动态隐神经元BP网络的多气体分析的MATLAB实现

由6个半导体气敏元件组成基于传感器阵列的气体检测系统,并基于改进的BP神经网络实现多组份气体的定性识别。测试结果表明,基于改进的BP神经网络1295次训练后可达到训练最小误差小于0.1%的要求,平方误差为2.29%。     

基于轴心轨迹重构的自动平衡控制输入算法优化

以转子呈各向异性、支撑刚度非线性时的自动平衡系统为研究对象，提出一种轴心轨迹重构方法来实时测算稳定的基频振动矢量作为最优自动平衡的控制输入，并在自动平衡试验台上进行了试验验证。结果表明，相较于传统单向传感器自动平衡系统，基于轴心轨迹重构的自动平衡控制输入算法的振动幅值降低了7.54 μm，同比下降约5%。     

基于稀土上转换纳米棒表面修饰聚乙二醇血卟啉的光敏剂体系

聚乙二醇选择性接枝的血卟啉衍生物(HP-diPEG),经过相转移和配体交换,通过配位作用的方式紧密包裹尺寸均一的稀土上转换纳米棒(UCNRs),制备了一类基于发光共振能量转移的近红外光敏剂体系。采用透射电镜、X射线衍射仪和核磁共振表征了其结构和形貌,利用紫外吸收光谱和荧光光谱研究了其光学性能。结果表明:在980nm的近红外光照射下,UCNRs和HPdiPEG之间产生了高效的发光共振能量转移,激发了血卟啉的荧光,并生成单线态氧。     

双金属导电金属有机框架材料Ni/Co-CAT的制备及其氧还原催化性能研究

以2,3,6,7,10,11 -六羟基三亚苯(2,3,6,7,10,11-Hexahydroxytriphenylene, HHTP)为有机配体, Ni、Co为金属中心, 通过水热法制备了对应的儿茶酚酯盐(Ni-catecholate、Ni-Co-catecholate, 以下简称Ni-CAT和Ni-Co-CAT). 对其进行表征后, 选用单室反应器装置搭建微生物燃料电池(Microbial fuel cell, MFC). 将Ni-CAT和Ni-Co-CAT与炭黑以3∶1的质量比混合后应用于MFC阴极催化氧还原反应(Oxygen reduction reaction, ORR). 结果表明, Ni-Co-CAT催化的MFC反应器性能最好, 其MFC反应器的最大输出电压和功率密度分别为310 mV和190 mW/cm², 与商业Pt/C的性能相当. Ni-Co-CAT催化MFC的极限电流密度为2.84 mA/cm², 优于Ni-CAT的2.18 mA/cm², 表明在Ni-CAT结构中引入Co后, MFC产电效能得到了提升. 主要原因是, Ni-Co-CAT与炭黑充分混合后, 具有了更高的孔隙率和比表面积, 其结构上的金属位点M-O₆ (M=Ni或Co)提供了更多的催化活性, 使Ni-Co-CAT具有最优的电化学催化性能.     

改进YOLOv3的桥梁表观病害检测识别

针对基于目标检测方法的桥梁表观病害检测存在检测精度低、误检率和漏检率高的问题,提出一种改进YOLOv3的高准确率桥梁表观病害检测识别方法。为实现局部特征和全局特征有效融合,在YOLOv3的检测层中添加固定分块大小的池化模块,并在YOLOv3的特征提取网络中引入了DenseNet密集型连接网络结构以增强桥梁病害特征在网络中的传播和利用效率,提高检测效率,采用数据增强技术来扩充样本图像以解决现有桥梁病害数据集样本数量不足的问题。实验结果表明,改进后的YOLOv3在桥梁表观病害检测上的平均准确率比原YOLOv3提高了3.0%,且模型训练时间减少了33.2%,同时降低了对桥梁表观病害检测的误检率和漏检率。