课程文献中心 更多>>

关键词： 自适应光学   自由空间光通信   控制算法   蜣螂优化算法   波前校正  

摘要： 本研究引入一种改进的蜣螂优化算法，并将其应用于无波前传感自适应光学系统，用于校正大气湍流引起的光信号波前畸变。通过仿真实验，我们比较了该算法与传统蜣螂优化算法、随机并行梯度下降算法以及模拟退火-随机并行梯度下降算法在无波前传感自适应光学系统中的性能。结果表明，在达到相同校正效果的前提下，基于改进蜣螂优化算法的波前校正系统在各种湍流条件下均表现出显著优势，校正速度最低提高了80%。此外，改进后的算法展现出更强的全局搜索能力，有效避免了陷入局部最优解的问题，同时还表现出更高的收敛稳定性和鲁棒性，进而显著提升了相干自由空间光通信系统的整体通信性能。

关键词： 硅   生物炭   稳定性   重金属   有机污染物  

摘要： 生物炭（Biochar）是由生物质限氧热解得到的富碳固态产物，被广泛应用于固碳和环境修复等领域.生物炭的矿物组分对其理化性质和环境应用具有重要影响，因此矿物组分受到越来越多的关注.硅（Si）是生物炭主要矿物组分之一，广泛来源于常见矿物质和富硅农作物. Si对生物炭的影响主要包括化学性质（如元素组成、官能团及酸碱度等）和物理性质（如孔隙结构、比表面积等）.原料来源、热解温度等因素亦会影响含Si生物炭的碳捕集封存和固持污染物性能.因此探究Si对生物炭特性及其对污染物环境行为的影响机制将有助于全面理解含Si生物炭的环境效应.本文基于内源Si和外源Si的角度，综述了Si对生物炭的理化性质、稳定性以及污染物吸附/降解的影响机制，并在此基础上总结了现有的研究局限以及未来有必要进一步研究的科学问题，以期为含Si生物炭的应用提供理论基础.

关键词： γ-聚谷氨酸   枯草芽孢杆菌   豌豆蛋白   乳液稳定性  

摘要： 豌豆分离蛋白营养丰富，在食品领域应用广泛，但较差的水溶性限制了其应用范围。本研究探究了微生物来源的γ-聚谷氨酸（γ-PGA）对豌豆分离蛋白乳液稳定性的作用。首先利用平板分离方法从传统自制黄豆酱中分离到一株高产胶状发酵产物的菌株BM202001，经16S rRNA 基因测序和序列同源性分析鉴定为枯草芽孢杆菌；菌株发酵产物经纯化后，利用紫外光谱、红外光谱、氨基酸分析等方法鉴定为γ-PGA。最后，通过测定分析乳液电位、粒径和微观结构等方法，发现0.01%γ-PGA与1.5%豌豆蛋白制备的乳液稳定性好，液滴小且均匀，能提高豌豆蛋白乳液稳定性。研究结果既能为PPI乳液稳定性的提高提供一种新方法，还能进一步拓宽γ-PGA以及豌豆蛋白在食品方面的开发应用范围。

关键词： 车内噪声主动控制   频域前馈自适应算法   降噪效果   计算量   收敛速度   稳定性  

摘要： 噪声主动控制技术可以有效改善车内声品质（低频尤为明显），从而提升驾乘舒适性。然而，目前广泛应用于车内噪声主动控制领域的时域前馈自适应算法（TFxLMS）存在着计算量大、收敛速度慢、稳定性差等缺点，难以满足消费者对于主动降噪技术的心里预期。针对此问题，本文基于快速傅里叶变换（FFT）与分块计算思想提出了一种频域前馈自适应算法（FFxLMS）。通过数值仿真比较了FFxLMS算法和TFxLMS算法在降噪效果及计算量、收敛速度、稳定性等三方面的性能优劣，并通过实车路试验证了仿真结果。对比显示，FFxLMS算法降噪效果更明显、计算量更小、收敛速度更快且稳定性更好。

关键词： 库仑土压力   稳定性验算   最不利   主动土压力   挡土墙  

摘要： 土压力是作用在挡土墙上的侧向压力，是挡土墙设计验算的重要依据；然而，在通常的土压力计算中，挡土墙自身的几何参数与挡土墙稳定性验算相关的参数如抗滑动能力、抗倾覆能力等并没有考虑，这种将土压力计算与后期的挡土墙稳定性验算单独计算的方式，只考虑了土压力本身的一种极限状态，并没有考虑后续挡土墙稳定性验算所处的状态。为得到一种考虑更周全的挡土墙计算方法，本文通过分析墙后土体与挡土墙之间的作用力，根据现有文献资料，认为在库仑土压力计算时，墙后土压力并不一定要达到极限状态，但土压力的作用方向必须在规定的角度范围之内，即不能超出极限状态；由于土压力作用方向只能在规定角度范围内变化，则其中可能存在一个使挡土墙在稳定性验算时最不利的土压力作用方向；从挡土墙设计的角度出发，考虑挡土墙的稳定性验算，对土压力进行求解，更符合挡土墙设计的初衷。基于以上考量，本文以库仑主动土压力计算方法为基础，提出了考虑挡土墙稳定性设计的最不利主动土压力力学模型，推导了最不利主动土压力的计算公式；算例证明，计算结果与库仑土压力理论有明显不同，所得土压力使挡土墙验算时稳定性更低；该研究对土压力的求解考虑了后续挡土墙的稳定性验算，值得挡土墙设计时借鉴。

关键词： 网格生成   计算流体力学   神经网络   偏微分方程   结构网格  

摘要： 网格生成是计算流体力学前处理环节的关键， 在整个计算流体力学数值模拟中扮演着十分重要的角色. 为了进一步提升网格生成效率及智能化水平， 提出了一种融合神经网络和偏微分方程的结构网格生成方法StruMNet. 所提出的方法以计算域的边界以及内部的采样点为输入， 建立结合偏微分方程的神经网络模型用于网格生成， 控制方程和几何边界约束嵌入在损失函数中作为模型的优化目标; 所提出的方法引入了损失函数自适应权重策略和点加权机制来提升网格质量及在复杂边界处的拟合能力; 训练后的StruMNet能够根据给定的边界形状预测网格点; 实验结果表明， StruMNet在不同几何上的网格生成质量优于物理信息神经网络方法和MGNet方法， 在网格生成效率方面相较于传统方法提高3个数量级， 最终实现结构网格的快速生成.

关键词： 射流   黏附液滴   变形   脉动速度   倒向随机微分方程  

摘要： 针对射流表面黏附液滴变形动力学机制的科学问题，在给定终值条件下，建立射流表面黏附液滴运动变形的倒向随机微分方程，研究具备怎样的初值才能达到液滴预定的目标。研究表明：在射流表面单个黏附液滴的变形过程中，其拉伸的概率约50％。同时，该过程中液滴产生长轴拉伸，短轴拉伸；长轴拉伸，短轴回缩；长轴回缩，短轴拉伸；长轴回缩，短轴回缩四种变形模式的概率分别为：18.9％、31.2％、18.7％、30.5％；在液滴群拉伸变形过程中，液滴会经过短轴收缩的变形过程，即液滴群整体有断裂的趋势。且改变终了时刻大小，以及终了时刻液滴形态和长轴增长率并不会引起液滴群变化趋势的改变。研究结果对探索液滴变形过程具有重要意义，为研究射流表面黏附液滴的变形提供了新的方法。

关键词： 深度学习   偏微分方程   傅里叶神经算子   多尺寸卷积   多分支特征融合   多尺度PDE  

摘要： 偏微分方程（PDE）是描述现实系统的重要数学工具，对其进行求解可以预测和分析系统的行为。PDE的解析解通常难以获取，一般通过数值法进行近似解算，但数值法求解参数化PDE时效率较低。近年来，利用深度学习求解PDE的方法在应对上述问题时展现出了优势，特别是傅里叶神经算子FNO（Fourier Neural Operator）已在此类问题中展现出显著成效。然而，FNO仅通过频域上的卷积来提取全局信息，难以捕获PDE的多尺度信息。针对此挑战，提出一种基于局部增强的FNO模型，在傅里叶层引入并行多尺寸卷积模块，通过不同尺寸的卷积提高模型捕获局部多尺度信息的能力。同时在线性层后引入一种多分支特征融合模块，通过将数据提升到不同通道进行学习提高模型整合多通道信息的能力。实验结果表明：该模型在Burgers方程的求解中误差降低了30.9%，在Darcy Flow方程的求解中误差降低了18.5%，在Navier-Stokes方程的求解中误差降低了5.5%。

关键词： 虾青素   纳米乳液   几何异构体   物化特征   稳定性   生物利用率  

摘要： 探究两种虾青素几何异构体经纳米乳液包封后的物化特征、稳定性和生物利用率。本研究以高压均质法制备全反式虾青素纳米乳液（all-E-astaxanthin nano-emulsions，all-E-AST NEs）和顺式虾青素纳米乳液（Z-astaxanthin nano-emulsions，Z-AST NEs），采用粒度仪、色差仪、紫外可见光谱、红外光谱和扫描电镜等技术比较两种纳米乳液的物化特征；通过加热、光照和储藏条件多维度表征其稳定性；同时采用扩散模型法对其生物利用率进行评价。结果表明，all-E-AST NEs和Z-AST NEs的外观颜色分别为淡粉色和橙黄色，与all-E-AST NEs相比，Z-AST NEs的L*、a*和b*值显著提高（P＜0.05），平均粒径、多分散性指数PDI分别降低30 nm和0.043，包封率显著提高6.1%（P＜0.05），具有更强的紫外吸收；两种纳米乳液粉末的微观形态差异显著，取决于全反式虾青素的高结晶度和顺式虾青素的无定形态；all-E-AST NEs在加热、光照和长期储藏条件下的稳定性显著高于Z-AST NEs；Z-AST NEs的分配系数是all-E-AST NEs的3.54倍（P＜0.05）。该研究表明全反式虾青素、顺式纳米乳液物化特征存在显著差异，且前者稳定性更好，后者生物利用率更高，为其在健康食品中的应用提供理论指导。