温度对石墨电极性能的影响

运用电化学阻抗谱(EIS)并结合循环伏安法(CV)研究了石墨电极25和60 ℃时在1 mol·L-1 LiPF6-EC(碳酸乙烯酯):DEC(碳酸二乙酯):DMC(碳酸二甲酯)电解液中, 以及60 ℃时在1 mol·L-1 LiPF6-EC:DEC:DMC+5%VC(碳酸亚乙烯酯)电解液中的首次阴极极化过程. 发现高温下(60 ℃)石墨电极在1 mol·L-1 LiPF6-EC:DEC:DMC电解液中可逆循环容量衰减的主要原因在于其表面无法形成稳定的固体电解质相界面(SEI)膜. 实验结果显示, VC添加剂能够增进高温下石墨电极表面SEI膜的稳定性, 进而改进石墨电极的循环性能.     

基于协方差变换的INS/DVL全球组合导航算法

横坐标系下设计的惯性/多普勒测速仪(INS/DVL)组合导航滤波器可以满足无人潜航器(AUV)极区导航的需要,但在AUV进入、离开极区时导航坐标系的切换会引起滤波器结构变化,使系统的误差状态参数估计值产生震荡,影响导航精度。针对此问题,提出了基于协方差变换的INS/DVL全球组合导航算法,设计了横地理坐标系下的INS/DVL组合导航滤波器,并推导建立了地理坐标系与横地理坐标系下滤波器系统误差状态及其协方差矩阵的转换关系。AUV进入、离开极区过程中,导航坐标系切换时同时完成导航参数、滤波器参数的转换。通过船载实验与半实物仿真实验对所提算法的有效性进行了验证,结果表明：在导航坐标系切换过程中,协方差变换算法能够有效改善滤波器估计值不稳定问题,相比于无协方差变换,导航参数震荡误差减小50%以上,提高了组合导航系统稳定性。     

Growth of high quality InSb thin films on GaAs substrates by molecular beam epitaxy method with AlInSb/GaSb as compound buffer layers

A series of In Sb thin films were grown on Ga As substrates by molecular beam epitaxy(MBE).Ga Sb/Al In Sb is used as a compound buffer layer to release the strain caused by the lattice mismatch between the substrate and the epitaxial layer,so as to reduce the system defects.At the same time,the influence of different interface structures of Al In Sb on the surface morphology of buffer layer is explored.The propagation mechanism of defects with the growth of buffer layer is compared and analyzed.The relationship between the quality of In Sb thin films and the structure of buffer layer is summarized.Finally,the growth of high quality In Sb thin films is realized.     

丁基黄药在金属负载石英砂中的迁移特性

针对有色金属采选场地存在重金属与残留选冶有机药剂复合污染问题，本文以丁基黄药(butyl xanthate, BX)为代表，基于饱和砂柱迁移实验和数学模型，分析了BX在石英砂、覆铁砂和覆铁铜砂中的迁移规律.结果表明，石英砂表面负载Fe量为0.07 mg/g时，BX迁移的回收率从89.8%下降至45.3%,并且负载Fe量每增加一倍，BX迁移回收率平均下降41.5%.在覆铁砂上继续负载氧化铜，BX与Cu²⁺之间反应生成CuBX,在负载Cu量0.010～0.055 mg/g时完全抑制了BX在介质中的迁移.     

基于梯度惩罚生成对抗网络的过采样算法

在不平衡数据分类问题中，为了更注重学习原始样本的概率密度分布，提出基于梯度惩罚生成对抗网络的过采样算法（OGPG）。该算法首先引入生成对抗网络（GAN），有效地学习原始数据的概率分布；其次，采用梯度惩罚对判别器输入项的梯度二范数进行约束，降低了GAN易出现的过拟合和梯度消失，合理地生成新样本。实验部分，在14个公开数据集上运用k近邻和决策树分类器对比其他过采样算法，在评价指标上均有显著提升，并利用Wilcoxon符号秩检验验证了该算法与对比算法在统计学上的差异。结果表明该算法具有良好的有效性和通用性。     

基于一维倒残差轻量级网络的无人机个体识别方法

在无人机的个体识别问题中，针对传统的识别方法存在网络模型参数量大和算法时效性差等问题，提出基于一维倒残差轻量级神经网络(1D-IRLNN)的无人机个体识别方法。首先提取反映无人机个体间差异的I/Q包络一维特征作为无人机的浅层特征；其次将深度可分离卷积与倒残差结构等设计思想和一维神经网络模型相结合，设计出跳跃级联的一维倒残差轻量级神经网络；最后利用网络模型提取一维I/Q包络数据中的深层特征，从而实现对无人机个体的快速准确识别。实验结果表明，1D-IRLNN模型的计算量分别是同等体量的深度模型1D-CNN与1D-ResNet的305%和238%，网络模型规模分别是深度模型1D-CNN与1D-ResNet的387%和297%，所提方法相较于其他方法，在保持较高识别准确率的同时具有更快的识别速度且占内存更小。     

融合多尺度特征和子空间注意力的黏膜下肿瘤检测

计算机辅助检测工具可以帮助医生减少在临床检查中漏检误检的情况，从而提高诊断准确度，同时减轻医生的劳动强度。针对超声胃肠镜检查中黏膜下肿瘤的定位与分类问题，提出了一种融合多尺度特征和子空间注意力的黏膜下肿瘤检测算法(MFSA-YOLOv7t)。首先，移除小目标预测头，在保证精度下使网络轻量化；然后，基于浅层特征提出多尺度特征融合模块，提取肿瘤细节信息；其次，改进上采样结构，在保留上层信息的同时增强感受野；最后，引入子空间位置注意力模块，捕获肿瘤的位置和边界特征，进一步提升黏膜下肿瘤的检测性能。实验表明，MFSA-YOLOv7t在平均精度均值、敏感度以及准确度上分别达到97.32%，96.99%和96.24%，相比YOLOv7-tiny算法检测性能有较大的提升，分别提高了2.39%，2.75%和2.59%。MFSA-YOLOv7t为医生在临床检查中的辅助诊断提供更加可靠的肿瘤类型参考，同时为黏膜下肿瘤的检测提供了一个新的思路和研究方向。     

基于双惯导系统协同的全参数在线标定算法

针对外场环境下没有准确外界参考信息时惯导系统的标定问题，提出了一种基于双惯导系统协同的全参数在线标定算法，其中惯导1为正常工作的双轴旋转惯导系统，惯导2为待标定的具备双轴转位机构的惯导系统。不依靠外界基准信息，在保证惯导1独立工作的前提下，以两套惯导间的相对速度、相对位置作为状态约束观测，利用卡尔曼滤波对惯导2的全误差参数进行标定。通过蒙特卡洛仿真、实物实验和不同时段的协同标定实验对算法的有效性进行了验证，结果表明：在船载冗余惯导系统协同标定的条件下，所提算法对惯导2陀螺标度因数的标定精度优于0.2 ppm (1σ)，加速度计标度因数的标定精度优于0.6 ppm (1σ)，安装误差的标定精度优于1.5"(1σ)；惯导2的标定精度不受惯导1绝对误差的影响，在运动状态下也能进行自主标定。     

联合稀疏和低秩表示的医学超声图像去噪

为了保持超声图像的边缘和细节特征，同时去除图像中的噪声，提出了一种改进的低秩稀疏矩阵分解模型。首先，通过对数变换将乘性性质的斑点噪声转换为加性噪声；然后引入L1范数和改进的低秩正则项，以最小化保真项、正则项为目标函数，迭代恢复出去噪后的超声图像；最后使用指数变换从对数域中还原。将本模型应用于肿瘤超声图像，与一些经典的去噪算法进行比较，得出该模型对消化道粘膜下肿瘤超声图像去噪估计具有良好的适用性和实时性。