纳米Fe/C复合材料的原位合成

在石油渣油中加入二茂铁，通过热缩聚反的位合成纳米级铁粒子均匀分散于炭基体中的新型复合材料，研究了在420℃热缩聚时停时间和二茂铁添加量对Fe/C形成的影响，并用TEM和XRD观测和分析了Fe/C的形态和结构，结果表明，在基体中铁粒子的粒径为25－50nm，在一定条件下，二茂铁添加量的增加和停留时间的延长均使Fe/C产率提高，停留时间对热缩聚反应的影响遵循一级反应动力学，二茂铁的添加能显著提高反应速率常数k值。     

碳纳米管/ABS树脂基复合材料的力学性能和雷达波吸收性能的研究

采用竖式炉流动法制备的碳纳米管经液相阳极氧化表面处理后增强ABS热塑性工程塑料。复合材料的力学性能研究显示:碳纳米管的加入有效提高了复合材料的拉伸性能,但材料的耐冲击性能下降。当碳纳米管含量为12 wt%时,复合材料的拉伸强度由45.00 MPa提高到69.96 MPa,杨氏模量由0.75 GPa提高到1.93 GPa。对碳纳米管/ABS复合材料的反射系数测定表明:复合材料在一定频率范围内有雷达波吸收性能。     

构建以人为本的电力培训体系

电力企业要建立一支一流的职工队伍,适应企业创一流的要求,必须"以人为本",加强职工的培训工作,探索电力企业员工培训的需求分析体系,完善电力企业员工培训的激励制度,创新电力企业培训的方式方法,搭建一支结构合理的培训人才队伍,强化对培训效果的评估,提高对培训工作重要性的认识。     

多机器人通信中防冲突方法研究

研究多个机器人通信中的冲突问题。针对当有针对当对机器人同时进行通信的时候,一个机器人可能同时接受多个其它机器人发来的指令,在时域指令信号方面形成冲突,造成机器人之间通信成功率不高的问题。为了解决这个问题,提出冲突自调整多机器人通信方法,算法利用新到达指令填充离开指令造成的空闲时隙,解决时域信号冲突。利用捎带检测技术,提前对下个时隙进行调整,进行空闲时间预留,减少空闲时隙的产生。很好地减少空闲时隙,解决由此带来的通信成功率不高的问题。实验结果表明,这种方法在多个机器人同时通信的情况下,能够很好地协调通信关系,避免指令冲突,提高了多机器人的通信成功率。     

中间相沥青炭微球及其在锂离子二次电池方面的应用

中间相沥青炭微球是一种特殊形态的炭材料前驱体，在众多领域有着广泛的应用。本文介绍了中间相沥青炭微球的制备、结构及性质，在此基础上重点综述了近年来中间相沥青炭微球在高性能锂离子二次电池电极材料方面的应用进展，并指出今后的研究方向。     

云计算环境下的分布存储的相关技术

在现阶段商业迅猛发展的背景下,云计算则作为一种新的共享资源模型应用与商业发展中,其通过把大量数据在数据中心存储,为上层使用提供安全可靠、清晰透明的数据服务。本文主要与实际工作相结合,探讨在云计算的环境中分布存储所具有的相关技术,为提供更优质的存储服务奠定基础。     

C语言循环结构教学设计

本文设计了主题为"C语言循环结构"教学活动,教学上综合运用"启发式教学""案例教学法""小组合作"等方法。本文探索的教学设计与实践,将为循环结构教学质量和效率的提升提供参考。     

对本科生导师制的思考

实行本科生导师制可以改变中国高校人才培养模式 ,进一步深化中国高等教育教学改革 ,培养出大批具有丰富个性的杰出人才。本科生导师的主要责任是培养学生的自学和独立思考的能力。要成功地实施本科生导师制 ,必须进一步完善学分制 ,大力提高教师素质 ,加快高等教育信息化进程。     

星面探测仿生弹跳机器人设计、仿真及实验

基于袋鼠的跳跃运动机理和齿轮—五杆组合机构,设计了一种用于星面探测的小型间歇式弹跳机器 人．提出了仿袋鼠结构、运动形态及产生非线性弹跳动力的闭链机构的弹跳模型．采用D-H 法建立了机器人运动方 程,并对其跳跃运动步态、仿生运动特性和弹跳效率进行了分析,给出了该机器人设计的整体结构．运用ADAMS 软件对机器人进行动力学建模与全过程运动仿真,验证了该闭链仿生弹跳机构及其运动的有效性,较大幅度提高了 弹跳机构对能量的利用率,其效率可达70%,避免了弹跳机器人提前起跳．最后设计制作了弹跳机器人原理样机, 并进行跳跃试验．试验结果表明：样机试验与仿真结果基本是一致的;1.4 kg 的弹跳机器人跳远度为813 mm,跳高 度为471 mm,从而解决了利用微小电机驱动机器人实现弹跳运动的问题．     

基于深度学习的监督型典型相关分析

典型相关分析（CCA）是利用综合变量对之间的相关关系反映两组指标之间整体相关性的多元统计方法。传统的CCA方法无法有效利用样本的标签信息,导致准确率降低。将类信息融入到深度学习与CCA相结合的深度典型相关分析中,提出一种监督型降维方法DL-SCCA,用于处理带标签的非线性可分数据。在2个独立的深度神经网络（DNN）结构上,增加1个公共的输出维数与数据集类别数相同的全连接层,并且以softmax函数作为该层的激活函数,输出带有概率意义的编码向量。在此基础上,利用全连接输出与样本标签信息之间的交叉熵对DNN进行训练,获得分类性能较优的低维特征。实验结果表明,该方法采用最近邻分类器和网络本身结构得到的分类准确率分别为98.00%和97.82%,相比CCA、DisCCA、DCCA等方法,能够有效利用样本的标签信息,并且具有较优的分类性能。