劳动不是人类的唯一需要

劳动是人类的第一需要,这是伟大导师马克思的光辉论断。但是我以为,劳动至少不是人类的目的。劳动只是完善自身,愉悦自身的需要。马克思也说,劳动创造了人。在这个意义上讲,劳动是手段,是过程。如果在这个过程中不是创造了自身而是损毁和枯竭了自身,那么这种劳动就是不正确的。     

基于CAN总线的电子垃圾无害处理监控系统

介绍了一种基于CAN总线的电子垃圾无害处理监控系统,详细描述了系统的总体结构原理、硬件电路组成和软件的设计。该系统不仅能实时监测温度和湿度,而且还能监测粮食虫害的发生情况。     

液位传感器用磁致伸缩FeCo合金特性研究

研究了加工工艺和热处理工艺对Fe63Co合金饱和磁致伸缩系数(sλ)的影响。饱和磁致伸缩系数(sλ)最好为6.75×10-5。试验表明该合金的饱和磁致伸缩系数对热处理工艺不敏感。     

微机自动化技术在变电站高压电气系统中的应用

根据山东民生煤化有限公司总变电站高压电气系统,结合国电南京电力自动化股份有限公司的WXB系列微机线路保护测控装置,WRZ系列微机电容器保护测控装置及WBZ系列微机变压器保护测控装置,介绍了微机综合自动化系统的实际运用情况.     

喷水推进器功率特性与航速相关性研究

通过对某船喷水推进系统的分析，研究了喷水推进嚣的功率特性(功率与转速的关系)与航速的关系．先由喷水推进动力学方程引出喷水推进器功率特性在喷水推进系统稳态特性和动态性能研究中的作用，然后分析了KaMeWa 71SⅡ喷水推进器的转速特性，将转速特性变换成力矩特性后，分析了该力矩特性，并将其与螺旋桨相应特性作了对比．根据转速特性获得的3个不同航速下的喷水推进器功率与转速的关系曲线，分析了航速对功率特性的影响，同时也将其与螺旋桨的相应特性曲线作了对比．研究所得出的结论是：喷水推进器的功率特性不是唯一的．装船之后它的功率特性受航速影响，但这个影响不像螺旋桨那么显著．据此推得，喷水推进系统在“船—泵—机”的匹配设计以及实际使用中，主机一般不会超负荷．     

252Cf中子活化核燃料棒235U富集度均匀性检测装置

采用^252Cf中子活化方法研制燃料棒^235U富集度均匀性检测设备，用慢化后的^252Cf中子照射燃料棒，使燃料棒UO2芯块中的^235U发生裂变，通过测量其裂变产物的γ射线总强度对燃料棒^235U富集度及其均匀性进行在线检测。采用1．2mg的^252Cf中子源，能检测出燃料棒中^235U富集度相对偏差土10％的单个混料芯块，单根燃料棒的检测速度可达7m/min，检测结果的置信概率为97．74％。     

应用遗传算法估算溶液热力学模型参数

应用遗传算法估算溶液热力学模型参数，并对标准遗传算法中的变异策略和竞争方式作了适当的改进，得到改进的遗传算法。举DMF（二甲基甲酰胺） water体系的溶液热力学模型参数的估算为例，并与POWELL法比较。计算结果表明，遗传算法比POWELL法具有更强的寻优能力，而本文所提出的改进的遗传算法比标准遗传算法的寻代速度明显较快。对解决溶液热力学模型这类复杂的非线性函数的参数估算问题，本文所提出的改进的遗传算法是一种较好的寻优算法。     

含化学反应体系多相平衡计算方法的研究进展

首先给出了含化学反应体系多相平衡计算问题的数学方程，然后对国内外含化学反应体系多相平衡计算方法的现状和进展做了综述，包括经典的非化学计量系数法和化学计量系数法以及最近提出的稳定性分析法、全局最优法和遗传算法等，并具体介绍了化学计量系数法中两种常用算法-S-C算法和KZ算法以及遗传算法的算法原理和计算步骤。     

数字化功能样机系统及在汽车设计中的应用

数字化功能样机( Functional Virtual Prototyping,FVP)技术是在CAD/ CAM/ CAE技术和虚拟样机(Virtual Prototype,VP)技术基础上发展起来的,并综合了近些年取得突破性进展的多领域物理系统(Multi-domain Physical System,MPS)建模与仿真技术,针对整个产品性能进行优化设计,是基于系统的优化设计,能通过虚拟试验精确、快捷地预测产品整机性能.对于汽车这样的多领域综合、复杂机-电-液-控产品,尤其适合采用数字化功能样机技术进行设计分析.该文介绍数字化功能样机系统研究开发的背景及数字化功能样机技术的发展状况与趋势,以及基于数字化功能样机系统进行汽车设计分析系统开发的情况.     

一种估计前馈神经网络中隐层神经元数目的新方法

前馈神经网络中隐层神经元的数目一般凭经验的给出，这种方法往往造成隐单元数目的不足或过甚，从而导致网络存储容量不够或出现学习过拟现象，本研究提出了一种基于信息熵的估计三层前馈神经网络隐结点数目的方法，该方法首先利用训练集来训练具有足够隐单元数目的初始神经网络，然后计算训练集中能被训练过的神经网络正确识别的样本在隐层神经元的激活值，并对其进行排序，计算这些激活值的各种划分的信息增益，从而构造能将整个样本空间正确划分的决策树，最后遍历整棵树寻找重要的相关隐层神经元，并删除冗余无关的其它隐单元，从而估计神经网络中隐层神经元的较佳数目，文章最后以构造用于茶叶品质评定的具有较佳隐单元数目的神经网络为例，介绍本方法的使用，结果表明，本方法能有效估计前馈神经网络的隐单元数目。