土壤非饱和导水率机理的探讨

本文从土壤微观结构的统计学角度出发，提出各向均一土壤孔径统计分布曲线的幂函数表达式，由虎论证了土壤非饱和导水率随含水率而变的统计特征和物理机理，导出了相应函数关系，用文献提供的萨庇壤和吉里粉壤土实验成果，对上述关系做了验证。     

基于遗传算法选优的集成手段与时序卷积网络的涡扇发动机剩余寿命预测

涡扇发动机作为航空航天领域的核心设备之一,其健康状况决定了航空器能否稳定可靠地运行。而对涡扇发动机的剩余寿命（RUL）进行判断,是设备监测与维护的重要一环。针对涡扇发动机监测过程中存在的工况复杂、监测数据多样、时间跨度长等特点,提出了一种遗传算法优选时序卷积网络（TCN）基模型的集成方法（GASEN-TCN）的涡扇发动机剩余寿命预测模型。首先,利用TCN捕获长跨度下的数据内在关系,从而对RUL作出预测;然后,应用GASEN集成多个独立的TCN,以增强模型的泛化性能;最后,在通用的商用模块化航空推进系统模拟模型（C-MAPSS）数据集上,对所提模型与当下流行的机器学习方法和其他的深度神经网络进行了比较。实验结果表明,在多种不同的运行模式和故障条件下,与流行的双向长短期记忆（Bi-LSTM）网络相比,所提模型都有着更高的预测准确率与更低的预测误差。以FD001数据集为例,在该数据集上所提模型的均方根误差（RMSE）相较Bi-LSTM低17.08%,相对准确率（Accuracy）相较Bi-LSTM高12.16%。所提模型在设备的智能检修与维护方面有着较好的应用前景。     

RWPSO与马尔科夫链的无人机航路规划

粒子群算法(PSO)是基于种群的全局搜索算法,具有原理简单,搜索稳定高效等特性,在航路规划领域被普遍运用,但是其在陷入局部最优以及收敛速度方面都存在一定的缺陷.本文针对无人机的任务权重值与生存权重值引入随机游走策略,按照一定规律改变粒子的惯性权重值,可以有效的避免上述情况发生,提升无人机在航路规划中找到最优路径的效率.另一方面,为了能够给规划的路径提供优劣性的判断标准或参考依据,需要构建适用于评估无人机飞行路径点上的生存状态概率模型,本文将随机游走粒子群算法(RWPSO)的航路规划模型与马尔科夫链生存状态随机性模型相结合,得到一个可以用来评估路径点生存概率的航路规划问题模型.仿真结果表明,基于任务权重、生存权重、任务生存权重随机游走的RWPSO算法在寻优时比PSO、量子粒子群算法(QPSO)效率更高,并成功结合马尔科夫链得到一个可以描述出无人机生存概率变化的模型.此模型框架还能够扩展应用于有辐射源、武器、电磁干扰等复杂场景中的航路与任务规划.     

溶剂萃取-卡尔·费休法测定婴儿配方乳粉中的真实水分

根据婴儿配方乳粉的特性,探索测定婴儿配方乳粉中真实水分的有效检测方法。对比研究了卡尔·费休法和直接干燥法对婴儿配方乳粉、乳糖中水分的测定,并分析测定结果。直接干燥法并不能检出乳粉中的结晶水,采用直接干燥法测定婴儿配方乳粉中的水分,结果普遍偏低,并且可能将挥发性成分误当作水分,数据出现错误。采用卡尔·费休法测定婴儿配方乳粉中的水分,可以检测出样品中所包含的游离水和结晶水,并排除挥发性成分的影响,是测定真实水分的有效方法。     

面向物联网的大数据预警信息高速处理规则引擎

传统的信息资料主要以文本形式存在,目录结构复杂,报文种类和文件数量繁多,资料的查询和使用过程繁琐,已不适应物联网环境下信息监测预警、业务资料的统计分析以及灾害评估等工作的需要.论文以物联网应用为基础,提出了大数据预警信息高速处理规则引擎(REoHIWI),实现了对预警信息的业务逻辑和业务数据分离,将通常作为变更主体的业务逻辑从混乱的代码当中提取出来,作为一个独立维护的部分.同时,文章分析了规则引擎的外部工作流程和内部工作机制,并从结构的角度对规则引擎逻辑与数据分离的工作原理和实现方法进行了描述.     

新型高抗粘紫外纳米压印光刻胶的工艺研究

为了减少紫外纳米压印技术脱模过程中的接触粘附力,开发了一种新型高流动、抗粘的紫外纳米压印光刻胶。光刻胶以BMA为聚合单体,添加特定配比的交联剂和光引发剂配置而成。紫外纳米压印实验在本课题组自主研发的IL-NP04型纳米压印机上完成。实验得到光刻胶掩膜膜厚为1.21μm,结构尺寸深246nm,周期937.5nm。实验结果表明,在没有对石英模板表面进行修饰的情况下,该光刻胶依然表现出高可靠性和高图形转移分辨率,有效减少了紫外纳米压印工艺中的模板抗粘修饰的工艺步骤。     

高预倾角液晶显示器用聚酰亚胺定向材料的研究(摘要)

高预倾角液晶显示器用聚酰亚胺定向材料的研究（摘要）李凌印杰叶羽丰王宗光（上海交通大学高分子材料研究所上海２００２４０）定向膜是液晶显示器中的关键组成部分,聚酰亚胺是最为普遍使用的定向材料［１,２］。为了使液晶显示器具有较高的预倾角（＞５°）,必须对聚...     

氮肥企业内部经济目标责任合同的运用

企业是一个有序的经济组织,这个组织要在激烈的市场竞争中实现经济价值和社会价值的最大化,就需要采取多种多样的内部控制手段,从纵向、横向进行多角度、全方位的管理。陕西兴化集团有限责任公司(以下简称兴化集团)是     

基于深度确定性策略梯度强化学习算法的航迹规划研究

航迹规划是无人机走向智能化的重要组成部分。目前已有的传统航迹规划算法存在实时规划能力差、无法处理动态场景、航迹不平滑等问题,现有的强化学习算法虽然能够实时规划,但是大多数算法主要应用在二维场景下,且存在容易碰撞障碍物、到达率低、航迹不平滑和航迹质量低等问题。针对上述问题,提出基于改进深度确定性策略梯度的强化学习算法,该算法融合自注意力机制,提取障碍物特征,躲避障碍,解决到达率低、实时规划能力差的问题,重新设计奖励函数,惩罚无人机“后退”行为,引入方向向量夹角引导机制,解决航迹不平滑问题。仿真验证结果表明,提出的改进算法在复杂动态场景下达到93.5%的到达率,平均飞行距离减少7.3%,推理时间减少26.2%,推理时间短,航迹符合无人机的飞行要求。     

基于原型对齐正则化与矫正优化的少样本3D点云语义分割

3D点云语义分割在自动驾驶等现实应用中起着重要作用。现有大部分点云语义分割方法均依赖于大量获取成本昂贵的点级标签用于全监督训练,且在推理时无法扩展到对不可见新类的识别上。为克服上述限制,少样本学习（few-shot learning）通过仅使用少量标注的新类样本来实现到新知识的泛化。在对原型网络（prototypical network）研究基础上,设计一种对点云视觉原型进行自对齐、跨对齐正则化,并进一步矫正优化的少样本3D点云语义分割框架,以充分利用支撑集信息。在公开数据集S3DIS和ScanNet上不同少样本设置下（N-way,K-shot）的实验充分证明了方法在分割效果和推理效率上的优越性。