MOF衍生的高选择性加氢芳香硝基化合物的石墨碳包覆镍催化剂

针对芳香硝基化合物的催化选择性加氢反应，开发可替代贵金属催化剂的低成本、高效非贵金属催化剂，对于芳香胺类化合物的绿色生产具有重要意义。利用简易、可规模化的制备方法，以镍—2,5-吡啶二羧酸金属有机框架为前驱体，热解制备了氮掺杂石墨碳包覆镍纳米催化材料（Ni@CN）。采用X射线衍射、扫描电镜、透射电镜、元素分析、N2吸脱附等检测手段对Ni@CN的物化性质进行了表征，并对其催化性能进行了评价。结果表明，Ni@CN可在温和条件下（85℃，1.0 MPa H2)高效加氢含取代官能团的芳香硝基化合物生成对应的芳香胺类化合物。对比试验表明，镍纳米颗粒是Ni@CN的加氢活性中心，而石墨碳壳的存在有利于优先吸附硝基官能团。此外，进一步考察了Ni@CN的循环使用性能以及抗硫化物中毒的特性。     

小波变换在多级传动齿轮箱缺齿故障诊断中的应用

针对缺齿故障的多级传动齿轮箱,由于幅值及相位调制现象带来的诊断问题,利用小波分析和包络谱分析,对直齿圆柱齿轮故障信号进行降噪和功率谱分析,准确的找到故障特征信号,诊断齿轮箱的故障。结果表明小波变换能够较好的诊断缺齿故障。     

磁悬浮控制力矩陀螺高速转子的高精度位置控制

在受到陀螺效应、动框架效应等影响后产生的磁力非线性问题是磁悬浮控制力矩陀螺(MSCMG)高速转子位置精度下降的主要因素。为解决以上问题,提高转子位置精度,本文分析了转子所受磁力的特性,建立了转子系统非线性动力学模型,提出了神经网络滑模控制方法。设计滑模控制律,采用径向基函数神经网络逼近控制律中的非线性模型,自适应算法根据误差在线调整神经网络的权值,同时可以保证整个系统的稳定性。仿真和实验结果表明,所提出方法的转子位置精度达到99%,稳态误差为0.000 2 mm。神经网络滑模控制可以实现MSCMG转子系统的高精度位置控制。     

改进HSR-FCN的服装图像识别分类算法研究

目前网络上的服装图像数量增长迅猛，对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络（Region-Based Fully Convolutional Networks，R-FCN）引入到服装图像识别中，针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题，提出一种新颖的改进框架HSR-FCN。新框架将R-FCN中的区域建议网络和HyperNet网络相融合，改变图片特征学习方式，使得HSR-FCN可以在更短的训练时间内达到更高的准确率。在模型中引入了空间转换网络，对输入服装图像和特征图进行了空间变换及对齐，加强了对多角度服装和形变服装的特征学习。实验结果表明，改进后的HSR-FCN模型有效地加强了对形变服装图像的学习，且在训练时间更短的情况下，比原来的网络模型R-FCN平均准确率提高了大约3个百分点，达到96.69%。