浅谈剪纸艺术在陶瓷装饰中的应用

我国的剪纸艺术有着悠久的历史,它应用了"虚实相生,虚实互补"的造型原则,这种造型方式本身具有了一定的现代意识,为我国其它现代艺术提供了很好的借鉴。剪纸艺术与陶瓷装饰两者的结合,是两种艺术形式的交叉组合,并构成了新的视觉意义,是艺术发展自身的一种突破方式,从而让两种艺术形式都获得了新的生命力。本文以剪纸艺术在陶瓷装饰艺术中的应用,来论证陶瓷剪纸装饰的形式美探索的重要性。     

基于小波包分析的超声相控阵检测信号特征提取

通过对超声相控阵A扫信号进行小波分析,研究了基于小波能谱信息熵的特征信息获取方法。并对最优小波基的选取提出了基于能量差异原则的选取方法,对40种小波基的能量差异进行分析,选取了三种小波基对两类A扫信号进行小波包分析,用于信息熵值的提取。最后对掺杂不同杂质的碳纤维复合材料的A扫信号的超声检测信号应用所选小波基进行分解,计算了信息熵值并加以比对,作为不同掺杂下碳纤维复合材料的超声相控阵信号的特征值。     

航天器降维姿态-轨道一体化控制算法

针对航天器控制系统在本体坐标系下出现单轴姿态控制失效的问题,提出一种降维姿态-轨道一体化控制算法。该首先设计降维姿态稳定控制器,通过对其他两轴的姿态控制实现对航天器全姿态的渐近稳定控制;然后设计耦合轨道控制器,引入自适应滑模控制器,在单轴失效情况下确保轨道控制的渐近稳定,最后给出降维姿态稳定控制器和耦合轨道控制器渐近稳定控制的证明过程。仿真结果表明,提出的降维姿态-轨道一体化控制算法可将单轴控制失效的航天器调整到渐近稳定控制状态,计算结果满足工程精度要求。     

基于同伦神经网络的短期负荷预测研究

将同伦方法引入到神经网络的学习训练中,提高了神经网络的学习效率,较好地解决了BP神经网络收敛速度慢和局部极小值等问题.同伦神经网络具有稳定性强,收敛性好的特点,用这种神经网络进行了电力系统短期负荷预测,算例表明了网络收敛快、预测精度高的优越性.     

果蔗新品种川蔗28号选育研究报告

川蔗28号是四川省植物工程研究院于2008年用湛蔗92-126×粤糖89-240有性杂交选育出的果蔗新品种。2013~2015年24点次省区试和示范结果表明:川蔗28号的平均蔗茎产量达到126.63 t/hm~2,比对照品种华南54-11的99.94 t/hm~2增产26.71%,差异达极显著水平;11~12月平均蔗糖分达14.0%,比对照高1.9%(绝对值);总糖含量达15.8%,较对照高1.5%;蔗汁抽出率达74.9%,较对照高0.6%;纤维分8.0%,较对照高0.3%;乙醇产量达10.44 t/hm~2,比对照华南54-11的7.26 t/hm~2增加3.18 t/hm~2,增产率达43.80%。该品种出苗较好,苗壮,分蘖中等,植株高大,茎粗;高抗黑穗病、花叶病,轻感梢腐病,抗倒性强,宿根性好,易脱叶;高产稳产,品质好,口感好。该品种是一个农艺性状、工艺性状和商品性状均优于或与对照品种相当的优良果蔗新品种。适宜种植于土层深厚、疏松肥沃、排灌方便的槽坝地;应早植覆盖地膜,及时间苗定苗,增施有机肥并尽早追肥培土,注意防螟治蚜,适时收获。     

硫化氢低温脱除技术的研究进展及趋势

硫化氢是一种存在于天然气,焦炉煤气等工业气体中的有害杂质,吸附脱硫法作为有效的硫化氢低温脱除方法被广泛研究。结合国内外低温脱硫剂的研究现状,主要讨论以下几类吸附剂:活性炭吸附剂,金属氧化物吸附剂,胺/氧化硅类吸附剂。分析了每种脱硫剂的脱硫原理及优缺点,探讨了低温脱硫剂的研究方向。     

含有风电场的电力系统并行潮流分析

首先用改进的灰色预测模型进行风速预测。根据预测的风速得到风力发电机组有功功率,在简化的风力发电机稳态模型的基础上,给出含风电场系统的并行潮流计算方法;计算结果仍保持较高的计算精度,表明由普通PC机构建PC并行算法是可行的,方法具有一定的实用价值。     

硅锰合金中硅、磷、锰的快速分析

试样以混合熔剂熔融、酸化定容后,对硅锰合金中硅、磷进行系统分析。以硝酸、氢氟酸溶解试样,在大量磷酸存在情况下,用高氯酸氧化Mn2+为Mn3+后,用硫酸亚铁铵标准溶液滴定分析锰量。与国家标准方法相比,本法具有操作简便、准确性好,速度快,成本低,测定范围宽等特点。     

包装数字图书馆:学科自强的加油站--兼议专业性数字图书馆建设的必要性

根据包装科学与技术一门年青的综合性学科,目前还没有学科地位、图书馆文献类目中也少有立足痕迹的状态,提出建设包装数字图书馆的设想,作了论证分析.并提出我国图书馆数字化变革时期,应采取综合性图书馆与专业性图书馆相辅相成分工建设的策略.     

基于经验模态分解与人工鱼群神经网络的短期负荷预测

提出了采用经验模态分解（EMD）、人工鱼群算法的RBF神经网络与BP神经网络相结合的混合模型进行电力系统短期负荷预测的方法。首先运用经验模态分解（EMD）将非平稳的负荷序列分解成若干平稳序列,然后根据分解后各分量的特点构造不同的神经网络对各分量分别进行预测,最后对各分量预测结果采用BP网络进行重构得到最终预测结果。