基于虚拟深度的聚焦型显微光场相机深度测量标定

针对聚焦型显微光场相机在内部光学参数未知的情况下,进行了基于虚拟深度的深度测量标定。首先基于高斯光学建立光场成像模型,推导出虚拟深度与实际深度间的函数关系。然后选择单一角点的标定板,在不同深度位置进行拍摄;该角点在多个宏像素中重复成像,相邻重复像点的间距随深度位置改变而变化;利用图像匹配的方法计算相邻重复像点的距离和虚拟深度值,并与实际深度一一对应进行曲线拟合。根据拟合结果,分析了不同深度位置下,该光场成像系统的深度测量分辨率。最后,通过拍摄已知倾角的倾斜棋盘格标定板,进行深度测量并分析测量误差,在主镜头工作距离靠近镜头方向2 mm(10倍景深)范围内,测量误差小于5.35%。     

乙醚在亚/超临界环境下喷雾燃烧及其产物

为了探究亚/超临界环境下燃料在定容燃烧弹内的燃烧过程及其产物,采用高压共轨燃料喷射系统试验台和单次喷射仪进行燃料供给。通过高速相机和阴影仪进行图像数据的采集,利用烟气分析仪进行燃烧产物的收集测量。试验结果表明:乙醚的燃烧火焰呈现较明亮的球状。在临界压力点时,喷雾燃烧贯穿距最短,火焰面积最小。乙醚喷雾燃烧后,一氧化碳(CO)的生成量随环境压力的升高而连续下降,碳氢化合物(HC)的生成量则在临界压力处出现突变。燃烧火焰特性和产物生成规律所呈现的差异性,主要是由于亚/超临界环境下燃料的物性参数和破碎蒸发机理的不同。     

相对模糊利率下的带投资的风险模型

考虑保费、理赔额与模糊利率之间存在隶属函数,建立了部分初始资金进行投资的相对模糊利率风险模型,得到了该模型最终破产概率的一般表达式和破产概率的上界.该模型符合保险公司的实际运营情况,可为保险公司有效控制破产风险提供理论依据.     

EAST������ڴų�ģ�͵Ľ�������֤

利用毕奥萨伐尔定律,通过对EAST内部等离子体电流的运动状态的研究,建立了EAST内部的磁场数学模型,并利用Matlab对实验数据的拟合分析,对模型进行了分析验证.通过误差分析,进而改进模型,研究表明改进后的模型与实验数据能较好吻合,误差较小.相关研究和结论对托卡马克真空室内磁场测量具有一定的指导意义,为进一步研究基于MEMS技术的超导托卡马克装置电磁测量诊断系统的微纳磁敏传感器奠定理论基础.     

多级结构Ni@CuS复合物的合成及在提高催化还原4-硝基苯酚性能方面的应用

三种多级结构花状硫化铜通过水热法,利用纳米薄片自组装形成.加入有机分子聚乙烯吡咯烷酮或1, 3, 5-均苯三甲酸调控其片层密度.产物作为基板生长镍纳米颗粒.通过环境扫描电子显微镜(SEM), X射线衍射(XRD),透射电子显微镜(TEM)等对这种复合物的结构进行表征.利用紫外-可见吸收光谱,研究了产物作为催化剂催化还原4-硝基苯酚的性能.结果表明,长在具有最稀疏片层的样品(Ni@SUB2)上的镍纳米颗粒(NiNPs,直径5 nm左右)具有超低负载量,为0.469% (w). Ni@SUB2在三种Ni@SUB复合物中具有最好的催化性能.还原4-硝基苯酚的反应中, 4-硝基酚初始浓度为0.2 mmol·L^-1时Ni@SUB2在4 min中内转化率可以实现100%,而等量的纯Ni纳米颗粒转化率只有43%.增强的催化性能可以归结为镍纳米颗粒在硫化铜基板上得到良好分散,可以提供更多催化位点.同时硫化铜基板不溶于水,可以通过离心的方式回收催化剂,有利于环境保护.     

新型BiO1.8·0.04H2O纳米颗粒的快速合成及其光催化活性去除NOx污染物的性能研究

以硝酸铋为前驱体,通过一步沉淀法在室温下反应1h合成了BiO1.8·0.04H2O纳米光催化剂.通过XRD,SEM,TEN,XPS和紫外可见漫反射等研究了催化剂的物理化学性质.合成的BiO1.8·0.04H2O纳米颗粒具有孔径为14.8 nm的介孔结构,禁带宽度为3.05 eV.BiO1.8·0.04H2O纳米颗粒被用来去除气相污染物NOx,并表现出良好的光催化活性,超过了Bi2O3和TiO2(P25)的光催化活性.通过活性的循环测试可知,该光催化剂具有良好的稳定性.本研究能为低温合成铋基光催化剂提供一种新颖而简单的方法.     

基于卷积神经网络的布料疵点检测方法

针对传统布料疵点检测准确率低、识别较慢且计算量大问题,提出基于卷积神经网络的布料疵点检测方法,实现增强布料疵点检测鲁棒性、高效性的设计目标。为保证训练结果准确,首先采集数量以千万级为单位的布料图像并进行图像预处理,标记无疵点布料和疵点布料;然后将图像送入设计的卷积神经网络进行训练和测试,获取疵点检测框;紧接着采用改进的NMS分类算法对检测框进行多框合并,减少误检,进一步提高模型检测效果;最后利用设计的特征图分割算法使网络模型脱离GPU显存限制,适用于各种性能计算机。实验结果表明该方法可在实现布料检测高速度、高准确率的同时增强检测方法的鲁棒性。实际检测速度为3fps,准确率可达99.6%,超过现有疵点检测算法,表明该检测方法可应用于对布料要求更高的生产企业。     

基于主成分分析和极端学习机的测谎方法研究

为了克服当前基于P300的测谎方法训练时间长、个体识别准确率不够高的缺点,提出了将主成分分析(Principal component analysis, PCA)和极端学习机(Extreme Learning Machine,ELM) 相结合的PCA_ELM测谎方法.该方法使用典型的三刺激测谎范式,记录30名随机划分的撒谎和无辜者在Pz电极上的脑电(EEG)信号, 选择探针刺激响应并对每名受试者的每5个响应波形进行平均,然后对两类信号提取小波特征.PCA被用于对原始特征空间进行特征选择.降维后的特征样本被送到ELM分类器,该分类器学习速度快,泛化能力强,但是对于其隐层节点数的指定一直未有有效的解决方法.我们通过对特征子空间的维数和ELM的隐层节点数进行二维的网格搜索算法,基于交叉验证的方法,对两个参数进行同步优化选择,训练得到最佳参数下的分类模型.实验结果表明,提出的PCA_ELM方法不仅在训测谎准确率上高于当前的广泛使用的分类模型,而且训练时间大大缩短,尤其适合于在线的测谎系统.     

Li3N-hBN体系中引入调节剂对合成cBN的影响

引入调节剂是一种改善立方氮化硼生长环境的重要手段. 本文中,我们研究了在Li3NhBN体系中引入调节剂对合成立方氮化硼的影响. 研究发现,调节剂的引入对立方氮化硼成核有明显的影响,并且通过光学显微镜可以明显发现调节剂曾有溶融的迹象,认为是调节剂在高温高压下发生溶解,改变了立方氮化硼生长溶液的性质,为立方氮化硼的生长提供了良好的生长环境,改变了立方氮化硼的生长速度,使晶体形貌得到了明显的改善. 通过电镜分析,发现调节剂含量的不同给晶体带来了不同的缺陷.