直角尺外角值测得值不确定度评定

本文依据JJG 7-2004《直角尺》检定规程,对直角尺外角值的测得值进行了不确定度评定分析。     

重庆石柱县传统村落特色与遗产保护研究——以黄龙村为例

重庆传统村落是重庆乡土文化、民俗风情的重要载体,反映了重庆地区在自然生态环境与社会人文背景方面的鲜明特色。进行建筑与环境特色的研究,对于村落发展、建筑设计和学术研究都具有重要的现实意义。该文从重庆石柱传统村落出发,结合实地调研分析,梳理石柱县传统村落形态,分析重庆传统村落的基本特点,从建筑格局、结构形式、色彩材质等方面来剖析重庆土家族吊脚楼民居建筑特色,阐述对其历史文化遗产保护与传承的思考。     

重油中非烃类化合物的分离富集方法研究进展

综述了重质油中非烃类化合物的分离和富集方法的最新进展,并对不同方法的分离步骤及优缺点进行了总结。根据不同的需要,进行粗略或精细分离是全面认识重油的一个必要步骤。     

国画艺术在空间改造中的应用

<正>国画是我国传统绘画的一种表现形式，借助山水、花草、人物等绘画元素营造意境之美，强调我国传统人文价值和自然理念。近年来，随着社会经济的发展与物质生活水平的提高，人们对于优质文化的需求日益旺盛，传统国画作为艺术装饰品之一得以展现在室内空间环境中，既能提升室内设计的文化艺术水准，也能彰显传统国画艺术的文化韵味。     

溶剂萃取法分离回收废催化剂碱浸渣中铝、镍的研究

通过溶剂萃取法分离回收废加氢催化剂碱浸渣的硫酸浸出液中铝和镍，分析并比较了萃取剂P204(二(2-乙基己基)磷酸酯)和P507(2-乙基己基磷酸单2-乙基己基酯)的萃取分离效果，同时考察了P204萃取体系中原料液初始pH、P204体积分数、P204皂化率、V(有机相)/V(水相)等因素对铝、镍萃取率的影响。结果表明，与P507相比，P204可更好地分离铝和镍；在萃取剂P204体积分数为35%、P204皂化率为30%、原料液初始pH为2.75、V(有机相)/V(水相)=3∶1的条件下，铝的萃取率达到96.45%，而镍的萃取率仅为2.77%；经过二级逆流萃取流程，铝的萃取率可达到99.50%以上，而镍的萃取率低于3.60%。采用盐酸溶液对负载有机相进行反萃，在盐酸浓度为6 mol/L、反萃温度为60℃、V(有机相)/V(水相)=2∶1的条件下反萃20 min，有机相中铝的反萃率为98.04%，可有效地实现废加氢催化剂中铝、镍的分离。     

基于多维度信息融合评判方式的滚动轴承故障特征选择方法

针对多传感数据流及故障特征构建所带来的高维数据的时间复杂度高与数据冗杂问题，提出了一种基于多维度信息融合评判方式的轴承故障特征选择方法。首先，以随机森林、Spearman相关性分析作为基点，并结合门控循环单元(GRU)、差分整合移动平均自回归模型(ARIMA)对各特征做出了初步评价；其次，引入了新评价函数，融合了各部分初步评价信息，剔除了尾部特征并逐次迭代，选择了低冗余且具有较好分类效果的特征子集；最后，以美国凯斯西储大学轴承数据为例，对基于多维度信息融合评判方法与基于随机森林估计器的递归特征消除(RFE-RF)、最大相关最小冗余(mRMR)相比较，以分类准确率作为评估指标，验证了模型的效果。研究结果表明：该方法能在保持97.5%准确率的情况下，得到较少的特征子集，提升了计算效率；该模型能够为滚动轴承故障特征的选取提供借鉴。     

改进CEEMDAN-小波包阈值降噪在旋转机械轴承中的应用

针对旋转机械滚动轴承振动加速度信号在采集过程中存在大量噪声导致振动信号表征不明显的问题，提出了一种在对自适应噪声完备集合经验模态分解(CEEMDAN)进行改进的基础上与小波包阈值降噪联合的一种数据去噪方法。首先，通过计算分解后得到的各分量的均方根和互相关系数对与原始信号相关性较大的分量进行提取；然后，分别计算提取后每个分量对应的阈值进行小波包阈值降噪处理；最后，将处理后的信号与分量中不存在噪声的分量进行叠加，即为降噪后的信号。经过对比实验验证，改进CEEMDAN-小波包阈值降噪方法的信噪比最大提高6.41,均方根误差降低0.12,证明了本方法的有效性。     

新型食品非法添加挖掘及应对策略研究

基于当前新型非法添加在添加物质、添加形式、添加载体、销售模式等方面的新特点，重点剖析了新型非常规非法添加线索及行业潜规则挖掘的多条途径、相应的侦察技术手段的发展现状及其集成与应用，最后从非法添加源头控制、检验检测技术、信息来源渠道、监督管理模式、网络环境等方面提出针对性的建议。     

细菌觅食算法优化卷积神经网络的滚动轴承故障诊断

针对传统深度学习故障诊断方法在滚动轴承中诊断效果不理想的问题，提出一种细菌觅食优化算法(BFO)优化卷积神经网络(CNN)学习率使诊断效果提升的模型。在模型逐次迭代过程中，将CNN中的学习率参数带入BFO中，生成一个自适应的学习率，用于更新CNN的权重和偏置，使模型故障诊断效果达到最佳。通过实验证明基于细菌觅食算法优化的卷积神经网络训练的模型在分类精度上优于CNN训练的模型，并与CNN多种学习率对比，可将故障诊断准确率提升至97.25%,并提高了全局的收敛能力。