女子桌

<正>耶鲁大学于1701年建校,约两个世纪后,即1873年才开始接收女学生。这个雕塑通过一系列的历史事实来纪念耶鲁大学的女性。它是一座亲人的纪念碑,黑色花岗岩底座上方悬挑出一     

无机板防火隔墙耐火性能研究

通过对几种不同结构方式的无机板防火隔墙进行耐火极限试验,对相关数据进行分析,总结出影响此类构件耐火性能的主要因素,并提出提高此类构件耐火性能的一些建议。     

含氮硅磷无卤阻燃剂的合成与应用

以六氯环三磷腈(M1)与硅烷偶联剂KH-550(M2)为原料,通过溶液聚合的方法合成了一种含集氮、硅、磷阻燃元素为一体的阻燃剂(NSiP),利用红外光谱和元素分析对NSiP的结构进行了表征,研究了反应温度、反应时间、投料比对NSiP产率的影响.结果表明,在3432 cm-1处出现M1的P—Cl键与硅烷偶联剂M2中的—NH2反应生成的—NH—键的振动吸收峰,证明所合成的阻燃剂为所要制得的阻燃剂(NSiP).通过元素分析得到NSiP的C、N、O、Si、P含量实测值和理论值误差均在1％ 以内,NSiP理论结构和实际结构一致.在最佳合成条件下(M2与M1物质的量比6:1,60℃反应6 h),NSiP的产率为43.04％.将NSiP与硼酸锌(ZB)复配应用在HDPE/EVA复合材料中,阻燃性能得到提高,垂直燃烧等级达到V-0级,极限氧指数达到30.2％,但是力学性能有所下降.该复合材料的热稳定性能增加,残炭量与HDPE/EVA复合材料相比增加到22.18％.     

基于盲源分离的无线通信系统上行链路干扰抑制方法

文章针对无线通信系统的上行通信链路，研究了一种基于盲源分离的空时处理方法，它仅利用各用户间相互独立的假设条件，用一个线性无记忆多人多出系统将干扰从混合信号或者是混有噪声的扩频信号中剔除，并且同时实现解扩。该方法具有抗远近效应的能力，减少了系统的多址干扰，提高了系统容量。仿真结果也证明了此方法的上述优越性能。     

基于神经网络的大规模模拟电路故障检测系统

设计了一个基于小波和神经网络的信号处理系统，该系统主要针对大规模模拟电路故障检测。针对传统诊断技术的局限性，讨论了利用神经网络方法分级诊断大规模模拟电路软故障的方案，通过小波变换提取故障特征，并利用神经网络的非线性映射特性逼近故障诊断模型。诊断结果表明基于人工神经网络的电路故障诊断方法是行之有效的。此方法具有广阔的应用前景，为大规模模拟电路故障诊断提供了新的理论依据和检测方法，并有希望研制成一套高效的检测设备。     

铝型材挤压过程有限体积法数值模拟技术研究

采用有限体积法对Euler基本公式进行离散,利用SIMPLE算法,辅以边界条件的施加,建立铝型材稳态挤压过程数值模拟的数学模型,研究铝型材挤压过程有限体积法数值模拟关键技术,并开发了相应的模拟程序。分别以截面形状为圆形、工字形的平模挤压过程为例进行模拟,得到挤压过程的三维稳态速度场、温度场,并根据求出的速度场,得到其等效应变速率场,验证了所建立的铝型材挤压过程有限体积法数学模型的可行性。     

电力系统故障诊断的研究现状与发展趋势

综述了电力系统故障诊断的各种研究方法,包括专家系统、人工神经网络、优化技术、Petri网络、粗糙集理论、模糊集理论和多代理技术等.简要分析了这些方法的特点与适用性,评述其存在的主要问题和值得改进之处.最后,以解决实际工程问题为目标,指出了该领域所需解决的关键技术问题和主要发展趋势,以促进该研究领域的进一步发展.     

移动机器人改进激光SLAM算法研究

针对传统RBPF(Rao-Blackwellised particle filter)算法存在定位精度低、粒子退化、粒子多样性丧失的问题,提出了一种基于激光雷达的改进SLAM(simultaneous localization and mapping)算法.首先基于主成分分析法对相邻帧的点云进行粗配准,再采用改进点到线...     

深度学习在舌象分类中的研究综述

随着技术的快速发展和计算能力的提高,深度学习在舌象分类领域将得到广泛的应用。舌诊图像的舌象分类是中医舌诊客观化的重要组成部分。传统的舌诊是在基础理论的指导下,借助个人经验所做出的理解和判断,因而会具有一定的差异性和模糊性,影响诊断的可重复性。为了减少主观判断的误差,许多研究人员致力于通过深度学习实现中医舌诊的客观化、定量化和自动化。主要对基于深度学习的舌象分类方法研究现状进行分析梳理和归纳总结。在舌象分类研究中,以各类深度学习方法作为研究对象,将其划分为基于早期神经网络、卷积神经网络、区域卷积神经网络、迁移学习以及其他方法进行总结分析;对舌诊中的中医证候和疾病以及体质分类进行了讨论;用Kaggle上的公开舌诊数据集进行5折交叉验证实验,数据集为小样本齿痕舌,评估了基于深度学习和迁移学习分类方法;对舌诊图像质量、构建数据集方式、特征提取、单标签和多标签分类的研究发展进行了探讨和展望。