双螺杆食品挤出机螺杆间隙分析

在双螺杆食品挤出机中,由于两根螺杆的连续啮合,形成若干种间隙,产生互不关连的半封闭C型腔室,使得研究单螺杆挤出机的螺槽连续假设不能适用。提出以正确分析、计算、选择双螺杆形成的四种间隙,即侧面间隙ε,四面体间隙Δ,压延间隙σ以及螺棱间隙δ,作为设计双螺杆挤出机的基础。     

IEC61850标准控制模型在保护装置控制中的应用

对IEC61850标准中的SGCB、Control模型的服务、控制机制进行了详细的分析,将SGCB应用至继电保护装置的定值读写、定值区切换服务,将Control模型的增强安全的操作前选择控制、常规安全的直接控制模式分别应用至继电保护装置的软压板投退控制、信号复归服务,将IEC61850标准的控制模型映射至常用的继电保护装置控制功能。在此基础上,设计了继电保护装置控制功能的应用模式,并在广州电网成功应用。     

基于灵敏度分析的节能赛车车架轻量化设计

在ANSYS软件中建立节能赛车车架的参数化有限元模型,进行弯曲工况的分析,得到车架的最大变形量,并以最大变形量为目标函数对车架进行刚度灵敏度分析,找出灵敏度系数高的设计参数作为优化设计分析的设计变量.在保证刚度和强度的条件下以车架体积作为目标变量进行优化设计分析,通过优化设计分析的结果,选择最合适的铝合金管材截面尺寸,从而实现车架轻量化的目标.     

复杂工件加工工艺系统的设计及其应用

为了提高一种复杂工件的加工精度,对加工工艺系统进行了研究。通过分析工件的精度要求,提出了工艺系统的设计准则。根据被加工工件的特点和工艺设计准则,选择合适的卧式车床和刀具,并设计夹具装置和辅助装置,经装调后形成工艺系统。将工件毛坯装夹于工艺系统,并设计工艺方案,选择合适的切削条件进行加工。加工得到的工件成品经检测,其精度指标均符合设计要求,证明所设计的工艺系统具有较高的精度和工程实用性。     

EMA-LAMP方法快速鉴别检测单增李斯特菌

作者建立一种将叠氮溴化乙锭(ethidium bromide monoazide,EMA)结合环介导等温扩增(loop-mediated isothermal amplification,LAMP)的新分析方法(EMA-LAMP),快速鉴别检测单增李斯特菌。通过对单增李斯特菌hly基因的六个区域设计4条LAMP特异性引物,EMA-LAMP在63℃下反应1 h,检测单增李斯特菌的死活细胞。结果表明,在浓度为2.0×108CFU/mL的单增李斯特死菌悬液中,使EMA激活光解进入死细胞中且与DNA结合的最佳曝光时间至少为20 min,不抑制活菌细胞DNA的LAMP扩增的最大EMA质量浓度为10μg/mL,而抑制死菌细胞DNA的LAMP扩增的最小EMA质量浓度为4.0μg/mL;活菌细胞的检出限为20 CFU/mL。     

固态碱组分碱矿渣水泥激发剂研究

本研究在大量前期工作的基础上．采用复合的方法研制成功了固态复合激发剂，用其配制的固态碱组分碱矿渣水泥28天强度达70MPa以上，从而克服了目前碱矿渣水泥储存、运输和使用不便的问题，并为其推广应用解决了一大技术障碍。     

固体火箭喷焰的尘埃等离子体非相干散射研究

航天飞机通过电离层时,喷焰提供了相较于周围等离子体的高速中性气体,与背景电离层中的O+离子交换电荷,产生环形离子分布(也称Bump-on-tail分布),这将对非相干散射雷达(incoherent scattering radar,ISR)谱产生显著影响.基于尘埃等离子体非相干散射理论,建立了固体火箭喷焰早期离子Bum...     

铝碳材料与稀土钢夹杂物的反应

炼钢时添加稀土是提高钢材品质的有效途径,但在浇铸过程中浸入式水口容易发生堵塞。通过SEM、EDAX、XRD分析浇铸稀土钢后铝碳质浸入式水口的显微结构以及附着物的相组成,发现附着物以稀土铝酸盐和钙黄长石为主。低熔点液相的形成以及Ca2 与刚玉的反应对附着的发生起促进作用,并对附着发生的机理进行了分析。     

远紫外电离层高光谱成像仪杂散光抑制研究

电离层空间环境复杂，紫外波段辐射能量微弱，如何抑制远紫外高光谱成像仪杂散光是研究远紫外电离层高光谱载荷的重要环节。依据系统技术要求，给出单超环面光栅型高光谱成像仪杂散光抑制方法，首先分析杂散光的主要来源和传播路径，利用UG软件设计消杂光结构，使用LightTools软件仿真不同视场和不同光栅衍射级次下接收面的能量响应，评估杂散光抑制效果。结果表明：视场外杂散光能量和视场内光线能量量级相差10^-5～10^-7，光栅非工作衍射级次光线能量和工作级次能量量级相差10^-6～10^-8，中心波长处光谱杂光系数为0.9975%，所提方法满足空间远紫外高光谱遥感指标要求。     

SS-GCN:情感增强和句法增强的方面级情感分析模型

方面级情感分析(Aspect-Based Sentiment Analysis, ABSA)作为知识图谱下游应用，属于细粒度情感分析任务，旨在理解人们对评价目标在方面层次的情感极性。近年来，相关研究已经取得显著进步，但现有方法侧重于利用句子内的顺序性或句法依赖约束，而没有充分利用上下文词与方面词之间的依赖类型。此外，现有的基于图卷积神经网络模型对节点特征保留的能力不足。针对该问题，首先，在句法依赖树的基础上，充分挖掘上下文词与方面词之间的依赖类型，将其融入依赖图的构建；其次，定义了一个“敏感关系集合”,利用它来构建辅助句以增强特定上下文词与方面词之间的关联性，同时结合情感知识网络SenticNet以增强句子的依赖图，进而改进图神经网络的构建；最后，引入上下文保留机制，来减小节点特征在多层图卷积神经网络中的信息损失。提出的SS-GCN模型将并行学习到的句法表示和上下文表示进行融合以完成情感增强和句法增强。在3个公开数据集上进行了广泛的实验，证明了SS-GCN的有效性。