菲(C14H10)在东北黑土中的吸附及冷冻-消融对其可提取性影响

疏水性有机物进入土壤后,随着与土壤的接触时间延长,发生老化现象,导致其可提取性和生物可利用性下降。以菲为目标污染物,考察了其在黑土原土及三种不同粒组土样上的吸附行为,并采用加标法考察了不同的冷冻-消融周期对菲的可浸提性影响。研究结果表明:菲在黑土及不同粒组土样的吸附等温线可用Freundlich方程较好地拟合(R2≥0.953 0),1/n值为0.769 5~1.083 6。冷冻-消融处理可显著降低菲在黑土及不同粒组土样中的可浸提率,且经第1次冷冻-消融老化后的可浸提率降低最多。因此,在评价有机污染物的环境风险时应充分考虑其在土壤中的老化作用。     

Ni含量对CuNiAl合金导电率及摩擦性能的影响

采用熔铸法制备CuNiAl合金,Cu含量为95wt%,Ni/Al原子比分别为1:3、1:2、1:1、2:1、3:1的CuNiAl合金。利用涡流电导仪和磨损试验机测量了不同状态合金的导电率。研究发现:CuNiAl合金随着Ni含量的逐渐增加,导电率减小,合金的黏着磨损减弱,磨粒磨损现象明显增加。     

基于增量学习的高光谱图像目标检测

高光谱图像目标检测是高光谱图像分析中的重要研究内容之一。本文从经典有效的约束能量最小化算法出发,提出了一种基于增量学习的高光谱目标检测方法。当获得新的样本时,不需要重新计算所有样本的自相关矩阵即可对检测器模型进行更新,减轻了星上有限计算资源的负担。实验结果表明:本文提出的目标检测算法在压制背景光谱的同时可以更好地适应目标光谱,提高了算法的检测性能。     

推进剂重定位过程仿真与分析

为了拓展低温上面级滑行时间，满足深空探测任务需求以及提升运载火箭任务适应性，中国未来型号研制将采用间歇沉底的方案，其主要难点是推进剂重定位过程的研究。本文针对目前重定位仿真多为二维CFD仿真且不能准确合理地预示气泡逸出过程的问题，提出一种基于Flow-3D的三维CFD仿真方法。该方法采用卷气体积与液体体积之比（卷气率）预示气泡逸出过程，比以往采用气泡粒子数预示气泡逸出过程的方法更为合理准确。重定位及气泡逸出过程的仿真结果与半人马座落塔试验的结果具有一致性，捕捉到了重定位过程所有特征流型，且对应时刻误差不超过10%。仿真结果表明间歇沉底推进剂管理方案的可行性，并确定了某低温上面级的相关设计参数。     

基于无线测温的真空熔铸炉高温合金液相温场检测

以无线测温技术为基础,分析了感应加热式真空熔铸炉高温合金液相温场检测原理,提出了在高温合金材料精密铸造模型浇注(定向结晶)过程中,采用预埋敷设温度传感器组的液相温场跟踪检测方法,并对其进行了说明。     

基于改进YOLOv5s的安全帽检测算法

针对现有安全帽检测算法难以检测小目标、密集目标等缺点，提出一种基于YOLOv5s的安全帽检测改进算法。采用DenseBlock模块来代替主干网络中的切片结构，提升网络的特征提取能力；在网络颈部检测层加入SE-Net通道注意力模块，引导模型更加关注小目标信息的通道特征，以提升对小目标的检测性能；对数据增强方式进行改进，丰富小尺度样本数据集；增加一个检测层以便能更好地学习密集目标的多级特征，从而提高模型应对复杂密集场景的能力。此外，构建一个面向密集目标及远距离小目标的安全帽检测数据集。实验结果表明：所提改进算法比原始YOLOv5s算法平均精确率（mAP@0.5）提升6.57%，比最新的YOLOX-L及PP-YOLOv2算法平均精确率分别提升1.05%与1.21%，在密集场景及小目标场景下具有较强的泛化能力。     

基于线性编码补偿方法的非固定丢包率下的分布式融合估计器

为解决无线信道非固定丢包率建模和丢包补偿问题，研究了具有非固定丢包率的网络化多传感器融合估计问题。假定无线信道丢包率是非固定的，利用对过去得到的有限个测量值进行线性编码的方法对丢包进行补偿，针对系统矩阵中存在的非高斯非白噪声随机干扰，首先设计了一种利用每一时刻数据包到达变量的局部最优估计器，其次推导出融合估计误差协方差与传感器传输概率之间的函数关系。最后通过算例仿真验证所提方法的有效性。      

距离相关系数融合GPR模型的卫星异常检测方法

卫星在轨运行期间，遥测数据表现形式通常为多维时间序列。高斯过程回归(GPR)模型可以为重要的遥测参数提供动态门限，及时发现隐藏在工程阈值内的故障征兆，但是高维卫星数据使得GPR模型具有局限性。因此，为获取与多个遥测参数相关的动态门限，在GPR模型的基础上，融合距离相关系数对预测变量进行选择，减少信息冗余和计算量，提高模型的可解释性，并估计模型的泛化误差以设置更合理的预测区间，提高模型的泛化能力，检测数据流的持续异常。对实际在轨卫星数据进行仿真实验，验证了距离相关系数融合GPR模型的卫星异常检测方法可以在卫星故障早期检测到数据异常，而且提高了模型的预测性能，降低了虚警率。