钢筋混凝土框架—剪力墙结构空间非线性分析的分层分区刚性楼板法

采用空间力学模型，建立可模拟双向弯矩、轴力相互作用的多弹簧梁柱构件杆单元和可考虑中性轴移动的修正多垂直杆单元的剪力墙模型，用计算机对复杂形式的钢筋混凝土框架-剪力墙结构进行了非线性时程分析，空间的力学模型可考虑局部楼板的变形影响，并可沿任意角度输入相互垂直的两个水平地震分量，介绍了该法相应程序的算例。     

翻转课堂变革

早期翻转课堂的实践和研究,主要是在高校进行,这与技术的发展和普及有关。这里罗列了部分有影响的研究,以期能追溯翻转课堂的本源。     

金川镍渣充填胶凝材料力学性能与水化机理

金川矿山利用镍渣开发新型胶凝材料替代水泥以降低充填成本,为了使镍渣胶凝材料更好地应用于矿山充填,需要对其力学性能与水化机理进行研究.首先对试验材料进行物化分析,然后在此基础上进行强度试验,确定激发剂配比、物料比表面积及料浆质量分数,最后利用XRD分析、红外光谱分析、差热分析、能谱分析以及SEM微观结构分析来探究镍渣胶凝...     

钼铁矿自动化计量机械系统改进设计与应用

针对原有大颗粒、高比重钼铁矿计量机械部分由于设计缺陷导致的各称重传感器受力不均衡、精度不高、称重偏差较大、自动化程度相对较低等问题,结合生产工艺条件,综合利用静态称重的低成本、高精度与动态称重的高效率优点,对称体结构进行优化设计。节约了成本,降低了操作人员的劳动强度,提高了生产效率,满足了生产需求。     

N、P掺杂r-氧化石墨烯修饰电极用于检测乳酸

以三聚氰胺作为氮源,植酸作为磷源,在900℃下将氧化石墨烯碳化为还原氧化石墨烯,得到N、P掺杂材料900-RNPG,利用SEM、EDS技术表征N、P原子被成功掺入材料,将该材料滴涂到裸玻碳电极GCE烘干,再滴涂乳酸脱氢酶和NAD+,得到乳酸传感器900-RNPG/GCE。通过电化学交流阻抗法EIS、循环伏安法CV、计时电流法it,研究了900-RNPG/GCE传感器对乳酸的电化学特性,在最优条件下,该传感器对乳酸在100μmol/L-7 mmol/L范围内有良好的线性范围,检出限为33.4μmol/L(S/N=3),具有较高的响应电流值、较宽的线性范围、较低的检出限以及较强的抗干扰能力,可以有效应用于乳酸含量检测。     

应用SW6软件计算筒体和封头时一些常见问题的说明

讨论了在应用SW6软件计算基本受压元件中的筒体和封头时,用户经常会有疑问的一些问题,并对SW6软件在执行标准规范中相关条款的一些处理方法进行了说明.同时,还给出了使用软件过程中的一些小技巧.     

江都一站新型节能泵设计指标及节能措施

泵站的修建能够提高城市输送水效率,同时对农业和城市水资源的高效利用起重要作用。当水体含有污染物或矿物颗粒时,即使其含量不超过最大允许浓度标准,也可能会引起泵站超负荷高温运转,导致泵站的功耗和损伤不断加大,因此研究泵的节能方式和措施具有重要意义。考虑到设计节能泵的主要困难是构建适当的数学模型,而水质的变化对泵站的能耗有显著影响,故提出了环境影响指标,综合考虑水的悬浮颗粒浓度、化学性质和密度等因素,为节能泵设计提供参考。     

大型立式轴流泵机组安装检修物理孪生装置研究

高质量开展大型水泵机组安装检修是保障工程安全稳定运行的基础。水泵机组安装检修关键环节工序复杂、技术要求高,通过研究设计大型立式轴流泵机组安装检修仿真装置,模拟机组垂直同心、摆度、水平、中心等核心技术参数的调整测量,实现水泵机组物理孪生,辅助科学决策,提升水泵机组安装检修效率和质量,帮助提高水利职工技术业务水平。     

学生用100美元笔记本样机浮出水面

尼可拉斯·尼葛洛庞帝(NicholasNegroponte)领导的麻省理工学院媒体实验室研制的100美元的笔记本样机终于浮出水面。该样机的配置为:500MHz处理器、1GB内存、四个USB端口以及双模式显示屏幕(彩色和黑白日光可读)。该样机像电子书,看起来没有硬盘,曾经提到要安装的Linux操作系统可能固化在硬件上,还有一些应用软件,其中有些是麻省理工的研究人员开发的,还有一些农村用特殊软件(。其他应用软件大概是装在U盘中,如OpenOffice和WPSOffice2005都可以装在U盘中,还有Firefox,且都支持Linux操作系统)。该机支持有线和WiFi无线上网,内置了P…     

融合对抗训练及全局指针的实体关系联合抽取

实体关系联合抽取旨在从文本中抽取出实体关系三元组, 是构建知识图谱十分重要的步骤之一. 针对实体关系抽取中存在的信息表达能力不强、泛化能力较差、实体重叠和关系冗余等问题, 提出了一种实体关系联合抽取模型RGPNRE. 使用RoBERTa预训练模型作为编码器, 提高了模型的表达信息能力. 在训练过程中引入了对抗训练, 提升了模型的泛化能力. 使用全局指针, 解决了实体重叠的问题. 使用关系预测, 排除不可能的关系, 减少了冗余的关系. 在基于schema的中文医学信息抽取数据集CMeIE上进行的实体关系抽取实验表明, 模型的F1值比基准模型提升了约2个百分点, 在实体对重叠的情况下, 模型的F1值提升了近10个百分点, 在单一实体重叠情况下, 模型的F1值提升了大约1个百分点, 说明该模型能够更准确地提取实体关系三元组, 从而有效提升知识图谱构建的准确度. 在含有1–5个三元组的对比实验中, 在拥有4个三元组的句子中, 模型的F1值提升了约2个百分点, 而在拥有5个及以上三元组的复杂句子中, F1值提升了约1个百分点, 说明该模型能够较好地处理复杂句子场景.