读者、作者与编者

读者意见编辑先生:贵刊2007年3期刊登了毛新业撰写的“用流量仪表监测节能降耗”,文中认为内锥式流量仪表不可能是节能仪表,提法上似乎有些绝对,值得商榷。北京一读者编辑先生:谢谢您转来读者对拙作中的有些观点提出的异议,现奉复如下:拙文中提出内锥式流量计压损较大,特别是在大口径管道下,年运行费依然相当可观,不是节能仪表,主要根据文献[1][2][3]中所介绍的内锥压损计算公式:△=(1.3-1.25)△(式中△是永久压损;值是当量直径比;△是输出差压)。根据这个公式计算了不同值下,内锥与孔板压损的比较,列于表1,并将表1中数据附加在R.W.Miller…     

防堵塞的地下灌溉水管

两位芬兰发明家和一个瑞典人,已就一种地下灌溉系统申请了一项英国专利(专利号为2125924)。该专利的目的是从地下对植物根部供水。因在热天进行地面喷灌时,大部分水将由于蒸发而浪费掉。在地下敷设多孔管道来灌水的设想早就有了,其缺点是出水的孔口常被污物或杂质堵塞。取得专利的新结构,是将一种双层水管埋在地表下,这种管子的外层加     

物联网工程专业必修课程的教材建设

从物联网专业的知识体系入手,探讨物联网所涵盖的知识模块,深入分析58份物联网工程专业必修课遴选问卷,阐明物联网专业课程优先必选课、建议选修课、选修课的名录,提出应采用"强强联合、优势互补"的组织模式建设物联网精品课程。     

Excel二次开发在模拟水氡观测中的应用

尝试对Excel工作表进行二次开发,将其应用到台站模拟水氡观测工作当中,可以自动计算出模拟水氡观测的标定、季检结果,需要作图的还可以自动作图,杜绝了人工计算产生的不必要误差,减轻了劳动强度,实现了观测资料的数字化存档,对台站模拟水氡观测日常工作具有很大帮助。经吉林省地震局多个台站使用,Excel工作表自动计算结果与人工计算结果两者完全相符,效果良好。     

大万山岛海水抽水蓄能电站地下厂房自然通风模拟研究

针对目前抽水蓄能电站地下厂房自然通风规律尚不明确的问题,在考虑电站运行工况周期变化特点及室外风压的基础上,优化了现有的自然通风网络模型,使其可用于计算抽水蓄能电站地下厂房的自然通风情况。并且,利用优化后的模型,模拟计算了大万山岛海水抽水蓄能电站全年的自然通风情况。结果表明:热压是影响自然通风动力的最主要因素。整体上,自然通风量在冬季大于夏季;单日内,自然通风量受电站运行工况变化的影响。在发电和蓄能工况时,自然通风量较大,在卸载工况时,自然通风量较小。交通洞末端空气温度不受电站运行工况和自然通风量变化的影响,在单日内的变化幅度小于2℃,而在同季节的不同日之间的差异可达8.6℃。在过渡季的部分时段和整个夏季,交通洞末端空气温度高于规定的室内环境温度上限值,因此应开启空调制冷设备。通过优化后的模型与具体案例的分析,为其他类似工程的自然通风系统的设计及运行调控提供参考。     

多时滞线性连续系统的最优H∞容错控制

针对状态具有多个时滞的线性连续系统,基于Lyapunov稳定性理论和线性矩阵不等式方法(LMI),采用无时滞记忆的状态反馈控制律,研究了在执行器发生故障的情况下,连续多时滞系统的最优H∞容错控制问题.首先,给出了系统没有干扰输入时存在无记忆状态反馈容错控制器的一个充分条件;进一步,给出了在H∞扰动衰减指标约束下,系统存在无记忆状态反馈H∞容错控制器的一个充分条件;最后,给出了最优无时滞记忆状态反馈H∞容错控制器的设计方法.仿真实例证明了所得最优H∞容错控制嚣设计方法的正确性和有效性.     

一种基于门限ECC的PKI/CA模型的设计

随着电子商务的发展,如何实现对网络用户的身份认证成为了一个非常迫切的问题,目前广泛采用的是基于PKI的认证技术,而在PKI认证体系中,认证中心CA是核心部分。本文提出了一个基于门限ECC的PKI/CA的设计,本方案在传统的CA方案上引入了入侵容忍机制,结合椭圆曲线密码体制和门限密码方案,提高了CA系统的可靠性和安全性。     

基于改进ＡｌｅｘＮｅｔ的手腕骨图像成熟等级识别

ＣＨＮ 法是目前适用于我国评估骨龄的方法之一,其评估骨龄最关键的步骤是对手腕骨图像的成熟等级评定。传统的方法是由医学专家人工阅片,不仅工作量大、耗时长,评定的准确性还受到人的主观因素干扰。为了提高骨骼等级识别的准确率,提出了一种基于改进 ＡｌｅｘＮｅｔ的手腕骨图像等级识别方法,将优化的空间变换网络加入到 ＡｌｅｘＮｅｔ网络结构中,对特征图进行旋转、平移和缩放等变换操作以获取更有辨识度的特征信息;采用 Ｍａｘｏｕｔ激活函数作为网络中卷积层的激活函数,训练手腕骨图像成熟等级识别模型。实验结果表明：相比于原始 ＡｌｅｘＮｅｔ网络与其他几个常见的卷积神经网络,改进的 ＡｌｅｘＮｅｔ网络提高了网络模型对头状骨、钩骨、掌骨Ⅰ、远节指骨Ⅰ和中节指 骨Ⅴ等成熟等级识别的准确率,分 别 达 到 了８８．３９％,８５．３５％,７９．６９％,７９．４１％ 和８１．２９％。该方法可以为基于深度学习的骨龄评估方法提供新的技术参考。