新的混沌粒子群优化算法

针对传统粒子群算法初期收敛较快,而在后期容易陷入早熟、局部最优的特点,提出了一种新的混沌粒子群优化算法,不同于己有的混沌粒子群算法的简单粒子序列替换,该算法将混沌融入到粒子运动过程中,使粒子群在混沌与稳定之间交替运动,逐步向最优点靠近。并提出了一种新的混沌粒子群数学模型,进行了非线性动力学分析。数值测试结果表明该方法能跳出局部最优,极大提高了计算精度,进一步提高了全局寻优能力。     

基于硼亲和分子印迹策略的MOF/MIPs对沙丁胺醇的选择性吸附和计算模拟

为了探索所构筑的硼酸功能化金属有机框架(MOF)表面印迹材料(FSU-BA@MIP)对底物的亲和识别能力,对FSU-BA@MIP的金属-有机骨架材料(UiO-66-BA)中的3-羧基苯硼酸配体与沙丁胺醇间的硼亲和作用进行计算,再采用密度泛函理论(DFT)对FSU-BA@MIP材料对沙丁胺醇的选择性机理进行模拟,最后进行选择性实验.计算结果表明,离子化的3-羧基苯硼酸与沙丁胺醇间存在的氢键作用使得这两种物质有较强的作用力,更容易形成硼酸环酯;与竞争物质相比, UiO-66-BA与沙丁胺醇的结合能与反应能最低,说明所形成的FSU-BA@MIP印迹材料对底物沙丁胺醇具有特异性吸附.分析结果与实验得到的沙丁胺醇的最高吸附量一致,说明UiO-66-BA是一种可用于分析顺式二醇化合物的理想硼酸功能化材料.     

新工科背景下分离工程课程改革与实践

基于新工科理念,针对传统分离工程课程存在的“师资队伍综合素质与能力未高度契合新工科建设要求”“教学模式重知识、轻学生能力培养与价值塑造”“课程整体设计与新经济、新产业、新技术结合不紧密”等痛点问题,结合新工科建设的内涵,通过建设高水平师资队伍、深化课程思政、编写国际认证教材、夯实科教融合、创新教学方法、拓展全英语教学、完善多元化评价体系和“多回路”持续改进机制等措施进行了课程改革与实践。拓宽了学生国际视野,强化了其高阶思维、多元综合的工程能力和工程素养的培养。     

新能源电力系统的数据模型与集成技术分析

随着现代科学信息技术的不断推广与实践,新能源企业为了能够适应时代发展而将信息化建设作为企业发展的核心,因此在企业发展中,新能源电力系统的数据模型与集成技术不断在新能源电力企业中得到广泛的运用.本文就新能源电力系统的数据模型与集成技术进行了研究分析,以此能够为新能源电力企业提供科学的业务应用和信息支持.     

工业填料γ-Al_2O_3催化氧化偏三甲苯制2,3,5-三甲基苯醌

以工业填料γ-Al_2O_3为催化剂,30%H_2O_2为氧化剂,冰醋酸为溶剂,一步法催化氧化偏三甲苯(TMB)合成2,3,5-三甲基苯醌(TMBQ)。考察了催化剂用量、反应温度、反应时间、氧化剂用量对该反应的影响。条件优化的结果为:m(γ-Al_2O_3)/m(TMB)=0.005,m(30%H_2O_2)/m(TMB)=2.5,反应时间2 h,反应温度80℃,得到TMB转化率为21.3%,TMBQ收率为16.0%,选择性为75.2%。通过XRD、FTIR、SEM、BET等技术手段,证明γ-Al_2O_3结晶度是影响氧化反应催化活性的关键因素。填料γ-Al_2O_3具有较大孔隙结构、比表面积较大、颗粒分布不均匀,为不规则片状,是廉价易得的工业品,具有较好的应用前景。     

广义模糊K调和均值聚类的近红外光谱生菜储藏时间鉴别

生菜的储藏时间是影响生菜新鲜程度的重要因素。为了快速、无损和有效地鉴别生菜的储藏时间,以欧式距离的p次方代替模糊K调和均值聚类(FKHM)中欧式距离的平方提出了一种广义模糊K调和均值聚类(GFKHM)算法并将该算法应用于鉴别生菜的储藏时间。以60个新鲜生菜样本为研究对象,采用Antaris Ⅱ近红外光谱分析仪每隔12 h检测生菜的近红外漫反射光谱,共检测三次,光谱扫描的波数范围为10 000~4 000 cm-1。首先用主成分分析(PCA)对1 557维的生菜近红外光谱进行降维处理以减少冗余信息,取前20个主成分,经过PCA处理后得到20维的数据。然后用线性判别分析(LDA)提取光谱数据的鉴别信息以提高聚类的准确率,取鉴别向量数为2,则LDA将20维的数据转换为2维数据。最后以模糊C-均值聚类(FCM)的类中心作为FKHM和GFKHM的初始聚类中心,分别运行FKHM和GFKHM计算模糊隶属度以实现生菜储藏时间的鉴别。结果表明,GFKHM的鉴别准确率能达到92.5%,FKHM的鉴别准确率为90.0%,GFKHM具有比FKHM更高的鉴别准确率。GFKHM的聚类中心比FKHM更逼近真实类中心。GFKHM的收敛速度明显快于FKHM。采用近红外光谱技术同时结合GFKHM,PCA和LDA为快速和无损地鉴别生菜储藏时间提供了一种新的方法。     

808nm大功率准连续LD阵列

采用单量子阱光电分别限制异质结(InGaAsP/GaAs)结构,研制了一种电致冷的大功率准连续激光器阵列,对器件的几个主要参数进行了理论分析.实验结果表明,器件峰值波长为807.6 nm,光谱半宽为3 nm,工作电流为98.7 A时,输出功率达到1 000 W(10个Bar,占空比为2%).     

双层石墨烯的化学气相沉积法制备及其光电器件

石墨烯是一种具有优异性质,在光电及能源领域具有巨大应用前景的二维材料.尽管单层石墨烯具有超高的迁移率,但是它的能带结构具有狄拉克锥(K点),即价带和导带并未有明显分离,所以在半导体器件方面的应用受到一定的限制.由双层石墨烯搭建而成的双门器件,在施加外加电场的情况下,它的带隙可以打开,并在一定范围内可调,这种性质赋予了双层石墨烯在半导体器件应用方面的前景.然而机械或者液相剥离石墨烯,在层数和大小方面可控性较差.如何通过化学气相沉积法可控制备双层石墨烯是目前研究的核心问题之一.本文主要综述了如何通过化学气相沉积法制备双层石墨烯和制备双层石墨烯器件的一系列工作,其中包括最新的研究进展,对生长机理的研究做了详细的介绍和讨论,并对该领域的发展进行了展望.     

茶叶傅里叶近红外光谱的混合模糊极大熵聚类分析

茶作为世界最受欢迎的三大饮料之一,不仅能够提神醒脑,而且还有帮助消化和降低血压等作用。随着人们对茶叶品质要求的日益提高,需要对不同品种的茶叶实现准确的鉴别分析以防止茶叶市场里茶叶品牌名不副实和以次充好等现象的发生。为实现对茶叶快速精准的鉴别分析,设计了一种综合采用傅里叶近红外光谱和新的模糊极大熵聚类（FEC）分析算法的茶叶品种鉴别系统。传统模糊极大熵聚类分析在聚类含噪声数据时,聚类结果往往容易出现错误,即FEC对噪声数据敏感。为解决这个问题,在FEC分析算法的基础上引入可能C均值聚类分析（PCM）,提出了一种混合模糊极大熵聚类（MFEC）分析算法。MFEC可通过迭代计算得到模糊隶属度值,能实现对含噪声的茶叶傅里叶近红外光谱数据的准确聚类分析。首先,使用傅里叶近红外光谱仪（Antaris Ⅱ型）采集岳西翠兰、六安瓜片、施集毛峰三种安徽茶叶的傅里叶近红外光谱数据,光谱波数范围为10 000~4 000 cm-1。其次,对采集到的光谱数据使用多元散射校正（MSC）进行预处理,预处理后先用主成分分析（PCA）将光谱数据维数降至10维,然后再用线性判别分析（LDA）对降维后的近红外光谱数据进行特征提取。最后,通过混合模糊极大熵聚类分析和传统的模糊极大熵聚类分析对三种茶叶的光谱数据进行聚类分析,并对两种聚类分析算法得到的聚类准确率、收敛速度等进行对比分析。实验结果表明：混合模糊极大熵聚类（MFEC）分析算法与传统的模糊极大熵聚类（FEC）分析算法相比较,在相同的权重指数m下MFEC具有更高的聚类准确率。在m=2条件下,MFEC的聚类准确率达到了100%,而传统的模糊极大熵聚类在相同条件下聚类准确率仅为37.98%。MFEC收敛过程中仅需迭代10次即可达到收敛,而FEC需要迭代100次,因此MFEC可以更高效的进行模糊聚类分析,MFEC相比于FEC聚类性能具有明显的优越性。通过傅里叶近红外光谱技术,混合模糊极大熵聚类分析结合PCA与LDA算法构建的茶叶品种鉴别系统能够高效快速的完成对岳西翠兰、六安瓜片、施集毛峰三种茶叶的准确分类,为茶叶检测领域提供了一种创新的方法与设计思路,具有一定的理论价值和良好的市场应用前景。     

模糊非相关鉴别C均值聚类的茶叶傅里叶红外光谱分类

茶是一种让人喜爱的健康饮品,不同品种的茶叶其功效和作用是不相同的。研究出一种可靠、简单易行、分类速度快的茶叶品种鉴别方法具有重要的意义。在模糊非相关判别转换(FUDT)算法和模糊C均值聚类(FCM)算法的基础上提出了一种模糊非相关鉴别C均值聚类(FUDCM)算法。FUDCM可以在聚类过程中动态提取光谱数据的模糊非相关鉴别信息。用FTIR-7600型傅里叶红外光谱分析仪分别采集优质乐山竹叶青、劣质乐山竹叶青和峨眉山毛峰三种茶叶的傅里叶中红外光谱,波数范围为4 001.569～401.121 1 cm-1。先用多元散射校正(MSC)进行光谱预处理,然后用主成分分析法(PCA)将光谱数据降维到20维,再利用线性判别分析(LDA)提取光谱数据中的鉴别信息。最后分别运行FCM和FUDCM进行茶叶品种鉴别。实验结果表明：当权重指数m=2时,FCM的聚类准确率为63.64%,FUDCM的聚类准确率为83.33%;FCM经过67次迭代计算实现了收敛,而FUDCM仅需17次迭代计算就可以实现收敛。用傅里叶红外光谱技术结合主成分分析、线性判别分析和FUDCM的方法能快速、有效地实现茶叶品种的鉴别分析,且鉴别准确率比FCM更高。