Bi_2WO_6/Bi-TiO_2复合光催化剂的制备及催化氧化甲醛性能研究

研究采用水热法制备了花状Bi_2WO_6与TiO_2和Bi-TiO_2相复合的光催化剂,并使用新型LED节能灯为光源催化氧化室内甲醛.研究发现,粉末态Bi_2WO_6显示出花状结构,但无光催化氧化活性,而将Bi_2WO_6粉末与TiO_2和Bi-TiO_2复合后,两者相互作用所形成异质结结构形态,尤其Bi_2WO_6/Bi-TiO_2催化剂,所制样品展示出更佳的催化氧化活性,而经浸渍法所得样品几乎无光催化氧化活性,催化剂随着TiO_2和Bi-TiO_2含量的增加,复合催化剂显现出不尽相同的氧化活性规律,其中Bi_2WO_6与Bi-TiO_2质量比为1∶2样品表现最佳,36 h催化氧化甲醛转化率高达92.2%,甲醛浓度低于我国居室空气中甲醛最高容许浓度,且催化剂显示出良好的稳定性及重复性.     

高速铁路钢-混凝土组合梁的损伤识别

以某高速铁路桥梁钢-混凝土结合梁模型为例,模拟多种损伤情况,分别运用以固有频率、振型、曲率模态为识别指标的方法进行损伤识别.通过对模型的无阻尼自由振动分析研究损伤指标与损伤之间的关系;以模型不同部位抗弯刚度的折减模拟不同程度的损伤.研究结果表明,固有频率及振型能反映结构的整体性能,但很难判断损伤位置;曲率模态对局部损伤较为敏感,损伤定位比较准确.     

基于scan-buffer三维不规则数据场的直接体绘制技术

针对三维有限元模型不规则数据场的特点 ,在直接体绘制算法的基础上 ,提出了一种基于scan buffer、适合多种有限元单元类型的算法 ,讨论了数据场到密度场不同的映射函数对绘制效果的影响 ,提出了适合于有限元数据场的几种映射模型     

离散非线性混沌系统的多步小反馈控制

提出了离散非线性混沌系统的多步小反馈控制方法,在离散非线性系统混沌区域中利用多步小反馈控制方法,可以在混沌区域中得到稳定的周期解.     

一种二维不稳定流形的新算法及其应用

提出了连续时间系统二维(不)稳定流形的一种新数值算法,不但可以快速地求得流形的直观图像,而且能够准确地获取流形上各点的位置、时间、轨道距离等丰富的信息,从而有利于人们从几何上去研究系统的全局行为,如边界特征、演化过程、奇异环等等.本算法首先通过解初值问题求出均匀分布的相邻轨道,然后连接这些轨道既得流形面.Lorenz系统原点的稳定流形的计算表明本算法快速有效.此外,通过试着寻找异宿轨道,还研究了一个三维神经网络中的混沌产生机理.     

复杂拓扑电力线故障信道建模方法

现有电力线故障信道研究主要致力于单根线缆的软故障、硬故障、擦伤故障,对于复杂拓扑下的电力线故障信道建模研究基本还处于空白.针对不同的拓扑结构、电力线种类、故障类型,需要通过一种行之有效的方法将电力线传输特性、拓扑结构节点分布特性、故障特性串接成方便计算机处理的有机整体.基于图论知识实现任意复杂拓扑结构的电力线故障信道响...     

电厂脱硫系统检修过程中存在问题及解决措施分析

对电厂中石灰石-石膏湿法的烟气脱硫系统运行过程中有可能会场出现的吸收塔溢流问题、系统结垢堵塞问题、石膏脱水困难等一系列问题进行详细地阐述与分析,并且对电厂脱硫系统检修过程中存在的问题以及产生原因进行总结与分析,并且针对相关问题提出有效地解决方案。     

基于Android平台的一种保护隐私的即时通讯工具的设计与实现

在移动互联网飞速发展的今天,即时通讯工具已经成为人们生活和工作中不可或缺的工具。但是,国内外主流的即时通讯工具依然面临着两大主要问题。一个是基于不同协议的软件的互联互通问题,另一个是日益严峻的即时通讯的安全性与隐私性问题。为了从根本上解决问题,针对即时通讯工具的特点进行了深入分析,最终设计并实现了一款基于安卓平台上更具安全性、更实用、用户体验更好的即时通讯工具SecretChat。本工具采用开放的XMPP通讯协议,并在XMPP上实现OTR安全协议。经过系统测试,系统具备稳定性并且具有良好的互联互通性能和隐私保护功能。     

基于快速匹配算法的虚拟线圈设计

介绍了虚拟线圈的作用及工作原理,详述了运动矢量及快速匹配算法在虚拟线圈设计中的使用步骤,并以车辆越过停止线的违章检测为例,说明了虚拟线圈的设置过程．     

改进的Alexnet模型在水稻害虫图像识别中的应用

深度学习技术能以端对端方式实现农作物害虫识别,克服了传统机器学习方法特征选择具有主观性以及提取特征操作繁琐等不足,但识别的准确率和鲁棒性仍有待提高。为了研究出一种快速,高效的水稻害虫识别方法,本研究以稻纵卷叶螟、三化螟、稻蝗、稻飞虱4种常见的水稻害虫为研究对象,对传统的卷积神经网络Alexnet进行优化改进。首先从自然环境以及搜索引擎上获取4种不同的水稻害虫图像,并对图像进行数量扩增和细节增强预处理。然后对传统的卷积神经网络Alexnet进行优化改进,在Alexnet模型基础上,去除原有局部响应归一化层,在每一个卷积层后加入批归一化层,并采用全局平均池化和激活函数PReLU对模型结构进行优化。结果表明:改进后的模型在害虫数据集上的识别率不低于98%,相比于原网络提升了1.96%,高于LeNet5、VGG13、VGG16等传统网络;改进后的模型的损失值稳定在0.03附近,相比于原网络降低了0.1,均低于LeNet5、VGG13、VGG16等传统网络。从实验结果来看,改进后的方法在水稻害虫分类上有较高的识别率和较好的鲁棒性,可以为农作物害虫的智能识别提供了新的思路和方法。