高职连锁经营与管理虚拟仿真教学软件调查研究

虚拟仿真教学软件的开发和使用是职业院校数字校园建设中数字资源建设的重要内容之一，国家出台系列政策文件支持虚拟仿真技术在教育领域的应用，与连锁经营与管理专业相关的虚拟仿真教学软件也不断涌现，并在高职院校中得到应用。本文从实际出发，根据调研数据系统分析研究连锁经营与管理虚拟仿真教学软件产品的供给和运用情况，并根据连锁经营行业发展现状提出专业人才培养中虚拟仿真教学软件发展的新要求。     

PVC热收缩标签膜温度-收缩率曲线分析研究

本文针对硬质PVC热收缩标签膜进行了热收缩曲线的测定，研究热收缩率随温度的变化趋势。结果发现：不同工艺生产的PVC热收缩膜，其收缩的起始温度以及整个过程的变化趋势基本是一致的，大体可以分为；缓慢变化、快速变化、趋于稳定三个阶段。只是拉伸膜在稳定后的收缩率要明显的高于吹塑工艺生产的膜。     

石灰在铜硫分离浮选中的作用

前言在很多硫化铜矿中,均程度不同地含有硫化铁矿物,其中又以黄铁矿为主,有时还含有磁黄铁矿、白铁矿和砷黄铁矿等.对硫化铁矿物含量比较高的硫化铜矿石,则需要选出单独的铜精矿和硫精矿.而对硫化铁矿物含量比较低的硫化铜矿石,一般不回收硫.但无论回收硫与否,都存在着铜硫分离问题.     

聚丙烯腈基碳纤维用环氧树脂上浆剂的比较

用两种环氧树脂上浆剂对国产聚丙烯腈基碳纤维进行上浆,测试和比较了两种环氧树脂上浆剂对聚丙烯腈(PAN)基碳纤维耐磨性、与水接触角、表面能等性能以及拉伸强度、伸长率、层间剪切强度(ILSS)等力学性能的影响。上浆剂中主体成分环氧树脂相对分子质量不是影响碳纤维层间剪切强度的决定性因素。     

微脱黏法在碳纤维/环氧树脂界面性能评价中的应用

利用微脱黏法测定碳纤维/环氧树脂复合材料的界面剪切强度,并分析了造成测试结果分散的影响因素.结果表明:在脱黏过程中,最大脱黏力随碳纤维埋人环氧树脂内长度的增加而线性递增,当埋人长度超过一定值后最大脱黏力趋于稳定:碳纤维与环氧树脂间的接触角对复合材料界面剪切强度有一定影响,接触角越大,界面剪切强度越高;测试结果的分散性与树脂微球的半月板区域、钳口区等因素有关;未经表面处理的碳纤维增强环氧树脂复合材料的界面剪切强度仪为39.4 MPa,低于处理后的复合材料(60.6 MPa).     

含磷化合物在磷矿选矿中的应用

上一:,E。j。{-j叠j,^分:,嚣≯,。?了;:?羔÷‘:潞.”;己≯i_:∥0”’,:妒鲁√暑融添觚妃努,垮协泓一00:山嚣i垮胁酚誊椭盼∥浮浩踣礴≯矗蕾:I:‘r j,、j q3冀皇0幽再}·“一j醋,≯碜黟锑j萼}《。≈tjj:0;柚鼻,浮E’{ry崭圳蓦挎垮奄磅。筇Jj嚣¨■;一书≯誉i*般誓。售锣Ⅲ。,;i:≮,掌j一、巍≮r}一时打书秘书f嘛玎∞膨晌,0i*^¨誓;j鬲≯多糍i!高殆瞵酾哆黪嘧p 0辍乍磷“‘潞母一÷i■j 蛩0弩翠喽聪昏。帮转静垮蟊秽i≯蠢,。曩强毫:碥每Ⅲ泼洪、j9妤:茜荽嗣尊粘秘_0曩‘瞵罅绎蓼醚分离碳黪抟、谚酚棼.若≯_’H 1.谮燕孱出铃钞礴蟪磷蜂哺乃…     

热镀锌板亮点缺陷原因分析及消除方法研究

对热镀锌板表面的亮点缺陷形貌进行SEM、EDS微观分析,亮点缺陷位置较板面正常位置光滑,铁含量较高,铝含量较低。腐蚀去锌层后抑制层未见异常、基板未见损伤,分析结果表明亮点为物理机械压伤锌层所致。通过试验调整锌锅锌液Al含量、降低镀后冷却塔顶温度及光整机前安装工作辊辊面清洗装置方法,显著改善了带钢表面的亮点缺陷。     

硫酸改性PAN预氧化纤维的制备及其对Pb~(2+)的吸附性能

采用质量分数为95%~98%的硫酸对聚丙烯腈(PAN)预氧化纤维进行酸化处理,获得改性PAN纤维;以改性PAN纤维为吸附剂,考察溶液pH值与温度以及接触时间对纤维对铅离子(Pb~(2+))吸附性能的影响。结果表明:改性PAN纤维拉伸强度达到132 MPa,纤维不仅含有共轭结构,也产生了大量酰胺基团;随着溶液pH值升高,改性PAN纤维对Pb~(2+)的吸附量增加,并在pH值为6时达到最大;改性PAN纤维对Pb~(2+)的吸附量随温度升高呈线性增加,在65℃时达到24.7 mg/g,平衡吸附时间为420 min;改性PAN纤维对Pb~(2+)的吸附满足准二级动力学方程,吸附行为符合Langmuir单层吸附模型。     

基于改进机器学习的无人机网络入侵自动感知系统设计

提升无人机网络的安全通信能力,是保证无人机应用的基础,因此,设计基于改进机器学习的无人机网络入侵自动感知系统。系统数据模块通过NetFlow网络流量采集器,采集网络的内部安全流量,管控模块管理并调用这些数据传送至入侵检测模块中,该模块中的入侵感知网关通过部署的时空卷积网络模型,检测无人机网络入侵行为,并完成入侵行为分类,全面感知无人机网络通信状态;感知结果则通过可视化模块进行展示。测试结果显示：该系统能够精准检测网络入侵行为并及时发送入侵预警,网络中主机的内核安全程度均在0.955以上,保证网络的安全通信。     

基于深度学习的木材缺陷图像的识别与定位

传统的木材缺陷定位方法主要有物理设备检测和传统计算机技术检测,但这两种方法均存在数据收集困难、高度依赖数据本身等问题,不适用于实际生产。本文提出一种基于深度学习的自动缺陷定位模型（Automatic defect location model, ADLM）,包含单缺陷定位模型（Single defect location model, SDLM）与多缺陷定位模型（Multi-defect location model, MDLM）,满足不同需求。模型使用MobileNet作为骨干网,只需少量数据集进行训练。在公开数据集Wood Defect Database中,该模型可获得86.1%的缺陷识别率。在单缺陷数据集中,该模型可获得97.5%的定位精确率。在多缺陷数据集中,该模型可获得90.0%的定位精确率。与传统的木材缺陷识别模型相比,基于深度学习的自动缺陷定位模型无须前期人工提取特征,具有检测速度更快、精准度更高以及适用性更广等优点。