海洋岛礁工程建设面临着取材困难、运输与材料成本昂贵等问题。为此, 开发了新型海水海砂火山渣混凝土(SSAC), 以推动海工建设的发展。通过混凝土三点弯曲梁断裂试验, 探讨了不同缝高比(0.2、0.3、0.4)和组料类型对SSAC断裂力学性能的影响, 获取了双K断裂韧度、断裂能与软化曲线等断裂参数的变化规律。结果表明, 受粗骨料的影响, 采用火山渣的混凝土的荷载-裂缝口张开位移曲线(P-CMOD)与普通混凝土相似, 但其下降段更为陡峭。SSAC断裂韧度小于普通混凝土, 且均不受缝高比影响。受海水海砂的影响, SSAC的断裂韧度和断裂能较淡水河砂火山渣试件分别提高14.30%和6.77%。基于试验数据, 推导得出考虑组料影响的双K断裂韧度与软化关系计算公式, 计算结果与试验结果吻合良好。

在传统的喇曼光谱检测过程中,喇曼光谱的有效信号有时会被荧光背景淹没,难以识别。为了准确、有效地分离差分信号和基线偏差,将差分喇曼技术和误差反向传播神经网络算法相结合,提出了差分喇曼解调和去噪算法,并进行了理论和实验验证。对市售的百草枯、补肾丸、机油以及海洛因等荧光较强的物质进行了检测分析。结果表明,可以得到有效的物质喇曼特征谱图。很好地解决了目前行业应用中检测的难题。

随着近年来便携式光谱仪技术的迅速发展, CCD光谱仪相对于传统光谱仪在光谱收集方式上发生了很多变化: （1）采集到的光谱对信号进行叠加积分, 传统信噪比评估方法无法通过单次检测获得探测器波动; （2）对于谱图噪声（谱线随机波动）, 由探测器响应随机波动和扫描重复误差转变为CCD探测器像素响应差异、 探测器随机噪声和与光学系统分辨力有关的模式噪声。 噪声类型发生改变, 导致原有的光谱质量评价方法适用性变差, 基于实测光谱提出更具适应性的光谱质量评价方法具有很强的现实意义。 根据拉曼光谱仪检测器的变化, 对采集光谱信号的成分进行分析, 在该分析的基础上提出了CCD光谱仪的噪声模型假设, 根据该假设使用不同的信号极值点频率对不同的噪声进行像素分离, 并对噪声频率模式进行了数值模拟, 模拟结果与假设相符; 在此基础上提出并实验验证了通过谱线极值间距评估谱线噪声的拉曼光谱信噪比评估方法, 该方法包括以下两个步骤: （1）通过采集多次实测光谱进行叠加, 叠加过程中对对应不同频次的光谱极值点数量进行统计, 得到统计结果后基于文中规律分离光谱仪中的环境噪声和暗噪声; （2）应用上述分离结果, 对实测光谱中对应暗噪声的谱线极值点作统计平均, 再将该值应用于文中公式, 计算得到信噪比。 该方法在进行了步骤（1）的前期准备后, 可以通过单张谱图评估CCD拉曼光谱仪的随机噪声, 并用于评估光谱的信噪比。 基于光学构架相同、 CCD探测器不同的三个拉曼光谱系统进行实验, 采用该方法通过设定信噪比阈值对谱图质量进行控制, 获得了一致的光谱曲线; 基于该方法对同步叠加平均法进行信噪比拟合, 拟合优度达到98%。 该方法可用于拉曼光谱仪的性能评估和获取拉曼光谱谱图的质量实时控制。 理论和实验表明: 对于基于CCD探测器的拉曼光谱仪器, 当确定样品和特征峰时, 可以基于此方法获得信噪比。 该方法还可用于比对不同配置的拉曼光谱设备, 以及作为控制谱图质量一致性的标准, 并对基于拉曼光谱技术的智能鉴别系统的开发具有指导意义。

基于谱库的匹配识别是应用拉曼光谱进行物质成分鉴别的关键, 会直接影响匹配结果的准确性。在谱库匹配中, 尤其是针对混合物的光谱, 利用单一的匹配特征无法全面反映被测样本光谱与谱库光谱的相似性, 光谱匹配识别时需要综合考虑多种匹配特征。采用逻辑回归数学模型融合谱峰匹配系数、非负最小二乘匹配系数以及夹角余弦匹配系数, 提出了一种新的光谱集成匹配方法。该方法既考虑了被测样品的谱峰信息, 又考虑了其全谱信息。基于20种氨基酸混合物拉曼光谱谱库匹配的实验结果表明：所提光谱集成匹配方法具有更低的误判率。

由于现有VLAN(虚拟局域网)自动学习方案VTP(虚拟终端协议)和GVRP(GARP VLAN注册协议)存在各自的不足之处，使VLAN自动学习功能在实际应用中受到限制。文章分析了现有两种VLAN动态学习方案的工作原理及其不足，提出一种改进的VLAN动态学习方案。该方案能解决VTP和GVRP在实际应用中带来的问题，使VLAN自动学习功能能够得到更好的应用。