啮齿类实验动物手术隔离器内气流分布影响因素研究

以啮齿类实验动物手术隔离器为研究对象,采用CFD模拟软件模拟分析不同送风方式和换气次数下手术隔离器内的气流分布情况,寻求最佳送风方式和换气次数。综合分析温度场、速度场及洁净度,研究结果表明：相同换气次数下,矢流方式优于上送上排方式,更有利于污染物及时排出,有效提高隔离器内环境的洁净度;同时为避免隔离器内风速过大或存在静止区,影响动物的舒适性,推荐换气次数60次/h,饲养笼盒放置远离隔离器排风口,隔离器内笼盒放置距底面<0.4 m。     

二甲基甲酰胺中电沉积制备钐钴合金

稀土;恒电位电沉积;柠檬酸;二甲基甲酰胺中电沉积制备钐钴合金     

含集中质量悬臂输流管的稳定性与模态演化特性研究

本文主要研究通过调控集中质量对悬臂输流管稳定性和振动模态特性的影响规律,为输流管动力学性能的可控性提供理论指导和实验依据. 首先基于扩展的哈密顿原理,建立了含集中质量悬臂输流管的非线性动力学理论模型. 基于线性动力学特性分析,研究发现集中质量沿管道轴向位置变化对输流管发生颤振失稳的临界流速有重要影响.并通过伽辽金前四阶模态截断处理线性矩阵方程式,定性地分析了集中质量位置与质量比的变化对于输流管稳定性影响的变化.实验结果表明, 输流管的颤振失稳模态随集中质量位置的变化发生了转迁. 此外,基于动力学理论分析, 发现集中质量比值对失稳临界流速也有重要的影响,且主要取决于集中质量的安装位置. 基于非线性特性,进一步分析了集中质量对输流管振动幅值的影响. 实验和理论研究发现,集中质量位置从固定端向自由端变化时, 输流管振幅表现出先增大后减小趋势,且振动模态也从二阶转迁到三阶.本研究有望为输流管振动驱动应用提供理论支撑与指导意义.      

颗粒流的动力学模型和实验研究进展

首先叙述了颗粒流研究的背景和基本概念,接着概述了颗粒流动力学研究的三种基本数学力学模型:颗粒动理论(kinetic theory)模型、摩擦塑性模型和离散元模拟模型.介绍了它们的基本原理,并分析了各个模型的优缺点和适用范围.随之,对颗粒流的实验研究情况作了简要的介绍,列举了研究中几种常用的试验方法和观测手段,以及观测到的一些典型现象.最后,我们简述了颗粒流研究的主要困难,并提出了某些有待解决的研究课题.      

滚滑工况弹流反常温度场的研究

研究了弹流反常温度场的形成机理及影响因素，指出入口温升是压缩功发热和逆流剪切热所致，而出口局部低温是负压缩功吸热的结果，出口温度的再次微幅上升则是压缩功消失后剪切热作用的结果．研究结果表明，入口温升随载荷的增加而增大，随卷吸速度的增加显著升高而几乎与滑滚比无关；在高速小滑滚比工况下，接触区的最高温度有可能出现在入口位置；入口温升增加了材料在工作中经受高温的次数，对其接触疲劳寿命有不利影响；在保证润滑性能的前提下，适当减少供油量可以减小逆流，从而降低入口温升。     

纳米二氧化硅水溶胶成膜特性研究

研究了纳米SiO2水溶胶的固液二相流成膜特性．结果表明，水溶胶中的Si02固体颗粒的粒径及质量分数对粘度的影响较小，对成膜能力和承载能力的影响较大；在薄膜润滑阶段，固体颗粒的粒径和质量分数对润滑状态的稳定性具有一定的影响，随着速度的增加，液体膜厚度逐渐增大，固体颗粒对液体润滑膜稳定性及性能的影响逐渐减弱；在弹流润滑阶段，固体颗粒的影响很小。     

流密码分析方法研究综述

研究密码分析方法对设计密码算法至关重要。鉴于此,回顾了目前主要的流密码分析方法,研究了流密码分析方法的分类与联系,从主要技术特点的角度将其分为基于相关性质、差分性质、代数方程组和时间存储数据折中这4种类型,分别阐述了各分析方法的基本原理、主要技术及相关研究进展,并概括了其主要特点。此外,对流密码分析方法未来的发展方向进行了展望。     

索贝TS码流多通道收录服务器——大大降低采集成本

随着新媒体业务的快速发展,TS码流节目收录已成为内容提供商和内容运营商获得节目、素材和进行节目交流的重要手段.索贝最新一代TS码流多通道收录服务器具有多路MPTS码流并发采集、DVB Over IP码流采集、边采边转、边采边编等特点,能较好的满足用户对TS流节目收录系统全数字化、智能化工作的需求.     

改进的XGBoost杂散电流预测及可解释模型

为了解决影响地铁轨道的杂散电流特征众多,常规特征选择方法影响模型预测精度及模型结果可解释性差的问题,提出基于最优特征改进极端梯度提升（XGBoost）的杂散电流预测模型。利用遗传算法的灵活性和较强的搜索能力,在包含原始V个特征的集合中逐代寻找使目标函数均方误差（MSE）最小的前M个特征,建立最优特征选取方法下的杂散电流预测模型（OFS-XGBoost）。同时为了解决OFS-XGBoost模型预测结果较好,但是黑箱模型对预测结果解释性不足的问题,提出基于SHAP理论的归因分析框架,根据杂散电流特征样本的边际贡献,以易于理解的的方式显示特征集合对模型预测结果的影响,提高模型可解释性。结果表明：所提模型的预测误差仅为1.684%,低于相同优化策略下的随机森林、反向传播（BP）神经网络等预测模型;基于SHAP值的归因分析方法可以从全局与个体角度解释输入特征对杂散电流预测结果的影响,在提高模型可解释性的基础上辅助地铁智能化健康管理。     

融合激光SLAM实现无人驾驶轮椅空间定位优化

移动机器人空间定位是实现无人驾驶的重要环节,但仅使用单一传感器进行定位会产生定位误差,且误差会不断累积。为提高对移动机器人的空间定位精度,提出了一种融合3种传感器的空间定位方法,即激光雷达（LiDAR）、惯性测量单元（IMU）、光电编码器三种传感器。首先,采用扩展卡尔曼滤波算法融合了基于距离流算法的光电里程计信息、IMU偏航数据信息及双光电编码器的轮式里程计信息;其次,通过对扩展卡尔曼滤波进行差分改进来消除在融合过程中因存在两个绝对姿态信息而产生的振荡现象;最后,在自主搭建的无人驾驶轮椅移动平台上对优化后的定位精度进行了实验验证。经多次重复实验的结果表明,多传感器融合优化后的轨迹在定位偏差最值和绝对误差均值方面均较真实运动轨迹有明显降低,且环境越复杂优化效果越好,表明所提方法可有效提高无人驾驶轮椅的空间定位精度。