工程化学基础课程的改革与实践

文中介绍了工程化学基础课程改革思想的提出，在教改过程中通过遴选合适的教材、修订教学大纲，建全教学文件、适当运用现代化教学手段和积极进行师资队伍建设等改革方案的实施，在教学实践中适应科技发展，培养工程概念，增强环保和经济意识，及时更新教学内容，提高教学质量。     

潜孔锤冲击作用下土体变形的有限元分析

潜孔锤冲击挤密钻进过程中周围土体的变形机理是一个高度非线性问题。针对潜孔锤在土中的面-面接触问题,运用Drucker-Prager屈服准则为判据,将土体视为DP材料,通过钻具与土之间的接触及施加冲击载荷来模拟钻进过程,从而建立了潜孔锤在土中冲击挤密钻进的有限元模型。利用非线性瞬态动力学有限元分析手段,对钻进过程中冲击力对土的作用加以研究,分析了钻具周围土体的应力、应变以及钻具与土体的摩擦情况。结果表明,在冲击载荷作用下,锥形钻头前端土体应力集中,并形成应力泡,冲击功主要用于竖向压缩土体,而水平方向的挤压作用相对较小,摩擦应力在钻头锥面附近出现峰值,是影响钻进速度的主要原因之一。     

三维精细积分法地震正演及边界条件

 将任意差分精细积分法用于三维波动方程地震正演，关键在于如何消除数值计算中有限波场区域边界引起的边界反射。文中采用Berenger给出的电磁波完全匹配层吸收边界条件，推导出三维波动方程任意差分精细积分法地震正演的完全匹配层吸收边界条件计算公式，并给出了完全匹配层吸收边界条件算例。计算结果表明，此方法压制边界反射效果明显。三维波动方程地震正演模拟实例表明，完全匹配层吸收边界条件的任意差分精细积分法为复杂区地震波传播规律研究提供了一种实用的正演模拟工具     

考虑配电网电压调节的分布式电源准入功率极限计算

随着分布式电源的大力发展，其对原有系统产生很大影响。分析了有载调压变压器分接头发生调节振荡的条件。讨论了分散电源的接入对变压器分接头对母线电压灵敏度 aVt 这一重要参数的影响，指出了分散电源的接入有可能使变压器分接头发生调节振荡，进而得出了考虑振荡约束的准入功率极限模型。最后运用112节点系统的算例证明了模型的有效性。     

预防HIV传播的药物

药物预防HIV传播是人类战胜HIV的重要手段。现将预防HIV感染药的研发现状，抗HIV药在预防母婴传播，暴露前后预防的研发和应用动态作一综述。     

长湖水电厂监控系统更新改造特点

介绍了长湖水电厂原有计算机监控系统的运行情况,分析了原系统经常死机、修改程序困难、人机界面不好、模块采集点数较少、扩展困难等问题的原因。采用主要由SunBlade2000工作站SJ-600智能型分布式现场控制装置组成的NC2000新一代监控系统代替原系统,消除了存在的问题。改造过程中,采取了多种措施保证新、旧监控系统同在一个系统中运行和平稳过渡,不影响电厂设备的正常运行。     

蒙古泰西尔坝碾压混凝土的斜层铺筑法

蒙古泰西尔水电站大坝为碾压混凝土重力坝,文中主要介绍了碾压混凝土斜层浇筑法的基本原理,施工工艺和施工中存在的问题及对策.     

Ta-2．5W焊接工艺试验研究

通过对Ta-2.5W难熔重金属换热管的一系列焊接工艺试验研究,掌握了钽材的特殊焊接技术工艺和要求,满足了今后制造和修复苯胺装置中硫酸蒸发器管束的需要。     

薄膜包衣技术及应用

对薄膜包衣技术及其在制剂生产中应用的研究进展作一综述。     

A hierarchical model for structure learning based on the physiological characteristics of neurons

Almost all applications of Artificial Neural Networks (ANNs) depend mainly on their memory ability. The characteristics of typical ANN models are fixed connections, with evolved weights, globalized representations, and globalized optimizations, all based on a mathematical approach. This makes those models to be deficient in robustness, efficiency of learning, capacity, anti-jamming between training sets, and correlativity of samples, etc. In this paper, we attempt to address these problems by adopting the characteristics of biological neurons in morphology and signal processing. A hierarchical neural network was designed and realized to implement structure learning and representations based on connected structures. The basic characteristics of this model are localized and random connections, field limitations of neuron fan-in and fan-out, dynamic behavior of neurons, and samples represented through different sub-circuits of neurons specialized into different response patterns. At the end of this paper, some important aspects of error correction, capacity, learning efficiency, and soundness of structural representation are analyzed theoretically. This paper has demonstrated the feasibility and advantages of structure learning and representation. This model can serve as a fundamental element of cognitive systems such as perception and associative memory.