煤直接液化柴油的储存安全性

通过对比实验,对煤直接液化柴油的储存安定性进行了考察,结果表明,经过加氢改质的煤直接液化柴油有很好的储存安定性,其氧化安定性(总不溶物)、色度、10%蒸余物残炭在储存6个月后仍远小于国家<轻柴油>标准规定的指标.此外,煤直接液化柴油的储存安定性好于对比的石油基柴油.石油基柴油掺入煤直接液化柴油后,安定性可得到一定改善.煤直接液化柴油性质稳定,密度、馏程等不随储存时间的变化而发生改变.     

安全、质量、工期、成本的辩证关系

安全、质量、工期、成本是施工项目管理系统中相互作用和相互依赖的重要因素。施工企业必须以最佳的协调方式处理好四者的辩证关系,才能在市场竞争中立于不败之地。     

新型生物乳化柴油在柴油机上的ESC试验研究

在高压共轨电控柴油机上分别燃用柴油(D)、甲酯(B100)和生物乳化柴油(EB10、EB15和EB20),进行ESC十三工况稳态测试循环试验,研究了生物乳化柴油中水和丁醇含量对发动机燃烧、动力性、经济性和排放的影响。结果表明:5种油品中EB10的放热率峰值最大;随着生物乳化柴油中丁醇和水掺混比例的增大,其滞燃期延长,燃烧持续期缩短;EB10的有效热效率高于柴油,燃油消耗率低于柴油,EB15和EB20与之相反。NO_x、PM排放及烟度随水和丁醇掺混比例增大而降低,HC和 CO排放都有上升趋势但很微小;EB10、EB15和EB20的HC排放略高于柴油,CO排放低于柴油。     

基于有色信源MIMO-FIR信道的盲均衡准则

针对有色信源具有的统计特性,分析了该类信源的二阶与四阶相关统计量在时间和空间上所呈现的规律,提出了一种在对信源要求比较弱的条件下MIMO-FIR信道的新盲均衡准则,并构建了基于该准则的盲均衡算法。通过计算机仿真验证了提出算法的有效性。     

水工环的现状及实现水工环地质分析与研究

随着社会的不断发展进步,人们的生活水平也逐渐提升,近年来人们逐渐意识到生存环境对我们的重要性,我国在水文地质、环境地质及工程地质这几方面都有所改变。国家一路建设发展至今,人民群众的生活质量实现了质的飞跃,但是在发展过程中,对自然资源与环境都造成了很大程度的伤害与影响,生态环境一旦受到威胁,将关系到人类命运的发展。因此,在经济发展同时,人们意识到环境保护事业的重要性,文章对水工环现状展开分析,并探究了实现水工环地质新突破的有效策略,为推动我国生态环境保护事业发展起到积极促进作用。     

基于多级特征融合的运动意向识别方法研究

针对提取的多通道EEG(脑电信号)的CSP(共空间模式)算法在空间滤波上具有很好的性能,但是CSP算法无法体现EEG信号的时域和频率特性,导致分类器的准确率不高和泛化性能不好的问题.提出了一种新的加权正则化的DTCWT(双树复小波变换)与CSP的特征提取方法(R-DTCWT-CSP),充分结合脑电信号的时-频-空域特征信息,减少冗余通道的无用的信息.在国际竞赛BCI Competitions 2008的四分类数据集上,采用多种分类器对比得到分类准确率最好的分类器,网络搜索算法进一步优化参数,最后选取准确率较好的四个分类器组合成一种投票机制的分类器对脑电信号进行分类.识别准确率最高达到94.23％,这表明方法是可行有效的.     

Nb、Al共掺杂MoSi2弹性性质的第一性原理计算

Mo S2i是一种半金属化合物,有比较好的热传导性和导电性,一直作为一种耐高温合金被广泛使用。本文针对Nb和Al共掺杂Mo S2i后Mo S2i的弹性常数、导电性能、热传导性以及Mo S2i电子结构会发生的不同变化的情况,对Nb和Al共掺杂Mo S2i弹性性质的第一性原理计算做了具体相关探究。     

基于EEG的音乐舒缓紧张情绪的研究

将音乐、脑电波(Electroencephalogram,EEG)与情绪治疗三者相结合,让处于紧张情绪下的人聆听不同类型音乐,观察在不同音乐作用前后被测者EEG波形能量变化,以此分析出情绪刺激下左右脑区对不同类型音乐的敏感程度;利用快速傅里叶变换(Fast Fourier Transform,FFT)加窗函数实现对脑电信号α、β波段的特征提取,由对应节律的功率谱的对比发现,音乐舒缓后α波主要占用频宽无明显改变,β波主要占用频宽变大;最后,利用Hjorth参数进行时频分析,检测时间序列的信号活动,从而验证舒缓的音乐有利于缓解紧张情绪,并且左脑对节奏欢快的音乐更敏感,右脑对忧伤的音乐更敏感。在此研究的基础上提出,未来进行音乐治疗时,针对不同情绪,选择不同音乐的融合比例,会达到更好的治疗效果。     

基于CNN脑电信号伪迹检测与去除的EEMD方法

为了去除在脑电信号采集过程中受到的干扰,在传统方法的基础之上,提出了一种基于卷积神经网络(CNN)脑电信号伪迹检测与去除的方法。该方法通过CNN模型对脑电信号电压幅值计算后的特征进行提取,完成Softmax分类器对脑电信号的检测分类。采用EEMD算法将含噪脑电信号分解为若干个本征模式函数IMF分量,通过Hilbert特征法提取出噪声占主导的高频IMF分量,再由FastICA的方法将剩余信号分离,达到眼电伪迹的去除。实验表明,CNN方法检测准确率高达80%以上,CNN与EEMD的结合提高了脑电信号伪迹去除的有效性。