基于XML的虚拟企业建模系统的网络化设计与实现

为了满足虚拟企业异地建模和CIMS咨询服务的需求,提出了一种基于XML的虚拟企业网络化建模实现方法,该方法是以虚拟企业建模支持系统(VEMS)作为核心建模工具.首先介绍核心建模工具VEMS建模体系以及运用XML技术在解决虚拟企业异地建模过程中的优点,然后论述基于XML的建模系统网络化框架以及相关子模块.     

复合矿物功能掺合料对粉煤灰激活增强的研究

根据激发粉煤灰活性机理研制了一种复合矿物功能掺合料,针对其对粉煤灰活性激发增强效果进行了系统研究。结果表明,用Ⅱ级粉煤灰、复合矿物功能掺合料置代50%以上水泥配制的胶砂、普通混凝土和高性能混凝土的早期强度、后期强度均大幅度提高。其中强度等级C15-C100 的混凝土不仅单方可节约水泥 50%以上,而且其强度较单掺粉煤灰有显著提高,具有显著的经济和社会效益。     

真空镀膜UV底漆的研制

UV涂层的高度平整性、强封闭性使其特别适合用作真空镀膜工艺中的底涂，目前在汽车前灯反射罩领域的应用越来越多，所适用基材包括PC（聚碳酸酯塑料）、BMC（玻璃短纤维增强不饱和聚酯树脂）等。研究了在PC基材上，活性低聚物、活性稀释剂、光引发剂等对真空镀膜UV底漆性能的影响，探讨了设计底漆配方时的一些基本原则。     

UV涂料在户外的应用

本文简述了辐射固化技术的发展历史，回顾了我国辐射固化涂料的发展状况，介绍了户外用UV涂料的特点、制备及国外最新进展。     

基于模糊理论的无线网络切换评估模型

异构无线网络环境下,智能切换关键要素是提供有保障质量和连接性的服务。针对传统基于接收信号强度的切换判决,在减少不必要切换、呼叫掉线、呼叫阻塞和切换阻碍等方面存在的缺陷,提出切换评估模型。切换判决前,在终端收集网络、用户信息;基于四种通信类型的通信需求,确定网络QoS参数权重值;使用模糊分析方法进行参数量化,将数值并行输入到模糊逻辑器,得到切换评估值,从而得到切换与否的判决。仿真结果显示提出的模型在减少不必要切换、呼叫掉线有较好的表现,能更好地保证连接性和服务质量,从而达到更高的用户满意水平。     

第一批人凝血因子Ⅶ浓制剂国家标准品协作标定

目的 协作标定第一批人凝血因子Ⅶ浓制剂国家标准品。方法 以 WHO 97/592批人凝血因子Ⅶ浓制剂国际标准品为对照,采用一期法标定我国首批人凝血因子Ⅶ因家标准品,并将标准品分别置4℃、22℃、37℃保存5个月,用加速破坏试验进行稳定性考查。结果 该批标准品效价为16.0IU/支,稳定性良好。其他项目均达到国家标准品要求。结论 已成功研制第一批人凝血因子Ⅶ浓制剂国家标准品。     

利用预编码消除多普勒频移的研究

TD-LTE系统预编码是一种在不增加接收端复杂性的前提下,预先在发送端通过预处理降低ICI的面向接收端的技术。结合改进的ICI自消除法[4],可更有效地降低ICI。     

气基流体钻井转换工艺研究

气基流体钻井方式主要包括纯气体钻井、雾化钻井、泡沫钻井及充气泥浆钻井等,各钻井方式气液流量、气液比例相差较大,环空流态迥异,对地层的适应性,钻遇复杂事态时的应对措施及处理效果是不同的。本论文在理论分析的基础上,结合大量实践,对气基流体钻遇复杂情况时的钻井转换技术进行了系统剖析,形成了切实有效的解决现场实际问题的工艺措施和方法。另外,论文还对伊朗TABNAK-3井气基流体钻井转换技术进行了介绍。     

基于表示学习的工业领域人机物本体融合

随着新一代人工智能技术的发展,制造系统由以往的人物二元系统发展为人机物三元系统,跨域跨层的多元数据融合成为必然趋势。本体作为一种能在语义上描述数据的概念模型,被广泛应用于多元异构数据的集成、共享与重用中。在传统工业领域中,利用本体融合驱动数据融合的研究通常集中于信息和物理系统。针对人机物本体融合问题,文中提出了一种改进的表示学习模型TransHP。由于经典的表示学习的翻译模型未有效利用除三元组结构以外的其他信息,TransHP在TransH上加以改进,将本体中的元素构成类别三元组与实例三元组。首先针对类别概念构成的三元组,利用三元组的结构和属性进行联合训练;然后将得到的类别实体的向量表示作为训练实例向量的输入,与实例的结构信息进行联合训练,同时以置信度作为关系强度加入计算,以解决关系三元组稀疏性造成的实体在语义空间无序分布的问题。文中构建以工业领域热轧生产流程为例的人机物本体,并将其作为小样本进行测试,实验结果表明,与TransH模型相比,在人机物本体中,TransHP模型推理出实体间的关系更丰富,准确率更高。TransHP模型实现了人机物本体的融合,解决了人机物信息交互的问题,为协同决策做出了铺垫。     

基于Attention-DenseNet-BC的恶意软件家族分类方法

恶意软件是互联网最严重的威胁之一.现存的恶意软件数据庞大,特征多样.卷积神经网络具有自主学习的特点,可以用来解决恶意软件特征提取复杂、特征选择困难的问题.但卷积神经网络连续增加网络层数会引起梯度消失,导致网络性能退化、分类准确率较低.针对此问题,提出了一种适用于恶意软件图像检测的Attention-DenseNet-BC模型.首先结合DenseNet-BC网络和注意力机制(attention mechanism)构建了Attention-DenseNet-BC模型,然后将恶意软件图像作为模型的输入,通过对模型进行训练和测试得到检测结果.实验结果表明,相比其他深度学习模型,Attention-DenseNet-BC模型可以取得更好的分类结果.在Malimg公开数据集上该模型取得了较高的分类精确率.