高校校园网建设需求分析

近年来,互联网技术快速发展,在众多领域都得到了应用,它不仅推动了单领域内的信息共享,同时也是多领域间信息共享的高效途径。高校作为科技创新的前沿阵地,是科技创新体系的重要力量。高校的信息化和智能化建设是高校建设的重要环节,是教学和学术信息高效交流的重要保障。因此,文章针对校园网的基础建设需求展开了分析。     

增材制造不锈钢的组织和性能

采用金相检验、扫描电镜分析等方法对激光融化技术制备的304及316L不锈钢进行分析。结果表明：材料的轴向结构在增材制造沉积过程中会有不同层间的热传递，其组织的均匀性受到影响；材料的区域成分没有明显偏差，不存在成分偏析及次相的析出；熔体的重力作用会使材料在纵向存在各向异性。     

Cu掺杂对有序Sr3YCo4-xCuxO10.5+δ多晶的结构与物理性能的影响

采用固相反应法制备了四方Sr3YCo4-xCuxO10.5+δ(x=0~1.0)多晶。用热重-差示扫描量热分析,X射线衍射研究了多晶的有序化相变及结构。在固溶范围内(x=0~0.4),观察到有序峰(103)和(215),说明四方Sr3YCo4-xCuxO10.5+δ多晶为超结构,这是由于合成时在1000℃以上发生了吸氧(δ)有序化相变；当x=0.6~1.0时,978℃时在晶界处形成了单斜杂相,破坏了Sr3YCo4-xCuxO10.5+δ多晶的有序。当x=0~0.4时,多晶呈半导体输运行为。随着Cu掺杂量的增加,Co4+提供的空穴载流子浓度增大,电阻率明显下降；由于Cu的固溶,自旋熵增加,载流子浓度和自旋熵的共同作用使x=0~0.2多晶的热电势不变,x=0.4的热电势降低。并且Cu掺杂导致的晶格畸变使Co3+离子由高自旋态转变为高/低自旋混合态,磁化强度和铁磁转变温度(Tc)降低,磁结构由G-型反铁磁转变为铁磁。在进行二次烧结后,300K时电阻率明显降低,热电势为一次烧结的2倍,可能是二次烧结使多晶的有序化程度增大,提高了铁磁有序排列。     

再生胶印羊羔绒面料的制备

面丝采用33.3 tex/576 F DTY(300 D/576 F DTY)再生丝，圆孔，S+Z捻，底丝采用原生丝16.7 tex/288 F DTY (150 D/288 F DTY),在大圆机上织成不同比例(再生/原生75/25、50/50、25/75)的羊羔绒坯布。采用胶印工艺增加了面料的立体花型效果。介绍了原料选择和编织、后整理工序的技术特点，并对面料进行性能测试，分析不同再生比例面料的工艺特点。所制面料既符合环保理念，又具有清晰、立体、层次感强的花型效果，同时柔软、蓬松、保暖，可广泛应用于家居用服装和毯子面料。     

新型防屈曲高强钢腹板可更换钢连梁抗震性能研究

文章率先提出一种新型防屈曲高强钢腹板可更换钢连梁(简称“新型钢连梁”)：腹板采用高强钢，可提高钢连梁的屈服抗剪强度，连梁变形减小，从而减小可更换结构整体变形，便于更换；加劲肋紧贴腹板(但不焊接)提供约束，仅与上下翼缘焊接，可减少60%以上的焊接量。其次，设计并开展了11个试件的拟静力试验，研究了加劲肋间距(规范限值dmax、0.85dmax)、腹板厚度(6mm、8mm)、腹板钢材强度(Q460、Q550)和构造形式(加劲肋与腹板贴紧或焊接)等参数对新型钢连梁抗震性能的影响。试验结果表明：试件均发生剪切破坏；满足加劲肋间距限值的新型钢连梁，滞回曲线饱满，峰值时腹板未发生鼓曲且极限转角均超过0.1rad，大于规范限值0.08rad，表现出良好的耗能和变形能力；缩小加劲肋间距、增加腹板厚度或提高腹板钢材强度，新型钢连梁刚度及承载力提高；新型钢连梁峰值承载力较传统构造试件低约5%。最后，基于试验结果建立了有限元模型并开展了分析，研究结果表明：对腹板采用Q460、Q550高强钢材的新型钢连梁，峰值承载力计算时超强系数建议取1.43(长度比为0.5～1.0)或1.39(长度比为1.0～1.6)、1.25，以期为实际工程设计提供依据。     

疫情下电磁场理论课程的网络教学

本文主要总结了新冠疫情期间作者的电磁场理论课程在线教学经验。对比分析了录播和直播的优缺点后,选择录播教学方式。基于超星网络教学平台,展示了录播网络教学的具体措施,包括网上答疑和学习效果检查以及在线批改作业等。给出了网络教学可以为线下教学继续使用的方法和手段,为疫情结束后的正常教学提供了新的网络教学补充措施。     

5G核心网业务模型的智能化预测研究

摘 要：核心网业务模型的建立是5G网络容量规划和网络建设的基础，通过现有方法得到的理论业务模型是静态不可变的且与实际网络存在偏离。为了克服现有5G核心网业务模型与现网模型适配性较差以及规划设备无法满足用户实际业务需求的问题，提出了一种长短期记忆（long short-term memory，LSTM）网络与卷积LSTM （convolution LSTM，ConvLSTM）网络双通道融合的 5G 核心网业务模型预测方法。该方法基于人工智能（artificial intelligence，AI）技术以实现高质量的核心网业务模型的智能预测，形成数据反馈闭环，实现网络自优化调整，助力网络智能化建设。