基于STM32的MIT-BIH心电数据的D/A回放

设计基于STM32的MIT-BIH心电数据D/A回放,对整体设计方案、硬件组成、软件设计等进行了介绍。通过读取心电数据将其进行D/A转换,输出波形与原始波形进行比较,较好地实现了回放功能。由此可见,该系统的性能指标达到了设计要求。能很好地实现心电数据回放,为一系列心电算法的仿真实践及实时心电监护仪的研制打好了基础。     

描述桉木硫酸盐浆氧脱木素过程动力学的新模型

以桉木硫酸盐浆为原料,考察了氧脱木素温度、氧压、NaOH用量及反应时间对木素脱除程度的影响及残碱的变化规律。研究发现,氧脱木素过程溶液的NaOH浓度与纸浆卡伯值(用于表征纸浆木素含量)的自然对数之间呈线性关系;结合这一关系,建立了引入碱浓动态变化的氧脱木素动力学模型。结果表明,该模型能很好地预测桉木硫酸盐浆在各种工艺条件下的纸浆卡伯值(R2=0.980)。与传统氧脱木素动力学模型相比,该模型在参数量的控制及参数设置的合理性方面更具优势;由于考虑了过程残碱的变化,动力学模型参数的拟合结果更接近理论值。     

西部矿业让青海黄金走向世界

西部矿业集团有限公司从上世纪90年代后期就走出国门到澳大利亚、加拿大、刚果(金)、蒙古、巴西、智利、秘鲁、朝鲜、中亚等国家和地区开展境外投资,并积累了一定的经验,成为目前国内唯一一家有资格进行境外收购的公司主体。成功收购加拿大Inter-Citic矿业公司,是青海省海外收购金额最大的一个项目,打响了"青海黄金"这一资源品牌,成为西部矿业走出国门,进行国际资源开拓的真正起点。更重要的是,在这次股权收购完成后,西部矿业将在香港打造一个投融资平台,为公司未来的海外开拓提供强有力的保障。     

群众路线推助国有企业文化建设

国有企业深入开展党的群众路线教育实践活动,对进一步打造风清气正的企业环境、推进企业文化建设具有重要意义,并对企业可持续发展产生深远的影响。     

利用折线函数实现氢分析在DCS的显示

简要介绍了利用DCS组态软件中折线函数，将原氢分析表非线性输出信号对应显示在DCS中的组态方案。     

幂强化弹塑性材料平面应变反问题

幂强化弹塑性材料在工程领域诸如金属管材制备、岩土工程分析中都具有广泛的应用。幂强化弹塑性材料的本构参数（例如弹性模量）和结构的边界条件（例如位移）往往不容易确定。在这种情况下,反问题为确定这些参数提供了一种新思路。将ABAQUS二次开发的子程序和复变量求导法结合,用于求解基于幂强化弹塑性材料的平面应变力学反问题:以传统的用户单元子程序为框架,将程序中实数变量转换为复数,建立了复数用户单元;采用复变量求导法确定测点位移对反演参数的灵敏度矩阵;结合最小二乘法和高斯消去法对反问题进行迭代求解。给出应用算例讨论了复变量求导法对正问题计算精度影响、算法在反问题求解过程中的精度,以及反演初值、测量误差对反演结果的影响。     

超临界乙醇体系中苯酚催化加氢的降解规律

目前,液化的生物油与石油粗油成分接近,通常环类化合物含量高,如煤焦油中酚及其衍生物含量占40%以上,急需加氢升级技术。超临界乙醇（243.1℃,6.38MPa）温度、压力条件低,具有良好的传质性能,且为绿色、可再生溶剂。在超临界乙醇体系下的催化加氢是一种油升级有效方式。本文以苯酚为生物油中环类化合物典型模型,在300～400℃、Pt/C催化剂下,探讨超临界乙醇体系下苯酚催化加氢过程。研究分析了超临界乙醇中温度、氢气压力和反应时间对苯酚催化加氢降解规律的影响,并建立了能很好地描述过程中苯酚转化率的动力学模型（R2 = 0.989）。实验表明：该体系下的苯酚催化加氢降解反应的级数为二级,反应的活化能为51.7kJ/mol;尽管升高温度和氢气压力均能提高苯酚的转化率,但温度对转化率的影响更为显著。本研究将为更好地控制反应过程和提高超临界乙醇体系中苯酚的转化率提供参考。     

颗粒饲料搭配脱毒菜粕对三黄鸡生长的影响

试验表明日粮添加不超过１５％的菜籽粕对三黄鸡生长无不良影响,各组平均体重基本无异,只有添加１８％菜籽粕的鸡群平均体重略低。内脏解剖表明各组鸡群肝脏和甲状腺无病变迹象,解剖结构无明显差异。     

戈壁滩上建“绿洲”——西部矿业锡铁山铅锌矿建设国家级绿色矿山之路

近期,地处青藏高原的西部矿业锡铁山铅锌矿成功入围第二批国家级绿色矿山试点单位。锡铁山铅锌矿的成功入围,得益于企业在转变增长方式、实现可持续发展上的深刻认识。     

基于卷积神经网络的自适应权重multi-gram语句建模系统

如今信息量呈爆炸式增长,自然语言处理得到了越来越广泛的重视。传统的自然语言处理系统过多地依赖昂贵的人工标注特征和语言分析工具的语法信息,导致预处理中语法信息的错误传递到系统训练和预测过程中。因此,深度学习的应用受到了学者们的关注。因为它能实现端对端预测并尽可能少地 依赖 外部信息。自然语言处理领域流行的深度学习框架为了更好地获取句子信息,采用multi-gram策略。但不同任务和不同数据集的信息分布状况不尽相同,而且这种策略并没有考虑到不同n-gram的重要性分布。针对该问题,提出了一种基于深度学习的自适应学习multi-gram权重的策略,从而根据各n-gram特征的贡献为其分配相应的权重;并且还提出了一种新的multi-gram特征向量结合方法,大大降低了系统复杂度。将该模型应用到电影评论正负倾向判断和关系分类两种分类任务中,实验结果证明采用的自适应multi-gram权重策略能够大大改善模型的分类效果。