基于神经网络的炭/炭复合材料烧蚀性能预测

采用人工神经网络(ANN)对炭/炭复合材料烧蚀性能进行了预测。确定了炭/炭复合材料的密度、石墨化程度和基体炭类型为其烧蚀性能的关键控制因素,通过人工神经网络表征了炭/炭复合材料的密度、石墨化程度与其烧蚀性能之间的关系。在大量实验基础上对神经网络结构与参数发生变化时的网络性能进行了评估。结果表明,当网络训练集规模、隐层节点数、初始学习率与动量项等参数的取值分别为35、7、0.5和0.2时网络预测性能达到最佳状态,在此基础之上对炭/炭复合材料的质量烧蚀率进行了预测与评价。实践证明,采用人工神经网络对炭/炭复合材料的烧蚀性能进行预测时误差小于11%,满足工程实践的精度要求。

毛木耳不同生长期菌棒微生物群落研究

为探究毛木耳(Auricularia cornea)代料栽培子实体不同生育阶段菌棒内细菌和真菌群落,基于Illumina Miseq测序平台,对毛木耳4个出耳期(ful、pri、ope和mat)菌棒的微生物群落进行分析。获得细菌16S rRNA有效序列503724条,真菌ITS有效序列712728条。细菌物种注释分属25门54纲85目134科199属;真菌物种注释隶属5门9纲15目12科19属。菌棒中有非常丰富的细菌群落,主要分属于变形菌门(Proteobacteria)、厚壁菌门(Firmicutes)、放线菌门(Actinobacteria)和拟杆菌门(Bacteroidetes)。相对丰度最高的前2个属:ful期是Lysinibacillus(25.71%)和Acinetobacter(14.38%);pri期是Pseudomonas(35.85%)和Solibacillus(14.85%);ope期是Lysinibacillus(36.42%)和Pseudomonas(21.73%);mat期是Acinetobacter(27.94%)和Ochrobactrum(14.92%)。基于PICRUSt代谢功能预测结果,菌棒细菌群落主要富集于外源生物降解与代谢、脂质代谢和碳水化合物代谢等。各时期菌棒真菌群落以担子菌门(Basidiomycota)为主,Auricularia为绝对优势菌属(99.19%~99.94%),此外检测出了丰度极低的Simplicillium(0.25%)等。常压灭菌条件下,毛木耳菌棒细菌群落多样性丰富且与现有报道的食用菌细菌性病害病原菌有同源之处,目的菌以Auricularia为优势菌属,未检测出柱霉属(Scytalidium)、青霉属(Penicillium)、链孢霉菌属(Streptomyces)等其他常见病原菌。本研究解析了毛木耳出耳期菌棒微生物群落,为菌棒、子实体生理病害发生及预防提供参考。

神经网络在悬索桥故障诊断中的应用

利用改进的反向传播神经网络BP(back propagation)控制方法,结合压电陶瓷(PZT)受力变形时电压电场变化的机理,通过对悬索桥梁的应力应变进行在线检测,对桥梁结构健康状态进行智能诊断。通过实验研究获得了大量的实验数据,证明了该方法的可行性、先进性,为实际应用奠定了理论与实验基础。