一种新型纵分设备

论述了浮法玻璃生产线短棍纵分设备中纵分部分的工作原理、结构及特点,阐述了此纵分在大吨位浮法玻璃生产线中如何满足多片、多尺寸纵分的生产工艺要求。     

混合式教学模式在药物分析课程教学中的探索与实践

药物分析是药学类专业的一门专业核心课程,为分析化学的一个重要分支。课程组从药物分析课程传统教学模式的弊端出发,就网络课程资源建设、“雨课堂+BOPPPS”教学方法的构建、课程思政融入课堂教学以及多元化考核方式设置等方面对混合式教学模式进行探索与实践。目的是为了提升课程教学效果,培养学生自主学习、独立思考的能力,提高学生的综合素质,深化学生药品质量控制观念。     

聚1-十二烯减阻剂粘均分子量与减阻率关系的研究

用室内模拟环道评价装置测定了聚1-十二烯减阻剂的减阻率,乌氏粘度计测定了聚1-十二烯减阻剂的特性粘数,并通过25℃下聚辛烯的Mark-Houwink方程估算了样品的粘均分子量,最后比较发现,减阻率随粘均分子量增大而增加,但粘均分子量过大时,减阻率反而减小。     

聚α-烯烃减阻剂本体聚合法连续生产的研究

在1L的搅拌釜式反应器中,以α-十二烯为原料,主催化剂为负载型TiCl4/MgCl2,助催化剂为三异丁基铝（齐格勒-纳塔催化剂）,外给电子体为DDS（二苯基二甲氧基硅烷）,采用本体聚合法,探索了一种连续生产油溶性减阻剂的方法。考察了在该工艺条件下,催化剂的用量及其配比、反应温度和反应时间对聚合物性能的影响,利用室内环道评价装置测定了聚合物的减阻率。研究结果表明,该方法能连续稳定的生产减阻率达到40%左右的减阻剂产品,满足工业生产的要求。     

基于双重A~*算法的移动机器人动态环境路径规划

为了能让移动机器人在动态环境中安全无碰撞并且全局最优和局部最优兼并,减少路径规划时间,提出了一种基于双重A*算法的移动机器人路径规划方法。该方法采用A*算法分别进行全局路径规划和局部路径规划。首先在移动机器人运动前采用A*算法进行全局最优路径规划;当机器人运动过程中遇到障碍物时,再一次采用A*算法进行局部路径规划。所提出方法通过仿真结果验正有效可行,该方法不仅能让机器人在动态环境中安全无碰撞运动,而且能减少路径规划时间。     

福建自贸实验区首家再制造产业企业投产

一台废旧的复印机,被拆分成各类零件后,也就结束了它的"生命".这是目前大多数报废复印机的归宿,在马尾,它却可以被赋予第二次"生命". 不久前,东北理光(福州)印刷设备有限公司举行复印机再制造项目投产仪式,来自日本的1 6台旧工程复印机完成再造流程,并交付给客户.这标志着东北理光(福州)公司成为福建自贸试验区首家再制造产业企业,而该项目也成为全国首个复印机再制造项目.     

浅谈教育城域网网络安全建设

为实现教育资源的广泛互联和共享,各地以教育局为核心,规划并组建各地的教育城域网,实现“三通两平台”信息化建设.信息网络的联通同时也带来了很多安全问题,教育城域网中存在网络威胁、大量带宽占用、远程传输安全等风险,为此需要采取必要的安全防护措施,对各个接入节点信息网络实施严密的防护与控制,同时确保通信链路的安全性和机密性.     

一种基于概率上下文无关文法的汉语句法分析

本文研究了PCFG独立性假设的局限性,并针对这一局限性提出了句法结构共现的概念以引入上下文信息,给出了计算方法;为了打破中文树库规模过小的局限性,对于句法规则参数的获取,本文利用Inside-Outside算法进行迭代,最后提出了一个基于统计模型的自顶向下的汉语句法分析器。在封闭测试下,其标记精确率和标记召回率分别为88.1%和86.8%。实验结果表明,这种方法确实能够提高标记的精确率和召回率,值得深入研究。     

韩国科学技术卫星二号主载荷-双频微波辐射计

双频微波辐射计是韩国科学技术卫星二号的主载荷,目前已完成了正样研制并交付韩国。双频微波辐射计是全功率形式的微波辐射计,星上采用两点定标方式。由于受卫星平台的限制,天线不能做得很大并进行扫描,因此选择了接收机定标的方案,即定标支路和观测支路采用了不同的天线,通过多路开关与接收机连接。系统及验收测试表明,双频微波辐射计满足韩方的各项功能和性能指标要求。介绍了韩国科学技术卫星二号的基本情况以及双频微波辐射计的设计方案。给出了主要指标和系统试验结果。     

多层局部块坐标下降法及其驱动的分类重构网络

卷积稀疏编码(Convolutional sparse coding, CSC)已广泛应用于信号或图像处理、重构和分类等任务中, 基于深度学习思想的多层卷积稀疏编码(Multi-layer convolutional sparse coding, ML-CSC)模型的多层基追踪(Multi-layer basic pursuit, ML-BP)问题和多层字典学习问题成为研究热点. 但基于傅里叶域的交替方向乘子法(Alternating direction multiplier method, ADMM)求解器和基于图像块(Patch)空间域思想的传统基追踪算法不能容易地扩展到多层情况. 在切片(Slice)局部处理思想的基础上, 本文提出了一种新的多层基追踪算法: 多层局部块坐标下降(Multi-layer local block coordinatedescent, ML-LoBCoD)算法. 在多层迭代软阈值算法(Multi-layer iterative soft threshold algorithm, ML-ISTA)和对应的迭代展开网络ML-ISTA-Net 的启发下, 提出了对应的迭代展开网络ML-LoBCoD-Net. ML-LoBCoD-Net实现信号的表征学习功能, 输出的最深层卷积稀疏编码用于分类. 此外, 为了获得更好的信号重构, 本文提出了一种新的多层切片卷积重构网络(Multi-layer slice convolutional reconstruction network, ML-SCRN), ML-SCRN实现从信号稀疏编码到信号重构. 我们对这两个网络分别进行实验验证. 然后将ML-LoBCoD-Net和ML-SCRN 进行级联得到ML-LoBCoD-SCRN合并网, 同时实现图像的分类和重构. 与传统基于全连接层对图像进行重建的方法相比, 本文提出的ML-LoBCoD-SCRN合并网所需参数少, 收敛速度快, 重构精度高. 本文将ML-ISTA和多层快速迭代软阈值算法(Multi-layer fast iterative soft threshold algorithm, ML-FISTA) 构建为ML-ISTA-SCRN和ML-FISTA-SCRN进行对比实验, 初步证明了所提出的ML-LoBCoD-SCRN分类重构网在MNIST、CIFAR10和CIFAR100数据集上是有效的, 分类准确率、损失函数和信号重构结果都优于ML-ISTA-SCRN和ML-FISTA-SCRN.