电子商务专业能力培养与课程设置满意度研究

本文以电子商务专业本科学生专业能力培养与课程体系设置为研究对象,以贵州财经大学电子商务专业教学方案为例,从专业知识、专业技能与专业素质5大模块剖析,指出电子商务专业学生能力的三个维度,即电子商务技术能力、电子商务管理能力、电子商务经营能力。将能力进行指标分解,使其与对应课程对接,开展匹配度调查与评价,结果发现电子商务专业本科学生专业能力在三个维度上存在差异,说明学生有选择地接受专业能力培养;而课程设置存在较高合理性和较低满意度,说明课程设置与能力培养目标基本匹配,但部分课程在教学内容或教学方法上需进一步提升。     

基于激光超声表面波的模具微裂纹无损检测的研究

在现代工业的生产中,模具质地的好坏直接关系到所生产的产品质量.为了获取模具质地的信息,将声表面波与激光超声检测技术相结合,利用声表面波在介质深度不同的表面层传播时,振幅随深度的增加迅速衰减,提出了一种新的模具无损检测方法.由于激光源可以聚焦成点光源(或线光源),使得所获得的波形能够对小和薄的模具进行有效的检测,可以扩展至传统的检测方法的检测盲区内.通过实验分析知,其对材料性能表征和对材料表面和亚表面微小缺陷高度敏感,非常适用于微缺陷的无损检测.     

304不锈钢毛细管/Zr_(53.5)Cu_(26.5)Ni_5Al_(12)Ag_3块体非晶合金复合材料的制备与性能研究

采用渗流法成功制备出不同体积分数的304不锈钢毛细管/Zr53.5Cu26.5Ni5Al12Ag3块状非晶复合材料,分析了该复合材料的性能和变形行为.利用万能力学试验机进行性能测试,利用白光干涉轮廓测量仪、X射线三维成像和SEM观察样品表面及断口形貌.结果表明:复合材料的塑性得到显著改善,其中毛细管体积分数为34%时,复合材料的压缩应变可达约20%,同时伴有明显的加工硬化现象,其加工硬化量与毛细管含量有关.复合材料以近45°的剪切方式断裂,表面较为平坦,毛细管撕裂与界面脱粘形成裂纹扩展路径.剪切带的数量随毛细管体积分数增加而增加,毛细管包裹的非晶基体发生剪切变形滞后于毛细管外部的基体.     

小波包在电机故障诊断中的应用

针对常用的时域和频域分析在诊断电机故障时存存不能同时诊断出故障时间和类型的瓶颈问题，利用在时频两域都具有表征信号特征能力的小波，对采集来的电机振动信号进行小波包分解。利用分解的小波系数，在各个频段上进行小波信号重构，并计算信号各个频段的能量特征值，提取故障特征，诊断故障发生的时间和故障类型。     

基于FRS与GA-ELM的煤与瓦斯突出预测研究

针对煤与瓦斯突出发生内在机理复杂性、致突因素与突出事件之间模糊性导致预测精度不高这一问题,提出将模糊粗糙集理论（FRS）结合改进的极端学习机（ELM）进行煤与瓦斯突出预测。通过FRS信息约简理论降低致突因素原始数据属性维度,提取出致突辅助因素,与主要因素共同作为ELM网络神经元输入,利用遗传算法（GA）对极端学习机网络输入权值、隐含层阈值进行优化,建立GA-ELM预测模型,模型输出为煤与瓦斯突出强度预测结果。经过模型训练和试验验证,该模型泛化能力强、预测精度高、收敛速度明显加快。     

基于混沌免疫粒子群优化和广义回归神经网络的回采工作面瓦斯涌出量预测模型

为提高回采工作面绝对瓦斯涌出量预测的精度和效率,提出了将混沌免疫粒子群优化(CIPSO)算法与广义回归神经网络(GRNN)相耦合的绝对瓦斯涌出量预测模型。该方法采用CIPSO对GRNN的光滑因子进行动态优化调整,减少了人为因素对GRNN网络输出结果的影响,并采用优化后的网络建立瓦斯涌出量预测模型。通过对某煤矿瓦斯涌出量数据的仿真实验结果表明:基于CIPSO-GRNN的回采工作面绝对瓦斯涌出量模型比BP神经网络、Elman网络预测模型具有更好的预测精度和收敛速度,证明了该方法的有效性和可行性。     

卧式冷室压铸机计算机控制系统

针对卧式冷室压铸机自动化水平低、劳动生产率低的现状,采用AWS-8124TP型工控机作为上位机,以FX系列PLC为下位机,设计开发了压铸机计算机控制系统。详细介绍了系统结构、配置、功能,并设计了相应的操作监控界面。实际应用表明,该计算机控制系统运行平稳、安全可靠,极大地改善了压铸机的操作条件和设备维护,提高了压铸机的生产效率,取得了明显的应用效果。     

加快发展现代物流的几点认识

现代经济中的物流产业,是利用现代信息技术进行货物存贮、交易、卸运的运作方式和管理机制。加快发展物流管理推动物流科技进步,已经成为现代知识经济和全球经济一体化的重点内容。     

一种瓦斯涌出量系统预测辨识模型的研究

针对煤与瓦斯突出灾害中瓦斯涌出量的辨识预测问题,结合采煤工作面瓦斯涌出量系统的现场实际特点,提出了混沌免疫遗传优化算法(CIGOA)与Elman神经网络相结合的耦合算法(CIGOA-ENN)。利用GIGOA的全局寻优能力替代梯度下降法,以克服Elman神经网络固有的缺陷。并根据输入的数据,构造基于CIGOA和ENN耦合算法的瓦斯涌出量系统辨识预测模型。利用矿区采集的现场监测数据进行仿真预测,实验表明该预测模型与BPNN,GA-ENN等神经网络预测模型相比,其收敛速度更快、收敛精度更高、鲁棒性更强,为解决煤矿瓦斯涌出量的预测问题提供了一个行之有效的方法。     

煤矿配电网电压暂降源辨识模型

针对煤矿配电网电压暂降信号特征提取困难和辨识准确率低的问题,应用小波熵结合支持向量机SVM(support vector machine)建立故障辨识模型,以故障信号的小波熵测度来表征故障特征,对电压暂降信号进行小波多分辨分析,选取采样序列的高频系数分量,计算其小波系数熵和小波时间熵,作为特征向量输入SVM,使故障信号特征更加明显,对故障源进行自动分类辨识。结果表明,与小波结合BP神经网络方法比较,无论在训练时间上还是在辨识准确率方面均有明显优势。