爆炸冲击波载荷下预制孔铝板的动态响应

为研究爆炸冲击波对破片穿孔后板结构的毁伤效应,使用激波管为冲击波加载设备,对不同孔形的预制孔铝板进行冲击波加载.利用三维数字图像相关(3 D-DIC)技术,分析固支预制孔方形铝板在冲击波加载条件下的动态响应,得到预制孔铝板的动态响应和变形失效过程.结合3 D-DIC结果分析孔形对靶板刚度、破坏形式、承载能力的影响.结果表明:圆形孔靶板刚度最大,圆形孔靶板的极限承载能力最大,菱形孔靶板极限承载能力最差;孔形对撕裂破坏的影响主要体现在孔的角点在靶板分布上.该实验结果对固支板结构的抗爆设计具有一定参考价值.     

FPGA互连测试中的反馈桥接故障覆盖问题

现场可编程门阵列(FPGA)内部资源众多,其中互连资源出现故障的概率远远高于片内其他资源,而在以往许多互连测试研究中,所生成的测试配置存在无法覆盖反馈桥接故障的难题,所以较难有测试配置实现故障列表的100%覆盖。因此通过约束桥接故障只发生在单个查找表(LUT)内的信号线上,并结合单项函数,对反馈桥接故障模型进行优化改进,从根本上解决难题；然后对优化后的反馈桥接故障设置相应的约束条件,再使用布尔可满足性理论(SAT)生成满足约束条件的测试配置。采用优化后的故障模型对ISCAS"89基准电路进行了测试配置生成实验,结果表明生成的测试向量解决了反馈桥接故障的覆盖难题,并且在实现故障列表的100%覆盖下,优化后的故障模型所需要的测试配置数最少。     

国际原子能机构(IAEA)发布有关福岛核电站准备排放废水的第一份报告北大核心CSCD

国际原子能机构(IAEA)特别工作组发布了有关福岛第一核电站准备排放废水的第一份报告,以便了解是否违反相关国际安全标准。报告描述了排水技术准备工作的总体进展情况。该报告汇编了工作组于2022年2月,对日本福岛第一核电站运营商东京电力公司(TEPCO)和日本经济贸易产业省(METI)的初步调查结果。IAEA总干事Grossi对初步调查结果表示欢迎。他说:“日本在准备工作中取得了重大进展,特别工作组感到满意的是,东京电力公司和经济产业省确定了计划于2023年排放废水的下一步适当步骤。”这项工作还将继续进行。在日本继续进行准备工作的同时,工作组为审查的下一步确定了需要讨论和澄清的技术主题。报告指出,东京电力公司和经济产业省花了大量精力,就排放废水的过程与利益相关方和公众进行了磋商和沟通。他们希望在临近2023年计划废水排放时,看到这种情况可以继续下去。     

贵长猕猴桃皮HPLC指纹图谱及抗氧化谱效关系研究

目的:研究贵长猕猴桃皮HPLC指纹图谱与抗氧化活性的关系。方法:采用高效液相色谱法建立10批不同来源地贵长猕猴桃皮的指纹图谱,采用SPSS 13.0进行样品聚类分析和主成分分析;并通过DPPH和ABTS法测定其抗氧化活性,以EC50与共有峰峰面积数据为基础,应用皮尔逊相关分析法和逐步回归分析法研究谱效关系。结果:建立了10批贵长猕猴桃皮HPLC指纹图谱,确定了14个共有峰,相似度均>0.90。采用对照品比对方法指认了其中6个峰:2号峰没食子酸,5号峰原儿茶酸,9号峰表儿茶素,10号峰二氢槲皮素,11号峰4-香豆酸,12号峰落新妇苷,样本可聚为3类。皮尔逊相关分析与逐步回归分析结果显示:5号峰(原儿茶酸)和9号峰(表儿茶素)峰面积变化与贵长猕猴桃皮抗氧化活性呈显著正相关,对其抗氧化活性贡献度较大。结论:贵长猕猴桃皮具有较高的体外抗氧化活性,抗氧化活性的物质基础初步确定为贵长猕猴桃皮开发利用、质量评价提供依据。     

泸州大气污染特征、成因及其防治对策研究

以2020年泸州市大气自动监测数据为对象，应用相关分析开展大气污染成因及污染防治对策研究。成果表明，泸州市区主要污染源为O₃和PM_2.5;在冬季全市及各站点PM_2.5与NO₂、CO显著相关，PM_2.5与SO₂、SO₂与CO、CO与NO₂俱低度相关；在夏季全市及各站点O₃与NO₂显著相关；泸州大气环境主要受工业污染源和机动车污染源共同影响；在不利天气下，通过多污染源综合控制工业污染源、机动车、秸秆燃烧等方式以减轻大气污染。     

基于图像处理研究铁尾矿的熔化行为

作为主要成分的SiO2是铁尾矿中最难熔化的部分.通过一组SiO2的熔化时序图像来探究铁尾矿的熔化情况.首先,进行图像预处理,建立质心位置追踪模型和体积估算模型.将灰度图转化为二值图,利用卡尔曼滤波器进行质心追踪和对质心运动轨迹的描述.通过计算二值图中0像素的数量得到面积随时间变化的图像,拟合出熔化过程函数.结合二值图中目标物体的边界信息得到的参数量建立多元线性回归模型.估算颗粒扁平度和物体的体积,熔融速率通过颗粒集合的质量变化函数得出.     

粒子流粒子滤波检测前跟踪方法

检测前跟踪通过在连续多帧观测中对目标信号进行非相参积累以检测和跟踪微弱目标。积累的关键在于对目标轨迹的准确估计和多帧迭代滤波。传统粒子滤波器过于依赖建议分布，对目标轨迹的估计不够准确。新提出的粒子流滤波器是一种很好的替代方法，但其过于依赖当前时刻的量测而弱化多帧迭代滤波。本文提出一种在粒子滤波框架下采用粒子流的检测前跟踪方法:采用粒子滤波器进行多帧迭代滤波，但在每一帧内，采用Localized Exact Daum-Huang粒子流进行滤波。为了应对目标量测的不确定性，本文改造了Localized Exact Daum-Huang滤波器，为每个粒子在其邻域内寻找最大似然量测，并利用该量测更新粒子状态。Rayleigh分布杂波下Swerling1型起伏目标的检测和跟踪实验证明了所提算法的性能。      

DCNN深度特征与交替方向乘子的相关滤波跟踪

针对采用相关滤波的判别式目标跟踪遇到的瓶颈问题：由于目标快速移动引起边界效应，使得相关滤波器在学习与更新过程中可能会引入错误，最终错误的累积将导致跟踪失败。在采集深度学习特征与样本相似性度量的基础上，提出一种引入交替方向乘子方法的改进相关滤波目标跟踪算法，选择DCNN深度特征有效地表征待跟踪目标的初始状态，通过在线分类过程中样本相似性比对与半监督学习，辅助解决相关滤波器在学习过程中存在的自学习问题。所提目标跟踪算法特别适合训练样本为持续获得的、同时存储空间较小的机器学习过程，提高目标在快速运动与部分遮挡等复杂情况下的跟踪成功率，针对VOT2016标准测试视频的实验表明：当目标面临快速运动时，对比CN、SAMF、STC算法，所提DA-CFT跟踪算法将跟踪成功率分别由60.4%～73.4%、67.2%～82.9%、80.9%～88.1%提升至85.6%～91.0%。