模型飞行验证系统测控与信息传输技术研究

模型飞行验证系统是为更加有效地开展模型自由飞试验研究而设计的通用试验系统,测控(TT C)与信息传输系统是其信息保障的核心。本文在充分考虑模型自由飞试验特点的基础上,重点研究了模型飞行验证系统研制过程中的测控与信息传输技术,介绍了其工作原理及实现方法,并对部分结果进行分析。     

机器人控制系统关键模块的形式化验证

随着机器人应用在越来越多的领域,人们对其安全性的要求越来越高,作为机器人的核心,控制系统设计的可靠性对整个系统的安全至关重要;针对一种模块化设计的机器人控制系统架构,利用xMAS(eXecutable MicroArchitecture Specification,可执行微架构描述)模型在定理证明器ACL2中对其功能正确性进行验证,首先对Xmas在ACL2中的形式化理论做了阐述,然后对该机器人控制系统中的加速度传感器数据采集模块建立xMAS模型,提取关键属性并进行验证;将xMAS模型和定理证明器ACL2相结合,可以很好地解决机器人控制系统的验证问题,为机器人控制系统的形式化验证提供一个有效的方法参考。     

基于Petri网的电力系统监控数据多点校核方法

由于人为误操作和数据库系统异步因素,电力系统监控数据存在错误风险,需要对监控数据进行多点校核来保障其一致性和正确性,可靠的监控数据保证电力系统的安全运转;然而多点校核业务流复杂且对数据精度要求高,目前的人工校核方法不仅成本高,且精度和效率低,不能保证整个监控数据的实时校核工作;为自动化监控数据多点校核过程,需要对整个业务流建模,针对该问题,提出一种基于Petri网的监控数据多点校核动态建模方法;首先将监控系统的校核业务背景形式化Petri网中的具有不同约束的节点;然后使用工作流Petri方法对校核的业务流程进行形式化定义、并将该业务流程用Petri网建模成为网状模型;最后,针对该模型提出一种化简技术对其进行化简,并证实该化简方法的有效性和该模型能拟合监控数据多点校核的整个流程。     

用氨基酸加和法计算多肽的脂水分配系数

Based on amino acid addition model, a set of hydrophobicity contributions of amino acids was obtained from the multivariate linear regression analysis of peptides' octanol/water partition coefficients. Multivariate regression was performed on a training set of 219 peptides including dipeptides to pentapeptides which we compose 21 natural amino acids. The correlation coefficients for the whole set fitting are 0. 978 and 0- 974, for log P and log D respectively. In addition, a new test method -evolution test-for regression analysis was discussed. The result of evolution test for amino acid addition model shows the advantage of this new test method.     

基于迭代算法A的海水盐度能力验证结果分析

为评价海洋检验检测机构海水盐度检测能力,国家海洋标准计量中心设计并实施了2020年度海水盐度能力验证计划,制备能力验证样品并开展均匀性检验。本次能力验证采用双样品以随机组合形式发放,利用迭代算法A对62家实验室提交的能力验证数据进行统计分析处理,合理确定指定值及其不确定度,将能力验证数据转化为能力统计量,根据Z比分数评定各参加实验室能力验证结果。结果显示,双样品全部“满意”的实验室有52家,占85.5%,有3家实验室能力验证结果“不满意”,6家实验室能力验证结果“有问题”。“不满意”和“有问题”的实验室共占14.5%。本次能力验证数据的频率分布接近正态分布,通过开展双样品联合置信概率分析和仪器类型统计分析,与往年能力验证结果“满意率”进行比较,绝大多数实验室海水盐度检测能力良好,个别实验室仍需加强海水盐度检测能力建设和内部质量控制。     

电感耦合等离子体质谱(ICP-MS)法测定葡萄酒中的铜、镉、铅

建立了电感耦合等离子体质谱(ICP-MS)法直接测定葡萄酒中铜、镉、铅含量的一种快速、灵敏、准确的定量方法。采用微波消解及直接进样技术比对,结果表明,以钪(Sc)、铟(In)、铽(Tb)为内标元素,消除基体干扰及仪器漂移。在选定的仪器条件下,直接进样,外标法定量,相对标准偏差小于3%,加标回收率在86.4%~100%,精密度和准确度都能满足测定要求,成功用于能力验证样品的测定,结果令人满意。     

CNAL/T0086水溶液pH值测定能力验证分析

2003年5～8月期间,中国实验室国家认可委员会组织了CNAL／T0086水溶液的pH值测定能力验证。本次能力验证由中国实验室国家认可委员会组织,国家标;住物质研究中心负责协调及实施。能力验证的目的是评价各实验室水溶液pH值测定的测试能力和测试水平。对测试结果的统计采用方便并为国际和区域承认的方法——稳健统计法,根据Z比分数评判各实验室的测试结果。     

能力验证及其评价

The definitions, purposes and uses of proficiency testing and interlaboratory comparison were expounded in detail. Main types of proficiency testing were illustrated. Special emphases were made on the organization, practice and evaluation of the planning of proficiency testing. Related policies about proficiency testing given by the China National Accreditation Board for Laboratories （CNAL） were also briefly introduced.     

一种基于卷积神经网络的恒星光谱快速分类法

恒星光谱数据的分类是天体光谱自动识别的最基本任务之一,光谱分类的研究能够为恒星的演化提供线索。随着科技的发展,天文数据也向大数据时代迈进,需要处理的恒星光谱数量越来越多,如何对其进行自动而精准地分类成为了天文学家要解决的难题之一。当前恒星光谱自动分类问题的解决方法相对较少,为此本文使用了一种基于卷积神经网络的方法对恒星光谱MK系统进行分类。该网络由数据输入层、四个卷积层、四个池化层、全连接层、输出层构成,与传统网络相比具有局部感知、参数共享等优点实验。在Python3.5的环境下编程,利用Tensorflow构建了一个简单高效的具有四个卷积层的卷积神经网络,并将Dropout作用于全连接层之后以防止过度拟合。Dropout的基本思想：当网络模型进行训练时,把一些神经网络节点按一定的比例丢弃,使其暂时不发挥作用。Dropout可以理解成是一种十分高效的神经网络模型平均方法,由于它不依赖于某些局部特征所以能够让网络模型更加鲁棒。实验中使用的一维恒星光谱图是取自LAMOST DR3数据库,首先进行预处理截取光谱3 600~7 300 Å的部分,均匀采样后使用min-max标准化法对其进行初始化。实验包括两部分：第一部分为依据恒星光谱MK系统对光谱进行分类,每一类的训练样本包含1 000条光谱数据,测试样本为400条光谱数据,首先通过训练样本对CNN网络进行训练,进行3 000次的迭代,用训练后的网络将测试样本进行分类以验证网络的准确性;第二部分为相邻两类的恒星光谱的分类,其中O型星数据集样本为250条光谱,其余类别恒星样本数据集均为4 000条光谱,将数据5等分,每次选取当中的一份当作测试集,其余部分当作训练集,采用5折交叉验证法求得模型准确率,用BP神经网络进行对比实验。选择对网络模型进行评估的指标包括精确率P、召回率R、F-score、准确率A。实验结果显示CNN在对六类恒星光谱进行分类时其准确率都在95%以上,在对相邻类别的恒星进行分类时,由于O型星样本量较少,所以得到的分类结果不太理想,对其余类别的恒星分类准确率都高于98%,以上结果都证明了CNN算法能够很好地解决恒星光谱的分类问题。     

一种拓宽凸球面压电换能器指向性的方法

利用有限元和边界元耦合的方法对涂环氧树脂后的压电陶瓷凸球面换能器进行了指向性仿真计算,发现这种形式的换能器具有较宽的指向性开角。实验测量结果证明了上述结论。