相关分析法确定HL-1M装置磁流体的扰动模式

采用相关分析法模拟分析了HL-1M装置的磁扰动模式,模拟的结果同预期的结果一致。在具有磁流体不稳定性的典型放电中,探测到独立模m=2、3、4,耦合模m=2、3,以及同时出现的耦合模m=4、5和独立模m=5,给出了用扰动幅度的极向截面图分析磁扰动模式的结果,讨论了相关分析法在实验分析中的优点和局限性。     

深度神经网络在红外光谱定量分析VOCs中的应用

鉴于浅层人工神经网络(ANN)需要依靠先验知识进行人工提取特征,同时较浅的网络结构限制了神经网络学习复杂非线性关系的能力,将深度神经网络(DNN)应用于利用傅里叶变换红外光谱(FTIR)对多组分易挥发性有机物(VOCs)进行的浓度反演研究,并利用仿真实验验证了算法的有效性。从美国环境保护署(EPA)的数据库中选取了包括苯、甲苯、 1,3-丁二烯、乙苯、苯乙烯、邻二甲苯、间二甲苯、对二甲苯在内的八种VOCs气体在8~12μm波长范围内的吸光度谱,每种气体有四种不同浓度下的谱线,依据Beer-Lambert定律从每种VOCs气体中选择一种浓度下的吸光度谱进行混合,得到65 536种不同的VOCs混合气体吸光度谱样本。随机选择5 000组混合气体的吸光度谱,其中4 000组作为训练样本, 1 000组作为预测样本。通过积分提取和主成分提取对光谱矩阵进行降维预处理,将光谱维度从3 457维降到30维。将光谱矩阵经过预处理后得到的新矩阵作为网络输入,对应八种VOCs的浓度矩阵作为输出,建立了30-25-15-10-8的深度神经网络回归预测模型来实现多组分VOCs浓度反演,反演得到样本的均方根误差为0.002 7×10-6,相比于前人利用非线性偏最小二乘拟合、人工神经网络等方法拟合的精度有了明显的提高。每种VOCs气体的均方根误差均不超过0.005×10-6,每个样本的均方根误差均不超过0.006×10-6,证明了深度神经网络预测模型具有良好的非线性拟合能力和良好的稳定性。当训练样本不足(典型值:小于500)时,深度神经网络无法充分地学习,网络误差较大,精度低于单隐藏层的人工神经网络,但随着训练样本数量的增加,深度神经网络的精度不断提高,当训练样本数充足时,相比浅层的人工神经网络,深度神经网络具有更强的非线性关系学习能力,预测精度更高,模型更为稳定。同时,由于训练前对光谱矩阵进行了降维处理,大大降低了算法的复杂度,有效提高了反演效率。分析表明,深度神经网络预测模型具有良好的非线性拟合能力和良好的稳定性,无需人工提取特征就能够充分学习数据特征,同时对多组分VOCs进行浓度反演并达到较高精度。     

基于黎曼度量张量的各向异性网格划分算法研究

由于实际中某些复杂性工程问题的解具有各向异性的特点, 为采用更少的网格单元数及更好的单元质量来进行有限元分析, 以实现高效求解, 各向异性剖分单元则是一种有效的前处理技术. 因此为生成高质量各向异性网格, 首先在给定黎曼度量的基础上形成各向异性背景网格, 然后通过各向异性Delaunay原则进行边交换, 再基于力平衡实现节点的光滑平顺, 由标准化面积和标准化边长规定节点的添加与删除, 以及节点近似投影的边界约束, 得到一个与具有方向性问题相匹配的网格. 最后通过3个实例验证给出的各向异性网格划分算法的可行性.     

污水处理时微弧放电催化过程中多能场的协同效应

 以Ti为阳极研究了微弧放电对污水的处理效果,发现放电条件下对甲基橙的脱色效果显著. 在H3PO4电解液(0.3 mol/L)中,峰值电压为550 V、 脉冲频率为300 Hz、 占空比为1/180、 阳极电极面积为25 mm×50 mm条件下, 60 min内甲基橙溶液(600 ml, 20 mg/L)的脱色率可达94%. XRD结果显示,放电中Ti阳极上形成的陶瓷层为锐钛矿型TiO2. 光谱结果表明,电极表面微弧的波长为300～350 nm. 这说明该放电体系中存在光催化、电催化和类似超声的冲击波催化的反应条件. 以Ti阳极陶瓷层为催化剂进行的对照实验表明,单独进行光催化、电催化和声催化反应对甲基橙溶液的脱色效果不明显. 通过机理分析认为, Ti阳极上的微弧放电是以等离子体催化为主要作用方式,并在放电环境中形成多能场的协同作用,实现对有机物降解.     

低雷诺数下的Ahmed模型绕流流场结构分析

基于较低雷诺数(1.48×104)条件下的Ahmed模型水洞实验,采用大涡模拟的方法研究了Ahmed模型绕流非定常流场,通过流场时均流线分布及相关频谱特性分析了Ahmed模型外部绕流流场的涡系结构特点及其演化过程,并绘制出该模型的外部流场拓扑结构图.结果表明,Ahmed模型顶部涡与侧向涡是模型前端来流发生了分离卷曲而形...     

从原子到分子和细胞的电感耦合等离子体质谱绝对定量分析

原子通过化学键的链接形成分子,分子组装成生命的基本单元——细胞,细胞进而构成形态各异纷繁复杂的生命体.本文综述了近20年来本课题组采用电感耦合等离子体质谱开展针对关键元素、分子和细胞的分析方法学研究进展.     

基于大跨度桥梁健康监测方法研究

桥梁健康监测和养护已成为国内外相关领域的研究热点.本文详细地介绍了桥梁健康监测系统的具体构成,并对桥梁的安全评估模型进行了全面的理论分析.     

Ba/Mg 比值对(BaxMg)2/(x+1)Al10O17∶Eu2+晶体结构和发光特性的影响

采用溶液燃烧法在600℃成功合成了(BaxMg)2/(x 1)Al10O17∶Eu2 (0.6≤x≤1.2)蓝色荧光粉,着重研究了基质阳离子Ba/Mg比值的变化对其晶体结构及发光特性的影响。结果表明,合成的产物为纯相,且随Ba/Mg比值的增加,样品的晶格参量逐渐增加;当Ba/Mg比增加时,发射光谱的强度明显增强,至Ba/Mg为0.9时达到最大值,然后随Ba/Mg比继续增大,发射光谱的强度反而下降;Ba/Mg比值减少,导致基质的晶场增强和电子云膨胀效应的发生,致使Eu2 发射主峰向长波方向移动。Eu2 的掺杂浓度对样品的发光性能有显著的影响,随Eu2 浓度增大,发光中心增多,Eu2 离子间相互作用增强,能量传递加快,发光强度逐渐增大,并达到一个最大值。此后,随Eu2 的浓度进一步增加,Eu2 之间的能量传递速率将超过发射速率,呈现浓度猝灭特性。     

功率谱估计在超声波桩检中的应用研究

公路桥梁桩基施工中,利用超声波检测施工质量是有效的手段,但如果耦合面不好,测得的反射波将不能直观读出。采用现代功率谱估计技术,对测量信号处理后的效果比较理想。     

基于回顾蒸馏学习的无监督工业品缺陷检测方法

在自动化工业生产环境中高效地完成产品质检是生产过程中的重要任务之一,提出一种基于回顾蒸馏学习的无监督工业品缺陷检测方法（Retro-KD）.首先,针对缺陷产生的未知性问题,采用无监督的方式训练蒸馏学习模型,同时,为了充分地利用蒸馏学习中的信息传递机制,利用中间层特征提取模块完善教师网络中的特征架构;其次,提出迭代信息融合模块,回顾地传递中间层信息,指导学生网络拟合正样本特征分布,放大缺陷样本差异性;再引入相似性度量（Structural Similarity,SSIM）,增强教师与学生网络在图像空间中的相似度;最后,采用基于梯度变化的缺陷分割方法得到像素级的定位图.在MVTec-AD和Magnetic-Tile两个工业数据集上验证了该方法的有效性,其AUROC(Area under ROC)与ACC(Accuracy)指标分别提升了1.9%与1.3%.