新型立置式多级闪发蒸馏装置

本文阐述了立置式多级闪发蒸馏装置的工作原理、试验样机的流程和特性,并对闪发和传热的测试数据进行了初步探讨。立置式多级闪发蒸馏装置较之普通卧置多级闪发蒸馏装置有外形尺寸小、重量轻和操作维护简便等优点。其成品水可饮用,也可供锅炉使用。     

玻纤增强聚苯硫醚复合材料的增韧研究

针对玻纤增强聚苯硫醚材料韧性差的问题，对聚苯硫醚傲璃纤维复合体系的增韧进行了研究，考察了玻纤、改性聚合物、有机超细粒子对复合材料力学性能的影响。采用基体增韧（预增韧）与有机超细粒子增韧技术，在保持复合材料拉伸强度和模量的同时，较大地提高了冲击强度，获得了综合力学性能优异的纤维增强聚苯硫醚材料。     

一种新型混沌扩频卫星隐蔽通信算法

针对Logistic及改进型混沌映射只存在唯一满映射点的缺陷,设计了一种新型混沌映射函数,拓宽了满映射参数的取值范围,进而提高了混沌序列遍历性,并基于相干混沌移位键控技术,构建了新型混沌扩频卫星隐蔽通信系统。分别对新型混沌序列的随机性、相关性和平衡性,以及隐蔽通信系统的误码率进行了仿真分析,结果表明:新型混沌映射比已有映射遍历性更好,平衡性更高。原业务信号与扩频调制信号的功率比值大于20dB时,原业务接收机接收误码率基本不受影响。扩频因子为80、信道信噪比大于6dB时,隐蔽接收机误码率小于10-3,能满足一定的隐蔽通信要求。     

基于轮廓线局部描述符的三维人脸识别

提出了一种基于等测地轮廓线的局部描述符来识别三维人脸。首先对三维人脸数据进行预处理, 得到统一的人脸区域并进行姿态归一化; 然后根据测地距离提取到鼻尖点相同距离的点组成等测地轮廓线, 对轮廓线进行重采样, 并对轮廓线上每个采样点的邻域提取局部描述符; 最后在建立测试人脸和库集人脸的点对应关系后进行局部描述符的加权融合和比较, 给出最终识别结果。算法在FRGC(face recognition grand challenge)v2. 0数据库上进行测试, 实验结果表明该方法具有较好的识别性能。     

几种特殊矩阵的Pareto特征值问题

Pareto特征值问题是定义在正卦限上一类锥约束问题,在许多领域有着深厚的背景。将讨论Pareto特征值的一些理论性质,包括给定矩阵Pareto特征值范围及个数上界。引进了一类新矩阵,讨论并给出它的部分理论性质,可直接计算其最大Pareto特征值。     

无机片状微晶对化学光源发光效率的影响研究

以双（2,4,5-三氯-6-正丁烷氧羰基苯基）草酸酯（简称CPPO）和红色荧光剂罗丹明B组成的过氧草酸酯类化学发光体系为研究对象,从粒径、用量和种类的角度讨论了分散剂云母等对体系发光效率的影响．结果表明,添加30μm云母50mg后,体系的发光寿命、强度均显著增加,发光效率较高。     

基于声学测温技术的电站锅炉水冷壁灰污监测方法

用声学高温计直接测量炉膛出口烟温,通过计算得到炉膛清洁因子,实现炉膛整体灰污监测。分析了水冷壁结渣厚度与渣层表面温度的关系,提出以炉膛平均温度为基准,沿炉膛高度布置声学测点监测水冷壁向火侧表面温度,选择动态灰污特征参数,实现了炉膛局部结渣在线监测。     

Ka频段ATC-OFDM传输体制的性能分析

分析了Ka频段移动信道特性,建立了Ka频段自适应Turbo编码-OFDM传输体制（ATC-OFDM）,并提出了3种自适应方案和相应算法。通过新传输体制中的自适应功率、自适应调制和自适应功率调制同固定分配功率和调制方案的TC-OFDM传输体制相比,在不同的天气环境下,其系统误码性能有着明显的改善。系统的吞吐量在信噪比大于8dB时,相比于BPSK调制,可提高2bps/Hz,验证了该传输体制的可行性和有效性。     

通信电源维护技术的应用

近年来,网络技术全方位快速发展,给从事通信电源维护管理工作的人员提出了许多新的问题,同时电源设备正处在新老并存、逐步更新换代的时期。为使动力配套系统更加安全、可靠、合理、经济运行,对维护工作提出更高的要求。基于此,文章就通信电源的维护方面谈了看法。     

指针生成网络和覆盖损失优化的Transformer在生成式文本摘要领域的应用

针对生成式文本摘要应用场景,提出了以Transformer为基础的摘要模型,并在Transformer模型中加入了指针生成（Pointer Generator）网络和覆盖损失（Coverage Loss）进行优化。首先,提出了基于Transformer模型作为基础结构的方法,利用其注意力机制更好地捕捉上下文的语意信息。然后,在模型的损失函数中引入Coverage Loss来惩罚不断出现的重复的词的分布和覆盖范围,从而解决Transformer模型中的注意力机制在生成式任务中出现不断生成同一个词的问题。最后,在模型中加入了Pointer Generator网络,从而允许模型从源文本中复制词用作生成词来解决词表无法覆盖（OOV）的问题。探索了改进后的模型是否减少了不准确的表达以及重复出现相同词的现象是否得以解决。该模型相较于原始的Transformer模型在ROUGE-1评测函数上得分提升了1.98个百分点、ROUGE-2评测函数上得分提升0.95个百分点,在ROUGE-L评测函数上得分提升了2.27个百分点,并提升了摘要结果的可读性及准确性。实验结果表明,Transformer在加入Coverage Loss和Pointer Generator网络后可应用于生成式文本摘要领域。