In-situ observation of interaction between precipitates and austenite during δ→γ phase transformations

The δ-ferrite to γ-austenite phase transformation in duplex stainless steels was observed using ultra high-temperature confocal laser scanning microscope, and the orientation relationship between the γ phase, and precipitate is discussed. Owing to mutual promotion action, the γ phase was observed at δ/δ grain boundary at the beginning of δ-ferrite→γ-austenite transformation, followed by two-dimensional γ-phase growth at the same speed (0.625?µm?s^?1) along the grain boundary and into the δ grain matrix. The γ-phase growth rate decreases to 0.244?µm?s^?1 when precipitate stops growing. In the process of grain growth at high temperature, the precipitated pinning grain boundary will slow the movement speed of the grain boundary.

The mutual promotion action leads to preferential nucleation of the γ phase, and the nucleation and growth of the austenite also promoting the growth of MnS the growth.     

基于互信息和PID神经网络的SCR脱硝扰动补偿控制

针对火电厂选择性催化还原(Selective Catalytic Reduction，SCR)烟气脱硝系统机理复杂，工况变化时呈现的不确定性、强扰动等特点，提出了一种基于互信息和PID神经网络的SCR烟气脱硝扰动补偿控制方法。利用PID前向神经网络的学习性能逼近被控对象的逆构成扰动观测器对系统进行反馈补偿，以达到超前消除系统扰动的目的。选取观测扰动和系统扰动的互信息为目标函数，采用改进的帝国竞争算法实现PID神经网络权值的优化调整。设计鲁棒PID控制器来进一步克服被控对象存在的不确定性。仿真实验表明，该方法具有突出的抗干扰能力和较好的鲁棒性，控制品质优于常规的PID控制。     

全自动影像测量仪中双相机精确定位方法研究

为了实现影像测量仪双相机的精确定位,以满足批量多种类零件自动化测量需求。在现有的影像测量仪上引入由大视野相机构成的视觉引导模块,文中以改进后的影像测量仪为平台,利用大视野相机得到标定板的角点位置信息,结合小视野相机获得的实际位置信息,通过仿射变换建立两者之间的坐标转换关系,确定双相机之间的位置关系,实现双相机之间的相互精确定位。定位实验结果表明了文章所提方法的有效性,相对于传统定位方法其定位精度提高了16%,能够满足批量多种类零件自动化测量的需求,为后续的自动测量工作奠定了基础。     

Invasion and Defense Interactions between Enzyme‐Active Liquid Coacervate Protocells and Living Cells

The design and construction of mutual interaction models between artificial microsystems and living cells have the potential to open a wide range of novel applications in biomedical and biomimetic technologies. In this study, an artificial form of invasion‐defense mutual interactions is established in a community of glucose oxidase (GOx)‐containing liquid coacervate microdroplets and living cells, which interact via enzyme‐mediated reactive oxygen species (ROS) damage. The enzyme‐containing coacervate microdroplets, formed via liquid–liquid phase separation, act as invader protocells to electrostatically bind with the host HepG2 cell, resulting in assimilation. Subsequently, the glucose oxidation in the liquid coacervates initiates the generation of H₂O₂, which serves as an ROS resource to block cell proliferation. As a defense strategy, introduction of catalase (CAT) into the host cells is exploited to resist the ROS damage. CAT‐mediated decomposition of H₂O₂ leads to the ROS scavenging and results in the recovery of cell viability. The results obtained in the current study highlight the remarkable opportunities for the development of mutual interacting communities on the interface of artificial protocells/living cells. They also provide a new approach for engineering cellular behaviors through exploiting artificial nonliving microsystems.     

钢结构节点计算动态模型检验方法研究

针对钢结构有限元建模中出现的问题,提出基于时域下的模型相关性检验方法。在对时域响应序列二值化得到0-1序列的基础上,运用互信息量方法对试验与计算响应序列进行相关分析,进而检验钢结构节点计算模型的动态特性。结果表明,互信息量相关方法能有效地反映计算模型与实际结构的相关程度,用于检验钢结构计算模型节点焊缝处材料参数的合理性。     

外商直接投资与政府互动对地区集聚发展作用的探讨--以苏州IT产业集聚为例

政府行为对外资企业选择投资地有着重要的影响，外企的投资落户既对地区经济的发展有积极的带动作用，又可以促进政府进一步完善招商引资的环境建设。     

高层钢框架与群桩--土共同作用的三维空间结构系统地震动时程响应分析

考虑在软土地基上高层钢框架与群桩-土之间共同作用的影响,提出应用整体空间力学分析方法,建立相应的三维空间串并联质点动力计算简图和计算方法,着重分析了群桩-地基土对上部钢框架结构动态受力的影响情况,包括结构振型、周期、位移、内力等动力特性及地震反应。并与刚性地基基础情况下的结构计算结果进行比较,认为此类结构在地震动作用下,共同作用的影响不可忽视,指出结构分析及设计中应注意的一些问题。     

基于 LS 和 MTS 的两阶段滚动轴承故障特征选择方法

滚动轴承故障预测和健康管理(PHM)方法可以提取大量的故障特征数据,这些数据虽然有很大的潜在价值,但也存在高维、高冗余性的特点,难以直接分析和利用。因此,针对轴承故障特征数据的特点,以去除数据冗余性、筛选敏感特征为目的,提出两阶段特征选择算法。该方法的第1阶段采用拉普拉斯得分(LS)对原始特征按局部保持能力进行排序,利用互信息聚类算法删除特征集中的冗余特征。第2阶段采用多变量模式识别中的马田系统(MTS)方法对剩余特征进行综合评价,挖掘对故障分类更有效的特征。轴承退化仿真试验数据验证结果表明,提出的两阶段特征选择算法可以有效地去除冗余度、提高故障监测准确率,可以有效的运用到滚动轴承的初期故障检测中。     

基于改进深度信念网络模型的中长期径流预测

为提高流域中长期径流预测效果,提出径流综合指数构建、因子筛选和改进深度信念网络模型相结合的预测方法。首先研究不同水文站点（细粒度）月平均径流的一致性,构造流域径流综合指数（粗粒度）,在较宏观层面研究流域水情丰枯变化;接着采用基于信息熵的因子筛选方法,获得影响流域水情丰枯变化的关键因子集,形成深度学习的输入;然后利用改进的深度信念网络（IDBN）模型进行预测。以雅砻江流域为例,将所建模型与多元线性回归、自回归移动平均、反向传播（BP）神经网络、支持向量机和传统深度信念网络等预测模型进行对比分析。结果表明：所提方法具有较好的实用性,且IDBN模型具有更好的预测速度和精度。研究结果可为流域中长期径流变化趋势预测提供参考。