丙烯酸—聚氨酯混杂物

序言 综合水性聚氨酯分散体和丙烯酸树脂优点的新技术已发展。在这个新的专利技术生产的丙烯酸—聚氨酯混杂物分散体里,这两种聚合物以分子水平缠绕在一起,而别于大部分丙烯酸和聚氨酯的混和物。 这些混杂物给水性工业涂料的制造者和配方师提供独特的优点。 丙烯酸和聚氨酯分散体是目前水性涂料系统中用得最多的漆基。丙烯酸聚合物在50年代被引进在内外墙建筑涂料中,广泛用作成膜物。     

传感器支架和外加测量体影响电场测量值的实验

为了克服银-氯化银的三分量传感器测得的测量值与电场发生器标准值存在的误差,设计了传感器支架和外加测量体影响电场测量值的实验．在电位和电流连续的条件下,运用麦克斯韦方程组,计算了规则球形测量体引起的电场畸变,并进行了实验验证．实验结果表明,测量体引起的电场畸变不可忽略;测量体处于电极内部会增大测量的电场,处于外部时将降低测量的电场;当测量体离测量电极比较近时,影响较大,反之,影响较小．     

大批量定制下产品报价快速响应技术研究

分析了大批量定制生产模式下产品报价的特点，提出了需求特征变量、需求交互视图等概念．通过建立报价规则以及产品需求特征变量与产品模块相应报价间的映射，实现了基于规则的快速报价方法，并应用于电梯产品报价中。     

多变量模糊优化信息可视化研究

本文针对复杂工程系统的多变量模糊优化问题进行了可视化方法研究，提出了模糊子域的绘制与运算算法，并在此基础上，对多变量模糊优化问题进行了数学分析，直观显示出了模糊可行域在设计空间上的分布规律．     

基于图形理解的预算工程量提取算法

分析了建筑图样（施工图）视图表达和图形理解的特点，基于工程量相关图形信息中各类图形实体的信息理解关系，提出了关联、特征实体的概念；给出施工图中工程量相关信息图形理解策略，并将图形理解的方法应用于预算工程的自动提取，为实现建筑CAD与概预算一体化提供新的途径；以土石方工程量为例，给出了工程量相关信息理解、搜索和识别算法。     

基于整数维约束的分维形状映射生成方法

把整数维图形研究方法与分数维图形研究方法相结合，提出一种基于整数维规则几何形状的约束的分维形状映射生成方法，有于描述自然界和工程中出现的且具有特定基本形状趋势的随机现象和随机过程，首先，任意选取一个具有调配函数的自由形状构造一个有序参数空间，确定有序参数的取值规律和区域，把有序参数空间与自适应神经网络，随机性相结合，构造一个随机离散参数空间，并建立起有序参数与随机离散参数之间的参数对应关系，最后，通过有序与无序的参数对应关系，建立一个独立于任意规则几何形状的统一的分形映射关系，对相应整数维的任意规则参数几何形状分形映射，生成宏观形态趋势可预见和可控制的分维形状，该提出的方法适有于任意参数几何形状的分形映射，生成分形图形，且方法简明，易于实现。     

一类随机曲线的控制生成

提出一类形状具有较好可控性和可预见性的随机曲线生成方法,用于描述不具有分形特征的随机现象,从确定的自由曲线出发,对自由曲线的每一型值点给予一个随机权系统,随机地改变型值点的线性组合关系,使自由曲线向随机曲线转变,应用自适应线性神经元网络对自由曲线的调配函数进行训练,由自适应神经网络的自适应学习机理控制随机权系数的取值,并通过控制神经网络的可调参数影响随机权第数的神经网络输出,进一步控制随机曲线的整体或局部形状,对神经网络可控参数的三种不同的设置方式,可把自由曲线转变为规则的、非规则的或具有分形特征的随机曲线,该文所提方法生成的随机曲线,具有较好的可控性,且方法简明、易于实现。     

基于工程特征类的预算工程量自适应提取方法研究

提出一种基于施工图的建筑CAD与预算编制集成方法,通过对施工图逻辑结构和反映预算工程量的各类图形信息特点进行分析,提出了工程特征类信息的概念,采用模板和模式识别技术实现了多层构造类预算工程量的自动提取和定额自动套取,并在基于通用设计平台的概预算一体化系统中得到应用。     

设计更改在装配关节图上的传播

设计更改的连锁反应效应可能导致不可预计的后果,为了更好地获取更改在零件间的传播过程,提出基于装配关节图的更改传播求解方法.装配关节图以机件内部所有与装配特征相关的几何特征为研究对象,零件间的连接关系和零件内几何特征间的空间关系分别用装配关节和变换矩阵表示;作用于几何特征的设计更改表达为特征坐标系下的变换矩阵,更改在关节图上的传播按机器人学中的正运动学问题求解,并在关节处根据自由度进行消解;在装配关节图上层层递进的更改传播求解与人工干预的更改方案的确定及实施交替进行.最后基于Pro/E平台二次开发的应用系统验证了该方法的可行性.     

一种基于启发式奖赏函数的分层强化学习方法

针对强化学习在应用中经常出现的维数灾问题,即状态空间的大小随着特征数量的增加而发生指数级的增长,以及收敛速度过慢的问题,提出了一种基于启发式奖赏函数的分层强化学习方法.该方法不仅能够大幅度减少环境状态空间,还能加快学习的收敛速度.将此算法应用到俄罗斯方块的仿真平台中,通过对实验中的参数进行设置及对算法性能进行分析,结果表明:采用启发式奖赏函数的分层强化学习方法能在一定程度上解决维数灾问题,并具有很好的收敛速度.