妙计

厨房里的不锈钢菜盆用久了，表面颜色发暗，缺少了原有的光亮，用清洁剂擦过后，没过多久，又没有了亮泽，请问有什么方法能保持菜盆的原来本色？     

10招收纳衣物井然有序

学会适当分类 在收纳衣物之前．先学会适当的分类是非常必要的。衣物收纳重在拿取的方便性和空间的简省，因此在收纳前．先将衣物分成当季的、常用的、过季的．待整理等四大类。当季的、常用的放在随手可即的位置。过季的衣物在清洗后，可放在大型的收纳箱或不常使用的衣橱柜内或者抽屉层的最底层。把握好了大原则后．才可以做到有条不紊。     

新卢浮宫的建筑师——贝聿铭

大卢浮宫,即将在保持它古建筑传统风格的情况下加以改造。——这是法国总统密特朗在他七年任期中最大胆的一个举动。他已选定世界著名建筑师贝聿铭来进行这项扩建和翻修工程。为此,这座法国历代的王宫卢浮宫,在竣工之后,势将成为二十一世纪世界上最壮丽的博物馆。贝聿铭于1918年出生在中国广州,1954年加入美国籍,堪称为当代世界著名建筑大师。他的信条是:力争将各种先进技术熔于一炉,不拘泥于过去历史的     

基于电子听诊器的心音分类系统

为解决传统听诊器的局限性,设计基于STM32F103单片机的新型电子听诊器,并设计心音分类软件,有利于临床听诊。医疗工作者可使用3.5mm耳机或者蓝牙播放设备进行听诊,并设置0～10dB的音量增益。通过对数字滤波器截止频率的设定,该听诊器分3种听诊模式,可实现全频带、心音和肺音听诊。心音数据通过TCP/IP协议传输到心音分类软件,构成局域网系统。通过决策树模型实现心音的异常判别,准确率高达91.24%,灵敏度98%。该听诊器的听诊音清晰易识、佩戴感舒适、功耗低,可实现数字化听诊及心音的异常判别。     

基于多通道信息对无人驾驶信任度提升研究

目的无人驾驶技术发展迅猛,拥有广阔的市场空间前景,而用户对无人驾驶的信任问题将成为未来技术推广的瓶颈。从用户体验角度出发,对无人驾驶信息多通道表达方式进行研究,使用户能更高效地获取信息,从而提高用户对无人驾驶汽车的信任度。方法通过对比分析有人驾驶和无人驾驶下的信息传递过程,找出在信息传递中用户对无人驾驶产生信任问题的原因。基于各感官通道信息表达特点,分析不同驾驶情景下信息传递的强度需求。运用多通道的信息表达方式,阐明适用于具体驾驶情景的多通道组合,并选取视听多通道作为实验对象,验证该多通道组合信息传导对提高信任度的有效性。结果视听多通道实验证明在可预设和不可预设两种驾驶情境下,单一视觉通道表达信息对信任影响差别不明显,而视听通道组合表达信息对信任影响差别明显,相比可预设驾驶情境,在不可预设驾驶情境下视听通道组合能获得更多的信任。结论针对具体驾驶情景运用恰当的多通道组合表达出合理的信息强度能够有效地提升无人驾驶信任度。     

专业替补还是家用主力？

奥林巴斯Stylus 1（约4800元） 等效焦段28mm～300mm,最大光圈F2.8,1/1.7英寸的CMOS,这是一台配置独特的长焦相机。索尼试图用Cyber-shot RX10重新开启了高端长焦数码相机的市场,过去这种长相酷似单反的数码相机曾经风靡一时。其实同样的工作富士也曾经通过X-S1尝试过,只不过RX10拥有1英寸画幅的背照CMOS配合恒定光圈F2.8的8.3倍光学变焦镜头,性能更强劲,然而它的软肋是近7000元的高昂价格。如今奥林巴斯也推出了最大光圈F2.8,变焦比却多出近3成的类似机型Stylus 1,只是传感器尺寸缩小到1/1.7英寸,但售价也只有索尼产品的2/3左右。     

工业用铠装热电偶技术发展研究

铠装热电偶作为石油化工、光伏军工等重大装备制造领域中的重要测温传感器,其用量大、用途广、寿命长。综述了工业用铠装热电偶技术研究现状,以贵、廉金属铠装热电偶为例,分析了工艺方法对其使用寿命和测温性能的影响,探讨了铠装热电偶中存在的问题,并基于当前发展趋势,结合新型单管多点式铠装热电偶技术阐述了今后重点研究方向,以期为铠装热电偶的高性能/轻量化制造提供理论依据。     

关于电机滚动轴承的选择与计算

滚动轴承的基本额定静载荷和基本额定动载荷是指轴承在静态或旋转时最大能承受的载重量.滚动轴承在承受过大的静载荷或者在承受低转速之下的冲击负荷的时候,滚动体和滚到接触面会产生局部永久变形,其变形量随负荷的增大而增大,超过一定限度的话会产生永久变形,直接影响轴承的正常运转.现通过对比各机械使用轴承寿命情况,推导出额定动载荷和...     

聚氨酯夹芯板连续生产线戊烷改造技术交流

本文介绍了聚氨酯夹芯板生产线和戊烷发泡,主要探讨了聚氨酯夹芯板生产行业中的中小企业进行戊烷改造的可行性方案:1.瓶装戊烷料罐替代戊烷的大型室外储罐。2.预混戊烷专用组合聚醚的开发。     

基于SAC强化学习的车联网频谱资源动态分配

针对车联网频谱资源稀缺问题,提出一种基于柔性致动-评价（SAC）强化学习算法的多智能体频谱资源动态分配方案。以最大化信道总容量与载荷成功交付率为目标,建立车辆-车辆（V2V）链路频谱资源分配模型。将每条V2V链路作为单个智能体,构建多智能体马尔科夫决策过程模型。利用SAC强化学习算法设计神经网络,通过最大化熵与累计奖励和以训练智能体,使得V2V链路经过不断学习优化频谱资源分配。仿真结果表明,与基于深度Q网络和深度确定性策略梯度的频谱资源分配方案相比,该方案可以更高效地完成车联网链路之间的频谱共享任务,且信道传输速率和载荷成功交付率更高。