浅析胶印机发展趋势

当今在印刷领域中所占份额最大的印刷方式仍然是平版胶印，胶印机综合机械、电子、仪器、仪表、声学、光学、气动、液压等多类技术，横跨学科领域最广，产品科技含量高，技术门类全，机器运行中机件动作复杂，运动多，协调性强，操作技术要求高。世界各家印机制造商为争取最大的市场份额，都不惜巨资对胶印机进行研发，不断改进，不懈努力，追求更好。经过     

基于层次分析法的河湖滨岸缓冲带宽度适宜性评价

在分析河湖滨岸缓冲带宽度确定影响因素的基础上,构建湖滨岸缓冲带宽度适宜性评价指标体系。以南京牛首山河河滨缓冲带为例,运用层次分析法确定各层次评价指标的权重。最后运用距离指数-层次分析综合法对其宽度的适宜性进行评价。结果表明,牛首山河河滨缓冲带的宽度是适宜的。     

上海建筑设计公司市场竞争策略初探

如何在激烈的设计市场上分得一杯羹，以占有更多的市场份额，其中，竞争策略至为关键。     

用均衡凝固理论设计飞轮铸件浇注系统

通过改进飞轮的铸造工艺,采用均衡凝固工艺,充分利用石墨化自补缩,减小了铸件冒口体积,提高了工艺出品率.铸件清理后外观完好、光洁平整,机械加工后没有缩孔、缩松、气孔等缺陷.     

基于BP神经网络的面粉气力输送工段能量损耗研究

小麦制粉中除研磨工段能量消耗外,气力输送工段也是能耗的一个主要方面,分析气力输送能耗模型是降低面粉气力输送工段能量损耗的基础。然而气力输送模型非线性强、设备匹配参数冗余度大,以及管路压损波动性大。综合考虑生产过程中粉料的状况与输送能耗之间呈现的非线性关系,选择具有较强自适应能力和自组织能力的BP神经网络调节设定处理数据的训练、测试比例和模型训练过程中的总误差和循环次数等参量,建立面粉气力输送工段能耗模型。选取河南某面粉厂500 t/d产能的制粉车间的气力输送工段,采集能耗相关的每小时加工吨麦、麦粒湿度、送风量实测数据为样本,对建立的能耗模型进行训练、预测、验证,结合该厂生产车间设备参数、管路铺设标注和单位生产量推测出吨麦电耗与计量值对比。结果表明:利用BP神经网络拟合算法,建立气力输送工段能量损耗模型可行,且该数学模型可以较好地反映面粉气力输送工段能耗情况,模拟值能够较为准确地预测面粉气力输送工段能耗情况,误差不超过7%。     

粉煤灰/煤矸石纤维保温材料的制备工艺

以粉煤灰/煤矸石纤维为原料,聚乙烯醇与二氧化硅复合物(PVA-SiO_2)为黏合剂,制备出一种无机纤维防火保温材料.研究了保温材料的使用温度范围,并以总燃烧值、失重率及导热系数为评价标准,采用单因素法探究了保温材料最适宜的工艺条件.结果表明,黏合剂最佳工艺条件为:黏合剂配比介于4∶1~5∶1之间,黏合剂体积分数为25%~40%,浸胶时间段为15~20min,浸胶温度为15℃~35℃.该条件下,所制得的保温材料总燃烧值小于3MJ/kg,失重率小于20%,符合国家建材A级标准,其导热系数在0.027左右,有很好的保温性能.     

基于AT89C2051的高精度数字频率计的设计

针对普通频率计存在读数难、测量精度不高等缺点,提出了一种实用性较强的用单片机控制的高精度数字频率计控制电路系统的实现方法,具有广阔的应用前景.     

全液压清扫车行走系统控制器设计及仿真北大核心CSCD

为了改善全液压清扫车行走系统的加速特性,设计了行走系统的高、低速段模糊控制器,低速段响应速度快,高速段稳定性较好。建立了行走系统的模型,并设计了模糊控制器,将速度偏差和偏差变化率作为模糊控制器的输入变量,将变量泵和变量马达的排量作为输出变量,同时分别建立了隶属度函数和控制规则。在Simulink中设置了联合仿真的接口,对清扫车行走系统进行了仿真。仿真结果表明,该清扫车行走系统具有较好的加速特性,行驶过程液压无级变速,加速过程平顺。     

全液压清扫车行走系统控制器设计及仿真北大核心CSCD

为了改善全液压清扫车行走系统的加速特性,设计了行走系统的高、低速段模糊控制器,低速段响应速度快,高速段稳定性较好。建立了行走系统的模型,并设计了模糊控制器,将速度偏差和偏差变化率作为模糊控制器的输入变量,将变量泵和变量马达的排量作为输出变量,同时分别建立了隶属度函数和控制规则。在Simulink中设置了联合仿真的接口,对清扫车行走系统进行了仿真。仿真结果表明,该清扫车行走系统具有较好的加速特性,行驶过程液压无级变速,加速过程平顺。     

基于深度学习的人群计数研究综述

人群计数旨在估计图像或视频中人群的数量、密度或分布,属于目标计数(object counting)领域的研究范畴,广泛应用于人群行为分析、公共安全管理之中,以便及时发现人群拥挤或异常行为,避免事故发生.鉴于人群计数系统强大的实用性,自21世纪以来,研究者对其方法及应用进行了大量广泛的研究.近年来,深度学习技术发展迅猛,很多工作发现深度学习技术可以有效地解决人群计数系统存在的一系列关键问题,例如跨场景计数、透视畸变、尺度变化等.因此,对基于深度学习的人群计数这一研究领域进行回顾、分析和展望.具体地,首先从概念、步骤、方法等维度详细介绍人群计数模型,分析基于传统方法和基于深度学习方法这2类人群计数模型的差异.然后,从计数网络结构、ground-truth生成、损失函数、评价指标这4个方面阐述基于深度学习的人群计数模型的研究现状.最后,比较分析了各种人群计数数据集的特点,并探讨和展望人群计数领域未来可能的研究方向.