Meso-四（3，4 二甲苯基）卟啉金属配合物的合成

为筛选催化环己烷氧化合成己二酸用仿生催化剂,研究了以吡咯、3,4 二甲基苯甲醛和金属盐为原料,合成一种带多个疏水性短碳链对称卟啉化合物meso-四（3,4 二甲苯基）卟啉（简称TDMPP）金属钴（Ⅱ）、铜（Ⅱ）配合物的方法,探讨了溶剂配比、反应时间、反应物的物质量浓度等对产率的影响;并利用UV Vis和IR对合成的物质结构进行了表征.结果表明合成TDMPPCo的适宜工艺参数为：v（丙酸）∶v（冰乙酸）等于2∶1;n（吡咯）∶n（3,4 甲基苯甲醛）∶n（醋酸钴）等于100∶104∶029;吡咯的物质量浓度为0.25mol/L;反应时间为50min;反应温度为125～130℃;产率达32％.合成TDMPPCu的适宜工艺参数为：v（丙酸）∶v（冰乙酸）等于3∶1,n（吡咯）∶n（3,4 甲基苯甲醛）∶n（醋酸铜）等于100∶104∶027;吡咯的物质量浓度为0.25mol/L,反应时间为50min,反应温度为130～135℃,产率达38％.     

看不见的城市

那些出现在我们梦中的城市,或是初次造访,或是故地重游。有时,我们醒来以后才能判断梦之城的所在;有时,却能凭借梦境中的某个情景嗅出故地的气息。一时,我们在梦中的长廊或小巷中徘徊,却不知身处何地,更不明去往何处;一时,即使在梦中,我们也能真切地感知到梦境中周遭的信息,就算大脑告诉我们梦中的城市与我们在现实世界中无限神往的城市无一处相同——其实质的形态绝无任何相似,我们也能凭借梦中的信息对所处时空作出判断。     

基于DPD方法的PP/PA6二元体系混合相容性仿真分析

为了从分子角度分析聚丙烯(PP)、尼龙6 (PA6)二元体系的混合相容性,运用耗散粒子动力学(DPD)方法模拟了PP/PA6二元共混体系,并分析温度对PP/PA6共混性参数的影响。结果表明,PP与PA6在各个混合比条件下形成了不同的介观相形貌。当PA6含量上升后,体系中形成了聚集程度更高的PA6珠子。PP/PA6共混体系中都发生了同相富集的过程,导致PP/PA6共混物无法转变为均相体系,PP与PA6粒子表现出不同的密度曲线波动幅度。随着温度的不断上升,体系的介观相貌依然属于球状结构,并未形成不同的介观相; PP与PA6链的扩散系数也明显增大,表明当温度上升后链运动能力也随之增强,使体系获得更优的流动性;各共混体系的PP链均方根末端距都增大了,并且均方根末端距的上升幅度也受到PP/PA6混合比的显著影响。     

基于随机失活的循环神经网络交通事件预测

智能交通是现代交通发展的前沿领域,交通事件预测是其中的一个研究热点.传统BP神经网络模型是交通事件分析中常用的模型分析方法之一,但易陷入局部极值,不适合处理长期且连续的交通事件数据.为解决上述问题,提出使用循环神经网络处理交通事件数据,利用循环神经网络模型的有限时间长度记忆优势,构建序列数据分类模型来训练数据,采用随机失活方法去除模型的过拟合问题,通过达拉斯地区的实际流量数据验证,将预测结果与传统BP神经网络模型方法作对比.实验对比结果表明,该综合算法在预测精度和损失值方面均有较明显提升,验证了方法的有效性.     

基于预训练GRU-LightGBM的电力负荷预测

本文研究工作围绕电网中的核心环节电负荷预测展开.在总结分析之前研究学者的研究成果基础上,提出了基于预训练GRU与LightGBM相结合的方法.该方法首先使用电负荷数据训练一个特征提取网络GRU,然后使用该网络进行时序特征的提取,并将提取到的时序特征与非时序特征使用LightGBM进行电负荷的预测.本方法的创新点在于提出了预训练网络来扩充特征,充分融合时序特征及非时序特征.并且考虑到电网的地区差异性,在整体训练过程中将GRU网络参数进行了适应性微调.保证提取到的时序特征是符合当前地域特点的.通过仿真实验最终发现该方法在各项指标上取得了2％的提升.     

结合鲸鱼优化算法的自适应密度峰值聚类算法

针对密度峰值聚类算法（DPC）的聚类结果对截断距离[dc]的取值较为敏感、手动选取聚类中心存在着一定主观性的问题,提出了一种结合鲸鱼优化算法的自适应密度峰值聚类算法（WOA-DPC）。利用加权的局部密度和相对距离乘积的斜率变化趋势实现聚类中心的自动选择,避免了手动选取导致的聚类中心少选或多选的情况;考虑到合理的截断距离[dc]是提高DPC算法聚类效果的重要因素,建立以ACC指标为目标函数的优化问题,利用鲸鱼优化算法（WOA）有效地寻优能力对目标函数进行优化,寻找最佳的截断距离[dc];利用人工合成数据集与UCI上的真实数据集对WOA-DPC算法进行测试。实验结果表明,该算法在FMI、ARI和AMI指标上均优于DPC算法、DBSCAN算法以及K-Means算法,具有更好的聚类表现。     

基于双向选择的伪近邻算法

针对伪近邻分类算法（LMPNN）对异常点和噪声点仍然敏感的问题,提出了一种基于双向选择的伪近邻算法（BS-PNN）。利用邻近性度量选取[k]个最近邻,让测试样本和近邻样本通过互近邻定义进行双向选择;通过计算每类中互近邻的个数及其局部均值的加权距离,从而得到测试样本到伪近邻的欧氏距离;利用改进的类可信度作为投票度量方式,对测试样本进行分类。BS-PNN算法在处理复杂的分类任务时,具有能够准确识别噪声点,降低近邻个数[k]的敏感性,提高分类精度等优势。在UCI和KEEL的15个实际数据集上进行仿真实验,并与KNN、WKNN、LMKNN、PNN、LMPNN、DNN算法以及P-KNN算法进行比较,实验结果表明,基于双向选择的伪近邻算法的分类性能明显优于其他几种近邻分类算法。     

多目标规划模型在航迹规划中的应用

智能飞行器是由动力装置驱动,并在计算机系统自动引导进行的。航迹规划是实现飞行器智能导航并成功完成任务的技术保障。本文针对智能飞行器飞行过程中受到飞行器的最小转弯角限制以及定位误差的影响,提出了基于A*算法的多目标规划的数据模型以及寻求最优航迹规划路径的算法,并用两个校正点数据集进行了验证。结果显示,改进后的A*算法可以快速地规划出满足限制条件的最优路径。     

初始运行工况对水泵水轮机飞逸过渡过程水力特性的影响

飞逸过渡过程是抽水蓄能电站可能发生的一类事故工况。此过程中水泵水轮机的转速、流量和压力大幅改变,转轮流态极易恶化,可能引发剧烈压力脉动和转轮受力失衡。水泵水轮机初始运行工况是飞逸过程的重要控制因素之一,但其对此过程中机组水力特性的影响尚不明确。本文用一维管道与三维水泵水轮机耦合的数值模拟研究了某模型抽水蓄能系统中水泵水轮机从两个不同初始运行工况发生飞逸过程时水力特性的差别。结果表明,相对于流动条件较好的额定工况,由流动条件较差的部分负荷工况开始的飞逸过程更容易引起水泵水轮机运行轨迹的剧烈跳动以及流道压力脉动和转轮径向水推力的幅值突增,原因是在此过程中更易形成转轮流动失稳,机理是过渡过程中的瞬时流态保留有相应初始工况的部分流动特征,即瞬时流态的演化存在迟滞效应。因此,在当前不断拓宽抽水蓄能机组运行范围以满足电网容量调节需求的背景下,应充分考虑初始运行工况对可能发生的飞逸过程的影响。     

浅谈复合材料制造流程的优化方法

航空制造领域研发正朝着精益化的方向迈进,是将制造技术与生产过程相结合,将控制因素进行定性定量,以达到零件制造状态的高度稳定.本论文阐述了标准工作法在复合材料制造中的应用,旨在对生产准备过程以及具体操作过程中实施稳定的、可预计的管控,并对关键技术点做出总结,以期提高生产效率、稳定产品质量、缩短制造周期.