三维四步法圆型编织结构分析

三维编织中,编织纱线趋向于沿携纱器运动的方向运动。本文作者根据携纱器的运动规律,采用定义代表性控制域的方法,详细地研究了三维圆型编织中所形成的空间纱线交织结构。在此基础上,获得的预成型件结构单胞模型包含四种内部单胞和两种表面单胞。预成型件的整体结构可由六种单胞组装而成,且单胞的几何特性与其在预成型件横截面内所处的位置有关。单胞与预成型件具有相同的取向,有利于材料的力学性能分析。     

三维流动数值计算结果的图示输出

本文以三维紊流模型数值计算结果为基础，采用一体化的图形输出方式在微机屏幕及绘图仪输出计算结果，得到了清晰，直观的良好效果。为大数据量计算结果的分析提供了有力的工具。     

Ti Al纳米材料制备和微米棒结构表征

用直流电弧等离子体法在不同气氛下制备Ti-Al合金纳米粉材料和新型Ti-Al合金微米棒.通过X-ray、扫描电镜(SEM)等仪器对样品进行分析,在不同的氮含量气氛下制备的纳米粉体成分相近.制备出的Ti-Al合金微米棒直径为1～2 μm、长度大于100 μm,有明显的竹节型,并进行了生长机理研究.     

采用布模板合成生物形态纳米MgO

以棉布为模板,通过浸渍和低温煅烧,在常压空气气氛中800℃成功地制备出棉纤维形态、纳米氧化镁.X射线衍射、扫描电镜、差热-热重及Fourier红外光谱分析表明:获得纤维状MgO为中空管状结构,煅烧后仍然保有生物模板的原始形状,管径约5μm,管壁厚约1～2μm.由Scherrer公式计算得出晶粒尺寸约14～19nm.     

CAPM在上海股票市场上的实证研究

本文就CAPM在沪市上的适用性进行了实证检验,结果表明:我国目前的资本市场仍不能接受CAPM.在对证券投资风险研究中发现,系统风险所占的比重不大,这为投资组合的广泛应用提供了良好的前景.分析了CAPM对股票收益率解释能力低下的原因.     

超微细金属间化合物Fe3Al粉体对聚氯乙烯的改性

将具有特殊功能性的超微细粒子Fe3Al粉体填充聚氯乙烯制备了Fe3Al／PVC复合材料。研究了填料用量、粒径大小、偶联剂(硬脂酸、A-172)等因素对复合材料力学性能的影响,结果表明,平均粒径小于0．5μm的超微细Fe3Al能增强增韧PVC,而大于5pm增强增韧作用不明显;用量5％且以A—172的增强增韧效果最好,拉伸强度和冲击强度分别提高了105％和189％。扫描电镜SEM照片显示超微细Fe3Al易分散在PVC中而不发生团聚,据此讨论了增韧增强作用机理。超微细Fe3Al粉体能很好地改善PVC的导电性;TG分析结果表明,它的加入提高了PVC的耐热性。     

TD—SCDMA天线系统工程经验及发展方向

中国无线通信标准组织(CWTS)提出的TD-SCDMA已经由国际电联(ITU)正式采纳,成为未来第三代移动通信系统(IMT2000)的一个重要的部分并由3GPP组织进一步标准化。作为TD-SCDMA系统中的关键技术之一的智能天线技术大大地提高了系统的性能;但其尺寸大等缺点也给工程和维护带来困难。因此在扩大的商用试验网工程中,我们尝试用多种方式去进行改进,而新型的智能天线也层出不穷,文章主要介绍TD-SCDMA天线系统的发展状况。     

甲酸/益酸体系水解麦草产生水糖的研究

发现采用甲酸/盐酸水解体系能有效水解麦草中的半纤维素.含 HCl 10%的水解体系在65℃水解麦草 0.5 h 可实现麦草中聚戊糖的充分水解,木糖的得率达到 98%.随着水解时间的增加,麦草中的纤维素开始水解为葡萄糖,而木糖继续降解,木糖在占总还原糖的百分比持续下降.水解后甲酸能清洁回收循环使用.并得到固体的可溶性糖产物.     

清水混凝土现场施工外观控制要点

在清水混凝土施工过程中最主要的就是加强组织设计,并且对施工的全过程进行监理保证每一个环节都能够符合要求,这样才可以保证清水混凝土施工的整体效果。本文通过对清水混凝土施工工艺以及外观的质量进行全面的分析,能够明确影响清水混凝土外观施工质量的因素,提出相应的解决对策,保证清水混凝土施工工艺得到全面的发展。     

采用注意力门控卷积网络模型的目标情感分析

针对传统目标情感分析采用循环神经网络模型导致训练时间长且其他替代模型未能使得上下文和目标词之间实现良好交互等问题,提出了一种用于目标情感分析的注意力门控卷积网络模型。该模型首先将上下文和目标词通过多头注意力机制加强上下文和目标词之间的交互;其次采用门控卷积机制进一步提取关于目标词的情感特征;最后通过Softmax分类器将情感特征进行分类,输出情感极性。实验结果显示,与循环神经网络模型中准确率最高的循环注意力网络模型相比,在SemEval 2014任务四的餐厅和笔记本电脑数据集上的准确率分别提高了1.29%和0.12%;与循环神经网络模型中收敛速度较快的基于注意力的长短期记忆网络模型相比,收敛时间下降了约29.17s。