摘要：芦荟汁经预处理和浓缩后,采用正交试验法,以所得芦荟多糖质量为考察指标,对影响多糖得率的因素进行研究;另外采用单因素分析法,借助热重分析,研究pH值对多糖纯度的影响。进而实现芦荟多糖提取工艺的优化。试验设计的三因素中乙醇浓度有显著影响,pH值对多糖纯度也有较大影响。芦荟多糖的最佳提取工艺为:调节芦荟凝胶浓缩汁的pH值为4.40左右,加入乙醇使其浓度达到80%,操作温度为-3℃,醇沉时间5h。

摘要：研究了一类非匹配不确定离散广义系统的准滑模控制问题。给出了带有扰动补偿的离散广义趋近律,消除了常规滑模控制中不确定项必须有界的限制,且不必满足匹配条件。所设计的滑模控制在有限时间内可达切换面,减小了准滑动模态带宽,有效地削弱了系统抖振,改善了系统动态品质。数值算例验证了该方法的可行性与有效性。

摘要：为提高自主水下航行器的可靠性,构建基于MOOS-IvP的自主水下航行器机载软件系统容错管理模块。该模块包括客户端状态监控和容错处理。在容错处理中,提出一种时间冗余和双进程冗余相结合的容错处理技术。通过在水池和海洋中对自主水下航行器改进后的软件系统进行测试,并用经典的软件可靠性增长模型定量对比分析了自主水下航行器改进前后软件系统平均无故障运行时间。试验结果表明,增加容错管理模块后的软件系统的可靠性明显提高。

摘要：为确保云制造环境下资源提供方利益,满足其在异常情况下实时纠错的需求,提出一种非常规动态访问方式。从服务能力、运营能力、服务成效方面建立评估价值体系,进行第三方可信监管平台选择。给出访问控制总体结构,引入时空属性、自由度、先决条件依赖、生命活动时间等概念作为授权约束,在不涉及服务方商业隐私前提下,允许第三方可信监管平台在生命活动时间内拥有对能力状态异常的资源提供方进行实时纠错的权限,为服务使用者提供更人性的服务。以汽车零配件生产为例,阐述应用该访问方式进行实时纠错的步骤,实验结果表明了该方法的可行性。

摘要：为实现近场风场的非接触式高分辨、高精度测量,弥补脉冲相干测风激光雷达在近场风场测量存在盲区的缺陷,选用对人眼安全的1550 nm工作波长的高功率连续波光纤激光器作为光源,基于激光多普勒相干测风原理,通过改变连续波激光聚焦位置实现风场不同位置的风速探测。为提高系统的信噪比(SNR),优化选取了当前系统本振光功率参数;并通过优化设计“有效频谱质心”算法,对连续波测量体积内存在多个速度分量数据进行处理,从而提高数据反演精度。使用该激光雷达系统与超声波风速计进行对比实验,风速数据相关性为0.98,标准差为0.16 m·s^(−1)。在此基础上,利用该激光雷达系统进行长期风速观测实验,选取不同天气气溶胶含量差别较大的多组数据进行分析,同时对近地面及近建筑物风场内风速的变化进行了探究。局地风速观测实验结果表明,该激光雷达系统的风速测量区间为0.3∼18 m·s^(−1),风场测量位置2∼30 m,能够实现风场风速梯度的连续测量。

摘要：基于谷歌人工智能学习系统TensorFlow,构建多层感知器MLP(Multi-layer Perceptron)神经网络模型,用于预测每日收盘股价。将苹果公司的每日开盘股价作为数据集输入到神经网络,收盘价格作为神经网络学习的样本,并在训练过程中不断调整权值和阈值及网络结构,最终得到具有较高预测精度的神经网络模型。并就股价预测问题将TensorFlow与传统BP(Back Propagation)神经网络进行性能对比:(1)TensorFlow所构建的神经网络的均方误差RMSE(Root Mean Square Error)=0.624 5,而BP神经网络的RMSE=0.894 2,显示出TensorFlow具有更好的预测准确度;(2)同样的学习样本数量,TensorFlow的预测耗时=1.221 s而BP神经网络的预测耗时=2.483 s,TensorFlow在分析效率及收敛速度上更有优势;(3)TensorFlow具有更友好的编程接口支持。证明了TensorFlow具有加快神经网络建模以及编程速度,提高数据分析效率的作用。通过对TensorFlow的开发流程的介绍,为进一步使用TensorFlow构建复杂的神经网络并进行数据分析提供了依据。

摘要：相干测风激光雷达扫描测量模式下使用速度方位显示(VAD)方法反演水平风场时,若不进行质量控制,会使拟合数据精度大幅降低。基于最小二乘VAD拟合算法,通过分析相干测风激光雷达扫描测量模式中的多种误差源,设置了信噪比、数据残差、扫描区间有效数据、数据有效率四个判据对参与拟合的数据质量进行控制,进而提出了基于以上判据的VAD逐级拟合质量控制方案,设计了数据质量控制流程,并对该方法进行了实验验证。通过对2 955组10 min平均激光雷达测风数据与高精度风杯数据进行对比分析,结果表明:经VAD逐级拟合质量控制流程后,风速均方根偏差从0.97 m/s降低到0.54 m/s,比对偏差降低约44%,风向均方根偏差从7.47°降低到5.55°,比对偏差降低约26%。

摘要：密码学研究者们使用同态签名或同态MAC方案来保障网络编码环境中消息的完整性。然而,随着数据量的增加,同态签名方案的计算开销越来越大;同态MAC方法虽然能够有效地节省计算开销,但是存在标签污染和代间污染问题。为了更有效地保障网络编码中消息的完整性,提高系统的性能,文章提出一种结合同态MAC方案和同态签名方案的混合网络编码方案,利用同态MAC方案为传输的数据包生成一个标签集合,然后对标签集合进行签名。在方案设计中引入了消息的代标识符,中间节点可以依据消息的代标识符对来自同一代消息的数据包进行网络编码。中间节点通过对签名和标签的双重验证来及时发现并丢弃受污染的数据包。经过安全分析,该方案实现了同时抵抗数据污染、标签污染和代间污染三种污染攻击的功能。

摘要：针对附有纹理属性的网格模型,提出并实现了一种保持模型基本外观和形状特征的多分辨率网格简化算法·采用半边折叠操作,综合考虑了网格模型半边的几何重要性和纹理属性重要性,将其作为各半边的折叠代价来确定模型中所有边的折叠顺序·预先对网格模型中的边界边和纹理边进行标记,并在简化过程中进行加权处理·实验结果表明,即使在急剧的模型简化后,该方法仍能很好地保持原有模型的视觉外观和形状特征·

摘要：稀疏阵能够获得更大的阵列孔径,但常规波束形成(Conventional Beam-Forming,CBF)对非均匀稀疏阵测向时会出现方位模糊。提出了一种基于最小方差无畸变响应(Minimal Variance Distortionless Response,MVDR)同局部非稀疏的非均匀稀疏阵(Non-Uniform Sparse Array,NUSA)的设计相结合来抑制方位模糊的方法(NUSA+MVDR),对其无方位模糊现象进行了理论分析,表明MVDR这一非线性处理方法对伪峰有很好的抑制能力。针对一种典型的NUSA(Typical NUSA,TNUSA),进行了TNUSA+MVDR数值仿真实验,其结果和理论分析一致,表明:1 MVDR有很强的NUSA检测能力,在所给仿真条件下,等效阵元间距为50倍波长时,仍能很好地抑制方位模糊;2TNUSA+MVDR较阵元数相同的均匀非稀疏阵列的CBF和MVDR有更高的方位分辨力;3阵元数一定,TNUSA+MVDR方位分辨力随着等效间距增加而提高,最小可分辨角度反比于等效间距;4等效间距一定,TNUSA+MVDR方位分辨力随阵元数增加而增加。海上实验在等效阵元间距为10倍波长条件下部分验证了NUSA+MVDR的检测性能。