卷取机前夹送辊不同驱动方式的夹送力对比分析

文章针对有色金属加工生产机组中卷取机前夹送辊驱动方式的不同,对夹送辊的结构和驱动力矩做对比分析,同时进行理论设计计算,供设计参考使用。     

穿孔机出口毛管过渡蓖条的改造

设备前期翻料钩摆臂角度设计错误,导致该处液压缸事故频繁,经改造后,将过渡篦条和中间过渡装置拆除。整体标高再次进行定位,实现穿孔出来的毛管直接过渡到轧机入口,无需中间翻料钩装置,以保证设备的正常运转和生产连续性。     

原子吸收光谱法测定保护渣中锰含量

采用原子吸收光谱法测定保护渣中锰含量,进行了酸度对测定的影响、试样分解、共存离子干扰、加标回收、精密度分析等试验。结果表明,锰可完全溶解于混合酸溶液中;加入氯化锶,可以消除钠、钙对锰测定的干扰;锰质量浓度在0~12.0μg/mL的范围,工作曲线线性关系良好;加标回收率较高,在97%~102%;测定结果准确度较高,与高碘酸钠光度法分析结果一致性较好。     

土木工程施工课程线上平台教学实践

土木工程施工课程作为土木工程及工程管理专业的学科基础课和核心专业课程,在疫情防控期间"停课不停教""停课不停学"的要求下,通过线上平台进行授课。由于土木工程施工课程内容庞杂、综合性强、实践性强,且章节之间关联性较弱,探究既能使学生快速适应,又能保证教学质量的在线教学方法至关重要。以华南某高校土木工程施工课程为例,基于中国大学MOOC、建筑云课、腾讯课堂、QQ群等线上平台讲授教学内容,并运用问卷调查对课程线上教学效果进行评价。结果表明,线上教学为学生提供了丰富灵活的学习方式,显著提高了学生的自主学习能力,扩大了学生的知识面,达到了较好的学习效果。     

矿用钻孔深度测量仪的设计

设计了一种以STM32F103微控制器为控制核心,基于24位高精度模数转换器的钻孔深度测量仪器。利用弹性波回波测距原理,通过测量出钻孔中钻杆的长度,实现钻孔深度的快速、无损、准确的测量,主要用于井下瓦斯抽放钻孔、探放水钻孔等煤矿通防工作的施工验收。仪器小巧轻便,操作简单,单人即可完成测量工作,节约下井的人力物力,提高生产效率,最长测量长度可达250米,误差不超过1米。     

胸腺五肽辅助治疗肺癌对免疫功能影响及其疗效的系统评价

为了系统地评价胸腺五肽作为辅助药物治疗各种肺癌的疗效及其对机体免疫功能的影响，利用电子检索收集有关胸腺五肽联合放疗或化疗方案治疗肺癌的临床随机对照试验文献，对符合纳入标准的文献，采用RevMan5.3 软件进行系统评价。最终共纳入文献 9 篇，总样本量 784 例。Meta 分析结果表明，胸腺五肽作为辅助药物治疗各种肺癌提高总有效率的差异无统计学意义[OR ＝ 1.44, 95%CI(0.99, 2.10), P ＝0.06 ＞ 0.05]。在对免疫功能的影响方面，胸腺五肽的使用显著增高外周血中的 CD3+ 细胞水平[OR ＝ 5.88, 95% CI(2.34, 9.42), P ＝0.001]，CD4+ 细胞水平也显著上升[OR ＝8.32, 95%CI(5.22, 11.42), P ＜ 0.00001] , CD4＋ /CD8＋比值也有明显的提高[OR ＝ 0.38, 95% CI(0.18, 0.59), P＝0.0002]，但 CD8+ 细胞水平的差异无统计学意义[OR ＝－3.12, 95% CI ( －9.02, 2.79), P ＞0.05]。总的来说，本研究在一定程度上反映了在辅助治疗肺癌方面，胸腺五肽能显著提高外周血中的 CD3+ 细胞水平、CD4+ 细胞水平、CD4+/CD8+ 比值。而对于治疗的有效率、CD8+ 细胞水平，差异无统计学意义。     

基于用户体验的产品包装设计探究

在经济繁荣发展的今天,人们对产品包装的需求已经不仅仅是功能上所完成的,用户与包装互动过程中综合感受才是重点。文章通过案例分析和研究,对现代产品包装设计中本能层次、行为层次、反思层次的体验设计进行分析。基于用户体验的产品包装设计,将使产品包装更为合理、人性化、获得更加愉悦的心情和美好回忆,同时促进销售且提升品牌文化及其附加价值。     

基于Q-learning的不确定环境BDI Agent最优策略规划研究

BDI模型能够很好地解决在特定环境下的Agent的推理和决策问题,但在动态和不确定环境下缺少决策和学习的能力。强化学习解决了Agent在未知环境下的决策问题,却缺少BDI模型中的规则描述和逻辑推理。针对BDI在未知和动态环境下的策略规划问题,提出基于强化学习Q-learning算法来实现BDI Agent学习和规划的方法,并针对BDI的实现模型ASL的决策机制做出了改进,最后在ASL的仿真平台Jason上建立了迷宫的仿真,仿真实验表明,在加入Q-learning学习机制后的新的ASL系统中,Agent在不确定环境下依然可以完成任务。     

基于注意力机制与文本信息的用户关系抽取

随着社交媒体的发展,用户之间的关系网络对于社交媒体的分析有很大的帮助。因此,该文主要研究用户好友关系检测。以往的关于用户好友关系抽取的研究主要基于社交媒体上的结构化信息,比如其他好友关系,用户的不同属性等。但是,很多时候用户本身并没有大量的好友信息存在,同时也不一定有很多确定的属性。因此,我们希望基于用户发表的文本信息来对用户关系进行预测。不同于以往的潜在好友推荐算法,该文提出了一种基于注意力机制以及长短时记忆网络(long short-term memory,LSTM)的好友关系预测模型,将好友之间的评论分开处理,通过分析用户之间的评论来判断是否具备一定的好友关系。该模型将好友双方信息拼接后的结果作为输入,并将注意力机制应用于LSTM的输出。实验表明,用户之间的评论对于好友关系预测确实有较大的实际意义,该文提出的模型较之于多个基准系统的效果,取得了明显的提升。在不加入任何其它非文本特征的情况下,实验结果的准确率达到了77%。