大客车车内噪声有限元声固耦合建模与仿真

应用ANSYS软件建立了DD6119大客车车身声场-结构耦合模型,并对车内噪声进行了有限元仿真研究.通过耦合系统模态与频率响应分析,得出了车内声场固有频率与噪声声压曲线,分析了车内噪声能量分布以及掣身振动对车内噪声的影响.研究结果表明:在低频范围内,DD6119大客车车内噪声主频为80Hz,车内低濒轰鸣噪声主要来源于车身顶部振动.     

自行车蛇形弹簧减震器的设计与实验

作者针对传统自行车减震装置结构复杂的缺点,研制了一种新型自行车蛇形弹簧减震装置。首先采用理论计算设计了弹簧的外形尺寸,然后对不同尺寸的弹簧进行力学性能和减震性能测试。实验结果表明,蛇形弹簧是一种结构简单、适用性强、减震性能良好的自行车减震装置。     

内蒙古额济纳旗梧桐井南多金属矿区土壤地球化学特征及找矿预测

为优选内蒙古额济纳旗梧桐井南找矿靶区,在了解矿区基本地质特征基础上开展了1∶10 000土壤地球化学测量,采集了1 521件土壤样品,分析Cu、Ni、Co、Cr、Pb、Sn、Zn、Mo、W、Sb、As等11种元素的变异系数、浓集系数和富集系数,表明Cu、As、W为有利成矿元素。通过对11种元素进行R型因子分析,将元素划分为F1(Cr-Co-Ni)、F2(Cu-Zn-Mo-Pb)、F3(Zn-W)、F4(Sb-As)4个组合,采用衬度异常法圈定4个找矿预测靶区。     

生物相容性聚氨酯支架材料的研究

通过半预聚法制备了聚氨酯支架材料。研究了不同稳定剂和开孔剂含量对支架材料形貌结构的影响,通过SEM表征了支架材料的结构,观察了细胞在聚氨酯支架材料上的生长情况。结果表明开孔剂用量的增大使材料的泡孔变大,并促进孔与孔之间的连接和贯通。随着泡沫稳定剂含量增加,材料平均孔径逐渐下降,孔隙率增大,密度降低。SEM照片显示材料泡孔比较均匀,泡孔之间相互连接贯通。细胞相容性研究表明,细胞能在三维支架材料上生长,并分泌出细胞外基质,支架材料具有良好的细胞相容性。     

微结构特征对微结构零件注射成型流场均匀性的影响

在Navier-Stokes方程基础上,配合适当边界条件,借助计算流体力学软件CFD-ACE实现了单侧分布矩形微结构、梯形微结构和双侧分布矩形微结构零件模型的流场仿真,得到了三种零件的速度场和剪切速率场.结果表明,单侧矩形微结构零件各微结构截面的速度和剪切速率都有较大差异;单侧梯形微结构零件各微结构截面的剪切速率分布一致,速度分布不一致;双侧矩形微结构零件三个微结构截面的速度和剪切速率都一致.单侧分布梯形微结构零件流场均匀性好于单侧分布矩形微结构零件流场均匀性,双侧分布的微结构零件流场均匀性好于单侧布置的微结构零件流场均匀性.     

基于多智能体技术的智能路灯节能控制系统

为进一步改善路灯照明系统的管理功能和节能效果,该文提出一种基于多智能体系统技术的智能路灯节能控制系统。该系统由单灯节点控制器、区域控制终端以及路灯监控中心共同组成三层智能体组织架构,通过系统的模块设计,实现了单灯实时控制和检测、依据区域环境光照强度调节路灯亮度、基于地理信息系统技术的人机交互等功能,并将文中提出的方案成功应用于实际工程,实现了路灯控制系统的信息化、智能化、高可靠性的目标,起到良好的节能效果。     

基于能量捕获和混合储能的微观网络能量最优分配算法

随着纳米技术和无线网络技术的快速发展,单个节点(设备)的微小尺寸和有限能量严重地限制了微观无线网络的应用。因此,在传统宏观网络节点储能结构单一和能量捕获技术不稳定的基础上,利用超级电容的快速充放电特性,提出了一种基于超级电容和电池的混合储能结构。在此混合储能结构的基础上,根据点对点的双工信道模型和能量传输损耗特性,建立了面向能量捕获的网络吞吐量模型和节点能量分配解析模型,并提出了相应的能量最优分配算法,实现了节点吞吐量的最大化。该算法根据节点捕获能量的时域分布,优化分配超级电容与电池的能量值;同时,采用最优传输功率与传输时间进行数据传输。实验结果表明,所提混合储能结构和能量分配算法能有效地提高节点的吞吐量。     

形式概念分析构建面向对象程序的类及类体系

基于形式概念分析提出构建面向对象程序中类及类体系结构新方法.利用形式概念分析重要性质:给定对象和属性的二元关系,形式概念分析能把所有由相关的对象集合和属性集合组成的概念构成概念格;在概念格上,高层的概念表示共性而低层的概念表示个性.通过对现有面向对象应用程序的分析,可以得到新的类及类体系.这样做的好处是:所得到的类体系不仅等价于应用程序最初的类体系,而且在新体系中对象只包含它真正需要的成员,没有冗余成员.自然地,该方法可以用来发现类体系设计的不足之处,也可为类体系重建提供重要的参考建议.     

保护数据隐私的深度学习训练数据生成方案

深度学习模型训练存在缺少大量带标签训练数据和数据隐私泄露等问题.为了解决这些问题,借由生成对抗网络可生成大量与真实数据同分布的对抗样本的特点,提出了一个基于条件生成对抗网络的深度学习模型训练数据生成方案.该方案采用条件生成对抗网络生成数据,满足了生成大量带标签训练数据的需求;结合数据变形方法实现数据隐私保护,解决了数据隐私泄露的问题.实验结果表明该方案是高效可行的,而且与其他方案相比,其在数据可用性和保护隐私方面具有优势.