缓慢炭化部分氧化对制备煤质活性炭的影响

研究了炭化升温速度、炭化低温区引入空气部分氧化对活性炭制备过程中炭化阶段、炭化物结构、活性炭性能等的影响。结果表明，炭化时低温部分氧化可提高炭化物得率，使炭化物微晶的ｄ００２值升高和Ｌｃ值减小；而较慢的炭化升温速度有利于制备优质活性炭。缓慢炭化、部分氧化可以在一定程度上控制炭化路径，使炭化向生成取向性差、难石墨化、各向同性、呒定形炭多的炭化物的方向进行；并讨论了它们控制炭化的作用机理。以此为指导，     

Aluminum Lon Removal from Monoaluminum Ovotransferrin by Pyrophosphate

The rates at which aluminum was removed from the N- and C-terminal monoaluminum ovotransferrins by pyrophosphate were evaluated by UV difference spectra in 0.01 mol/L Hepes, pH=7.4 and at 37℃. Pesudo first-order rate constants as a function of pyrophosphate concentration were measured. The results indicate that the pathways of aluminum removal are different. For the N-terminal binding site, aluminum removal follows simple saturation kinetics, while the removal of aluminum from the C-terminal binding site reverts to the combination of saturation and first-order kinetics. The saturation component is consistent with a rate-limiting conformational change in the protein as has been reported. We propose that the first-order kinetics mechanism is attributed to a pre-equilibrium process. The rate constants of saturation kinetics are accelerated from both terminals with the addition of 0.1 mol/L chloride to the monoaluminum ovotransferrin solutions, whereas the rates of the first-order kinetics are decreased for the C-terminal binding site. The effect of chloride ionic strength causes a continuing increase on kobs for the N- and C-terminal binding sites. Moreover, the kinetics behavior of the N-terminal is more easily affected by chloride than that of the C-terminal. In the experiment presumably the N-terminal site is apparently kinetically more labile than the C-terminal site.     

基于网格化管理视角下灾后应急物流决策模型与算法研究

灾害发生后,应急资源的需求预测与应急配送中心的合理选址是实现高效救援的关键。本文通过在网格化管理视角下的信息更新将应急救援过程划分为多个阶段,在开展救援的过程中实现救援信息收集和救援预测的同步开展,建立一种多阶段带时间约束的应急救援物资配送响应-时效性的选址模型。借助遗传算法(NSGA-II),实现了基于编码结构独立、路径相互关联基础上的多目标规划求解。本研究的决策模型及算法有着较好的搜索与寻优能力,对实际救援开展具有指导意义。     

考虑订单取件时间和柔性时间窗的取送货车辆路径问题

研究了同城配送中考虑订单取货时间和柔性时间窗的取送货车辆路径问题,考虑同城配送中订单起终点,订单取货时间和订单配送的柔性时间窗,车容量限制等因素。首先构建以配送成本与超时惩罚成本之和最小化为目标的混合整数线性模型。其次,设计了含多种有效不等式及其对应分离算法的改进分支切割算法对该模型进行精确求解。最后通过实验测试分析了不等式的性能,验证了算法的有效性,实验表明适当的减少车辆数和增大装载能力能够有效的减少成本。     

数据挖掘的复杂光学曲面加工路径规划研究

为解决复杂光学曲面加工困难的问题,提出基于数据挖掘的复杂光学曲面加工路径规划方法。将复杂光学曲面点云数据投影至平面上,获取二维点集;通过拟合复杂光学曲面点云数据,重建复杂光学曲面的不间断描述模型;基于此模型将二维加工路径数据映射至三维空间,选取等截面法规划复杂光学曲面加工过程中路径,通过参数补偿计算触点经法向偏置,获取刀位点路径规划结果。实验结果显示,x、y和z方向上的路径偏差均控制在0.035 mm内,z方向的路径偏差在0.01 mm左右,以上数据充分说明本方法能够准确规划复杂光学曲面加工路径。     

基于机载光电载荷图像的无人机自主循迹导引

文章研究无人机搭载视觉传感器沿指定路径自主循迹飞行,针对如何统一确定不同形状路段的目标路径点序列的问题,提出基于无人机速度在图像中投影的矢量与无人机重心指向各候选路径点矢量的最小夹角确定目标路径点的方法。首先从采集的图像中提取出的路径区域,从图像层面提取路径的中间线,将图像栅格化并分别计算各栅格里路径中间线的中心点的坐标;然后计算图像中无人机速度矢量投影与无人机重心到各路径中心点矢量的夹角,在约束范围内选取最小夹角对应的中心点作为局部目标点。设置了包含不同形状拐角的路径,检验无人机飞行过程中采集图像的处理方法和路径引导算法结合的有效性,飞行结果表明提出的方法能够满足无人机的循迹飞行要求,轨迹偏离误差小于0.1 m。     

无人机三维路径规划的粒子群混合算法

路径规划是无人机控制过程中的重要环节之一,现有基于粒子群等算法的传统路径规划方法存在容易陷入局部最优等问题,无法适应现实场景中复杂环境及高搜索速度的要求。针对已有方法的缺陷,提出了一种无人机路径规划的高性能细菌觅食-遗传-粒子群混合算法,以传统粒子群优化算法为基础,引入细菌觅食算法及遗传算法思想,提高算法计算速度与能力,同时考虑实际场景中无人机的运行约束,进一步提高了方法的可用性。最后,利用仿真实验验证了所提方法的有效性,并通过与传统方法对比证明了所提方法在运行时间、规划航程等方面的优越性。     

基于CNN和Transformer的双路径语音分离

使用深度学习技术进行语音分离已经取得了优异的成果。当前主流的语音分离模型主要基于注意力模块或卷积神经网络,它们通过许多中间状态传递信息,难以对较长的语音序列建模导致分离性能不佳。首先提出了一种端到端的双路径语音分离网络（DPCFNet）,该网络通过引入改进的密集连接块,使编码器能提取到丰富的语音特征。然后使用卷积增强Transformer(Conformer)作为分离层的主要组成部分,使语音序列中的元素可以直接交互,不再通过中间状态传递信息。最后将Conformer与双路径结构相结合使得该模型能够有效地进行长语音序列建模。实验结果表明,相比于当前主流的Conv-Tasnet算法及DPTNet算法,所提出的模型在信噪失真比（Signal to noise Distortion Ratio,SDR）和尺度不变信噪失真比（Scale-Invariant Signal to noise Distortion Ratio,SI-SDR）上有明显提高,分离性能更好。     

基于双解码路径DD-UNet的脑肿瘤图像分割算法

针对医学图像中病灶区域尺度不一、边界模糊和周围组织强度不均匀所导致的分割精度降低问题,提出了一种基于双解码器的脑肿瘤图像分割模型。为了增强特征的表征力,提出了高阶微分残差模块并使用不同空洞率的扩张卷积用于提取特征编码,提高了网络模型的分割性能;引入上下文语义信息感知模块(multi scale dilation, MSD),从不同的目标尺度中提取更多的精细信息,提高了对结构细节信息的捕获能力,同时减少了编解码器之间的特征差异;在空间解码路径中使用选择性聚合空间注意力模块(spatial aggregation attention module, SAAM),增加了对有效空间特征的权重比例,减少了无效的特征干扰。在脑肿瘤数据集上进行了实验验证,实验结果表明,所提算法的Dice系数、平均交并比、敏感性、特异性、准确率等指标分别为：93.35%、90.71%、91.15%、99.94%、96.75%。     

基于改进3D UNet的前列腺MR图像分割

针对前列腺磁共振 (magnetic resonance, MR)图像边缘模糊、对比度较低,灰度值分布不均衡而导致分割精度较差的问题,提出了一种结合双路径注意力(dual path attention,DPA) 和多尺度特征聚合(multi-scale feature aggregation,MFA) 模块的改进3D UNet网络模型。首先,对数据集进行重采样和裁剪处理以适应模型输入。然后,在3D UNet网络的编码器各层引入DPA 并添加残差连接,加强特征的 编码能力。同时,在网络解码器中加入MFA模块,以充分利用空间上下文信息,增强语义信息。最后,在公开数据集PROMISE12上进行验证,所提出的模型的Dice系数为89.90%,Hausdorff 距离为9.37 mm。相比较于其他模型,所提出模型的分割结果更优,且参数量和运算量更少。