Facile preparation and strong adhesive strength of honeycomb polyurethane films with small pore diameter

With the continuous development of bionics, such as, geckos and virginia creeper with both superhydrophobic and super-adhesive, the surface wetting and super-adhesive properties of various porous materials have attracted extensive attention of the scientific and medical communities. Here, the honeycomb polyurethane (PU) porous films with strong adhesion were successfully prepared by microphase separation method and the effects of growth parameters on their microstructure and adhesive strength to ice were investigated. It was found that a high relative humidity (e.g., 100%) and a low solution concentration (e.g., 2%) facilitated the formation of ordered honeycomb PU porous films, and as-prepared PU pores with average pore diameter as small as 5 μm are better ordered and more uniform than these in related documents. Although the contact angle of water droplets on the surface of PU porous films increased from the premodification value of 85–130° to more than 160° after surface modification with polydopamine (PDA), the corresponding rolling angle remained approximately constant (180°), indicating that the surface of PU porous films has strong adhesion similar to geckos and virginia creeper. Furthermore, at lower temperature, the PU porous films exhibited the high adhesive strength of 142.13 kPa on ice, which was strongly dependent on the porous microstructures and surface compositions. The improved adhesive behavior to ice of honeycomb PU porous films modified with PDA provides new strategies for surface modification of materials and potential applications in medical domain.     

改进的小脑模型神经网络及其在时间序列预测中的应用

针对小脑模型神经网络(cerebellar model neural network,CMNN)中泛化能力与存储空间容量之间的冲突这一关键问题,提出了一种改进的小脑模型神经网络——模糊隶属度小脑模型神经网络(fuzzy membership cerebellar model neural network,FM-CMNN),用于解决非线性动态系统的时间序列预测问题.首先,FM-CMNN在保留原始CMNN输入变量的地址映射方式的情况下,在CMNN存储空间中引入铃型模糊隶属度函数,从而保证在不需增加量化级数的情况下提高网络的泛化能力.然后,使用梯度下降算法对网络权值进行更新,提高网络的逼近强度.最后,通过非线性时间序列预测基准实验和污水处理中水质参数预测实验,验证了FM-CMNN性能的可靠性.     

宝钢1930板坯连铸异钢种连浇的水模实验研究

对宝钢连铸一分厂60t中间包进行了1：3水模实验，主要研究非稳态条件下拉速、余钢量对不同钢种连浇时交接部长度的影响，以利于改进现场的操作。     

广东阳春石菉—鹦鹉岭—锡山铜锡多金属矿集区综合地球物理特征与成矿预测

石菉—鹦鹉岭—锡山一带是粤西地区的一个铜锡钨（铅锌）多金属矿密集区,矿床（点）众多,区内矿床勘查工作多开展于20世纪90年代前,勘查深度浅,且各矿床之间均为大面积第四系覆盖区,研究程度低,各矿床深部和外围均有良好的找矿前景。本文通过对该区开展的1∶5万重力测量、1∶1万地面磁法测量以及典型矿床电磁法剖面测量等工作成果的综合研究,认为本区主要为北西和北东向的区域构造控岩、控矿,综合物探成果反映空白区内隐伏构造发育,成矿地质条件有利,具备寻找新的中大型隐伏矿床的条件。通过进一步工作,该区有望成为粤西地区重要的铜锡多金属矿田。     

基于动态优先级策略的多AGV无冲突路径规划

自动导引运输车(AGV)路径规划影响柔性制造车间的高效、平稳生产.分析了多AGV在车间执行运输任务时常见的冲突类型,提出了一种基于动态优先级策略的多AGV无冲突路径规划方法.该方法通过时间窗检测冲突类型,并将等待时间、行驶距离、任务紧急程度作为量化动态优先级的考虑因素,进而利用动态优先级作为等待、二次路径规划两种冲突消减方法的选择依据.案例研究表明,在已知各AGV可行路径时,运用所提方法不仅能够实现多AGV的无冲突路径规划,而且能够提升多AGV完成运输任务的整体效率.     

基于动态优先级策略的多AGV无冲突路径规划

自动导引运输车(AGV)路径规划影响柔性制造车间的高效、平稳生产.分析了多AGV在车间执行运输任务时常见的冲突类型,提出了一种基于动态优先级策略的多AGV无冲突路径规划方法.该方法通过时间窗检测冲突类型,并将等待时间、行驶距离、任务紧急程度作为量化动态优先级的考虑因素,进而利用动态优先级作为等待、二次路径规划两种冲突消减方法的选择依据.案例研究表明,在已知各AGV可行路径时,运用所提方法不仅能够实现多AGV的无冲突路径规划,而且能够提升多AGV完成运输任务的整体效率.     

大功率并联电流源变流器五电平特定谐波消除法

随着电压和功率等级的不断提高,并联电流源拓扑被广泛应用于中压大功率电流源系统的扩容.为解决并联电流源系统中直流桥臂电流不均衡和共模电压过高这2个问题,提出了一种应用于大功率并联电流源的五电平特定谐波消除(5L-SHE)调制方法,同时实现了直流桥臂电流的均衡控制和共模电压的抑制,并且保证了在较低开关频率下并网电流的电能质量.首先,按照脉宽调制(PWM)电流模长的不同将开关状态进行分类,并计算每个开关状态所对应的共模电压大小;其次,在分析冗余开关状态对直流桥臂电流均流影响的基础上建立了均流控制策略;再次,以共模电压较低的开关状态构建5L-SHE波形,并依据均流策略对冗余开关状态进行合理挑选.最后,通过仿真和实验验证了所提方法的有效性.     

中南大学学科布局及结构调整研究

学科结构及布局关系到高等学校整体功能的发挥和全局的发展 ,它直接影响人才培养的质量、规格、类型 ,关系到科研与创新能力和水平 ,最终影响到学校发展目标的实现。本文根据中南大学“综合性研究型大学”的发展目标 ,就中南大学学科布局和结构调整进行了研究。     

面向频谱大数据处理的机器学习方法

随着移动互联网与物联网的迅猛发展,个人无线设备的数 量呈现指数级增长,随之产生的海量频谱数据与日俱增,频谱大数据的存在已成事实。同时 ,频谱赤字也日益严峻。为提高频谱利用率,有效的频谱大数据处理显得十分重要。本文从 无线通信的角度,首先给出了频谱大数据的定义并分析了它的基本特征;然后总结了一些 对于频谱大数据分析与利用颇具前景的机器学习方法,如分布式和并行式学习、极速学习、 核学习、深度学习、强化学习、博弈学习和迁移学习;最后给出了几个开放性话题和研究 趋势。