摘要：设计制作了一种新型微腔体微波衍生反应器,采用红外成像技术研究了反应器中样品的温度分布和升温特征。结果表明,设计的微波衍生反应器具有优于传统谐振腔微波反应器的体积小巧、操作简单、样品升温匀速平稳、温度分布均匀、易于控制等特点。据此建立了微波辅助衍生-气相色谱质谱法(microwave-assisted derivatization-gas chromatography mass spectrometry,MAD-GC-MS)快速测定有机酸的方法,采用GC-MS鉴定出琥珀酸和柠檬酸衍生产物分别为琥珀酸二甲酯和柠檬酸三甲酯,获得最佳衍生条件:衍生剂硫酸体积分数20%,用量1.0 mL、微波功率30 W、微波衍生时间4 min。相对于传统衍生方法,衍生时间从120 min大幅度缩短至4 min,且衍生效率明显提高。该方法对琥珀酸和柠檬酸的检出限分别为0.019 mg/mL和0.026 mg/mL,使用该方法测定了柠檬、猕猴桃和番木瓜中琥珀酸和柠檬酸含量,回收率为98.34%~102.52%,标准偏差为1.63%~3.25%。该研究所设计的微腔体微波反应器适于色谱分析前对有机酸等成分进行精确、平稳可控地快速微波衍生处理,在食品分析领域具有良好的应用前景。

摘要：针对三峡库区"阶跃式"滑坡的变形特征,提出了一种新的滑坡位移预测方法。以白水河滑坡ZG118和XD-01监测点位移数据为例,采用基于软筛分停止准则的经验模态分解(SSSC-EMD)将累计位移-时间曲线和影响因子时间序列自适应地分解为多个固有模态函数(IMF),并采用K均值(K-Means)聚类法对其进行聚类累加,得到有物理含义的位移分量(趋势性位移、周期性位移以及随机性位移)和影响因子分量(高频影响因子和低频影响因子)。使用最小二乘法对趋势性位移进行拟合预测;采用果蝇优化-最小二乘支持向量机(FOA-LSSVM)模型对周期性位移和随机性位移进行预测。将各位移分量预测值进行叠加处理,实现滑坡累计位移的预测。研究结果表明,所提出的(SSSC-EMD)-K-Means-(FOA-LSSVM)模型能够预测"阶跃式"滑坡的位移变化规律,且预测精度高于传统的支持向量机回归(SVR)、最小二乘支持向量机(LSSVM)模型;并通过改变训练集长度,进行单因素分析,发现其与预测精度之间呈正相关关系。

摘要：目的现有的深度图像去噪算法在去除加性高斯噪声上效果显著,但在去除任意分布的真实图像噪声时表现不佳;去噪模型的深度在不断增加,但去噪效果上却并未能显著提高。对此,设计了一种简单有效的两阶段深度图像去噪算法。方法首先基于注意力机制估计真实图像上的噪声分布水平,然后使用一个混合膨胀卷积和普通卷积的多尺度去噪模块进行非盲降噪。结果在DND(darmstadt noise dataset)、SIDD(smartphone image denoising dataset)、Nam和PolyU(the Hong Kong Polytechnic University)等4个图像去噪领域常用数据集上进行去噪实验,选择峰值信噪比(peak signal-to-noise ratio,PSNR)和结构相似性(structual similarity,SSIM)作为去噪效果的评价指标,得到的平均PSNR值分别为39.23 dB,38.54 dB,40.45 dB,37.34 dB,并与几种传统去噪方法和基于深度学习的去噪方法进行比较。实验结果表明,本文的去噪算法在去噪效果和视觉质量上有明显提升。同时,在SIDD数据集上进行消融实验以验证算法中模块的有效性。结论本文算法使用的跳跃连接、噪声水平估计以及多尺度模块均可以有效提升真实图像去噪效果。与现有方法相比,本文算法不仅能有效去除真实图像噪声,而且能通过简单的模块参数设置控制去噪网络的计算效率。

摘要：为研究寒区受荷裂隙岩石的破裂机制,以多裂隙砂岩作为研究对象,开展冻融循环试验和单轴压缩试验.引入能量特征参数,定量研究不同冻融循环次数下多裂隙试件和完整试件的能量转化特征.而后,基于损伤统计理论和应变等效原理,建立冻融裂隙岩石受荷损伤模型,探讨岩石损伤特性与能量转化之间的相关性.研究表明,冻融前后多裂隙砂岩试件的破坏模式均为拉剪混合破坏,试件的强度和弹性模量与冻融循环次数之间均呈指数衰减关系.多裂隙试件和完整试件的储能极限及应变能峰后转化率随着冻融循环次数的增加而不断减小,而相同冻融循环次数下多裂隙试件的能量特征指标均小于完整试件,说明冻融循环作用和多裂隙减缓了变形破裂过程中的能量释放.砂岩试件的峰值应力点损伤值与冻融循环次数之间服从指数增长函数,而多裂隙试件的损伤值大于相应工况下的完整试件,这是因为多裂隙加剧了岩石冻融损伤.数据拟合进一步验证了峰值应力点损伤值与应变能峰后转化率之间呈高度负相关关系,即岩石冻融损伤程度越高,峰后能量转化越弱.

摘要：开发一个自动提款机模拟系统.系统的分析、设计和实现以UML建模为驱动力;类图、用例图、状态图、顺序图和活动图从几个视角描述系统的静态结构和动态行为.

摘要：为了解决传统增压匹配方法不能保证所选涡轮增压器与柴油机最佳匹配的问题,以及内燃机是高度的非线性系统,难以使用具体的数学公式来表示某一参数与其他参数之间的相互关系,基于一款非道路用柴油机的设计开发需求,提出了利用参变量扫值进行增压匹配的方法,以GT-Power软件为载体建立相应的增压柴油机模型,通过对不同大小的压气机和涡轮进行参变量扫值计算,在满足柴油机设计指标与耐久性约束的条件下,综合选取了与柴油机匹配良好的涡轮增压器。为了折中增压之后表征机械负荷的最高气缸压力与表征热负荷的排气歧管温度,又通过模拟分析确定了合理的增压压力和燃烧始点。台架试验结果表明:选定的涡轮增压器与柴油机匹配良好,各项性能参数与排放指标均达到了设计要求,合理匹配增压压力和燃烧始点可有效平衡最高气缸压力与排气歧管温度之间的矛盾。参变量扫值方法代替了实际增压匹配的复杂调整过程,并为实际的标定工作提供了一定的借鉴指导。

摘要：针对含有参数化和非参数化的高阶非线性系统,设计了一种重复学习控制方案.假设未知时变参数和参考信号的共同周期是已知的,通过参数重组技巧,将所有未知时变项合并为一个周期时变向量.将改进Backstepping方法与分段积分机制相结合,构造了微分-差分参数自适应律和重复学习控制律,使跟踪误差在误差平方范数意义下渐近收敛于零.利用Lyapunov泛函,给出了闭环系统收敛的充分条件.仿真结果验证了该方法的有效性.

摘要：使用拍卖方式来进行资源分配可以使得资源提供商获得更大的收益,是云计算领域近年来研究的重点。但现有研究多是基于非可信、单资源、单需求的前提。该文提出一种基于拍卖方式的云计算虚拟资源分配和定价机制(VRAP)。这种机制的特点在于,用户在一次拍卖中可以提出多个资源需求。证明了在这种机制下,资源提供商可以获得较以往拍卖机制更大的收益,同时能够保证用户出价是可信的。进而在具体资源分配问题上,提出一种单调的启发式算法能够在很短时间内计算出分配结果,通过资源稀有度概念设计了再分配策略,可以保证云资源提供商的收益极大化;在支付价格计算算法设计中,基于临界值理论计算支付价格,从而保证机制的公平可信。在社会福利、执行时间、资源利用率等多个方面对VRAP进行了测试分析,取得了很好的效果。

摘要：提出以广泛使用的非参数化造型系统 AU TOCAD进行机器人参数化三维实体造型方法和修改方法 ,能方便灵活地生成符合需要的机器人及其工作环境的三维实体模型 ,将其用于机器人离线编程 .该方法也适用于以AU TOCAD进行其它开链结构系统的参数化三维实体造型 .

摘要：尝试引入高维Copula函数对影响参考作物蒸散量ET0的气象因素进行联合分布构建,揭示不同变量间的相关结构,建立多元气象因素对ET0的联合分布模型,对逐日ET0及短期干旱等级进行预测,并将枯季1-4月份的多维Copula联合分布预测模型的系统性偏差构造成修正函数,代回ET0预报模型以改善预报效果,利用洱海流域内大理站1954-2018年逐日气象观测数据,以FAO Penman-Monteith方程为标准值对比分析。结果表明:1)平均气温(T)和最高气温(Tmax)2个气象因子组合时,二维Normal Copula模型对逐日ET0预测的精度最高,叠加上修正函数项之后,相对误差小于10%、15%、20%、25%的样本比例分别提高到71.6%、84.4%、91.4%、96.5%,全年符合指数IA变化范围为0.98~0.99,平均偏差ME为0.17~0.30,均方根误差RMSE为0.54~0.64,Nash-Sutcliffe效率系数为0.90~0.98;2)将逐日ET0预测方法应用于逐日气象干旱预测评估(以逐日SPEI指数为例),逐日SPEI指数预测值与标准值的相关系数为0.95~0.99,平均偏差ME为-0.10~0.35,均方根误差RMSE为0.20~0.30,符合指数IA为0.97~0.98,Nash-Sutcliffe效率系数NSE为0.91~0.97,在降水量多的季节,Copula函数模型预测ET0的精度更高一些,且逐日SPEI预测的误差参数都优于逐日ET0的预测结果。