射光谱特性并优化光谱判别模型参数。基于现有马铃薯分级线和复享PG2000高速光谱仪,采用左右透射方式（光源与光纤探头位于分级线果盘左右两侧）,采集470个马铃薯（其中健康薯234个、黑心薯236个）的透射光谱图,建立偏最小二乘判别模型（PLS-DA）,并利用主成分分析（PCA）与光谱形态特征相结合的方法选择特征波长,优化模型。分析发现,健康薯与黑心薯的可见近红外透射光谱在吸光度值和光谱形态特征方面均存在明显区别。黑心薯的平均光谱吸光度值高于健康薯（650～900 nm范围内）,但黑心薯的平均光谱曲线较为平缓,无明显吸收峰,而健康薯平均光谱曲线在665,732和839 nm附近有明显吸收峰,并且健康薯与黑心薯的平均光谱差值在705 nm处达到最大值。基于PLS-DA法建立了马铃薯黑心病判别模型,对黑心病的判别效果显著,分类器特性曲线（ROC）下面积（AUC）值为0.994 2,黑心薯识别总正确率能够达到97.16%,RMSE_CV和RMSE_P分别为0.28和0.26。此外,成功利用PCA与光谱形态特征相结合的方法对模型进行简化,最终得到由6个波长（658,705,716,800,816和839 nm）组成的特征波长组合,简化后的模型总正确率能够达到96.73%,接近全波段模型判别水平。研究表明,左右透射的方式能够准确识别黑心马铃薯,实现对马铃薯内部缺陷的快速无损检测。对我国马铃薯产业的发展起到一定的促进作用,为马铃薯内部缺陷在线检测技术的提高提供了重要的理论基础和实践依据。     

卷烟主流烟气中巴豆醛在线光谱分析方法研究

卷烟主流烟气是卷烟燃烧时被人体吸食到体内的主要气体,其减焦降害已成为全社会高度关注的问题。在各种卷烟主流烟气组分中,巴豆醛以其强烈的基因毒性,成为国家规定的卷烟中七种主要有害指标物之一。传统的巴豆醛分析方法大都采用高效液相色谱法等实验室分析方法,需繁琐的样品前处理过程,无法测量巴豆醛的实时浓度,难以准确评估巴豆醛对人体健康的影响。为了快速、准确地检测卷烟主流烟气中的巴豆醛组分,本研究搭建了一套可以直接与吸烟机耦合的傅里叶红外光谱分析系统（FTIR）,并创新性开发过采样数据驱动光谱分析方法（ODDSA）,从复杂、变动的卷烟主流烟气中准确提取巴豆醛的光谱组分信息。ODDSA方法从实验设计入手,采用随机设计的思路尽可能模拟实际卷烟样品的分布范围,以构建具备良好光谱数据结构的样品集。在此基础上,创新性地将高密度小波变换引入红外光谱数据的处理过程中,以时/频双域过采样的方式提升了光谱解析分辨率,进而降低了其他基质组分对巴豆醛光谱信息的干扰。最后,发展改良竞争自适应重加权采样方法,从多倍冗余的高密度小波系数中准确提取待测物质的最佳变量组合,由此构建高质量的巴豆醛光谱定量分析模型。为了验证ODDSA方法的有效性,实验中采集了15种典型市售卷烟品牌,每个品牌在线采集8支样品的主流烟气红外光谱,随后采用随机挑选的25个验证集样本对ODDSA方法进行验证。结果表明,检验集的线性拟合系数为0.971,相对均方根误差为5.5%,其预测精度能有效满足卷烟主流烟气中巴豆醛的在线分析需求,并可拓展到环境二手烟气中其他组分的在线监测,进而为吸烟与健康评估提供全新手段。     

光纤传能的移动式激光诱导击穿光谱钢铁快速检测与分类

为了实现工业现场对特种钢材的快速检测与种类识别,采用基于光纤传能的移动式激光诱导击穿光谱（LIBS）样机对14种特种钢材进行光谱数据的采集与分析,采用预选谱线并遍历组合的降维方法与支持向量机(SVM)相结合的算法对特钢材料的光谱进行快速分类。分别将原始光谱数据、归一化处理后的光谱数据、归一化处理+遍历组合优选谱线数据作为SVM分类模型的输入向量,并对比了不同输入向量下模型对特钢识别的准确度。结果表明：在事先选出的51条特征谱线作为输入变量的基础上,归一化光谱数据作为SVM分类模型的输入特征时,识别准确度达到95.71%,明显高于使用原始光谱数据作为输入向量时SVM分类模型的准确度11.43%。进一步地,使用MATLAB程序遍历谱线组合,通过遍历各种谱线组合选出最优的输入谱线组合,当优选6条特定的谱线时,对特钢种类识别的准确度达到100%,且建模速度也有相应提升。可以看出,当预选出大量常见特征数据时,机器自动选取特征与人工挑选谱线相比,具有明显优势,基于此降维方法的SVM算法模型在LIBS快速分类技术中具有很好的工业应用前景。