浅谈试验室对混凝土拌合站的质量管理

从水泥、粗细集料、水、外加剂等方面阐述了试验室对拌合站所用原材料的质量控制，论述了试验室对拌合站计量设备的质量管理，并对拌合站混凝土的质量控制、混凝土试件制作等方面进行了介绍，以真正的管理好混凝土拌合站。     

电气设备接地装置的运行与维护

近来,工厂、工地和生活中用电事故频发,包括人身安全事故和机器设备的损坏,分析事故的主要原因,多数情况下是因为人们安全意识差,对电气设备接地装置的运行和维护重视程度不够.所以本文对电气设备接地装置的运行和维护进行了探讨,以提高人们的警觉.     

基于多模态数据挖掘与LSTM网络计算的心理压力分类模型

为提高心理健康评估的准确率,提出一种基于多通道采集和LSTM的心理压力检测方法。其中,首先使用红外脉搏传感器实现脉搏、皮肤电阻等信号的采集;利用采集到的数据分别构建1D-cnn和LSTM的心理分类检测模型;考虑到传统对上述的特征模型进行融合;实验中采用的训练集为PPG和EDA生理信号小波分解之后的小波系数。实验结果表明,相较于原始模型,提出的基于多通道采集和LSTM的心理压力检测方法的准确性明显更高,通过融合不同生理信号的方式改善了精度,从而体现出更大的应用潜力。     

新型灯用消气剂五氮化三磷

新型灯用消气剂五氮化三磷丁玲（轻工总会电光源材料研究所）多少年来，人们习惯用红磷作为白炽灯的消气剂以消除灯内的残余有害气体。由于红磷与酒精的使用是在敞开体系中进行的，无水酒精和红磷极易吸收空气中的水分而变质，特别是在黄霉季节，气压低，空气湿度大，再大...     

基于模型预测控制的数据中心节能调度算法

如今日益增长的数据中心能耗,特别是冷却系统能耗已日益受到重视,降低系统能耗能够减少数据中心碳排放.提出了一种基于模型预测控制（model prediction control,简称MPC）的节能调度策略,该策略可以有效地减小数据中心冷却能耗.该方法采用动态电压频率调节技术来调整计算节点频率,从而减少节点间的热循环;所有节点的峰值温度可被保持在温度阈值下,在任务的执行中稳态误差较小.该方法可以通过动态频率调节来抑制由于负载类型变化造成的模型不确定性带来的内部扰动,分析结果表明,基于模型预测的温控算法系统开销较小,具有良好的可扩展性.基于该算法设计的控制器能够有效地降低输入温度,提高数据中心能耗效率.通过在实际数据中心内运行的模拟网上书店,该方法与安全最小热传递算法和传统反馈温控算法这两种经典方法相比,无论是在正常条件下还是在扰动存在的情况下都能取得较好的温度抑制效果,系统性能如吞吐率也达到最大.在相同的负载条件下,该方法能够获得最小的输入峰值温度和最小的冷却能耗.     

中国中纺集团信息部总经理骆学农:信息化关乎企业生死

骆学农说:企业的信息化建设,就像鞋子,舒服与否,只有脚知道。企业信息化的好与坏、价值的大与小也只有企业自身知道。中国中纺集团(下称中纺)信息化所走的弯路是历史的偶然也是必然。不过,在现在看来,那段弯路也带给我们很     

马来西亚进口食品需求量大

据马来西亚“Z000年的食品工业”大会提供的信息，马来西亚近年来食品市场尽管发展迅速，如从1993年到1995年食品加工业取得平均14．8％的增长率，1996年又取得66％的增长率，但仍不能满足国内需求，食品加工业的设备也亟需改善。食品原料也供不应求。马来西亚本地食品加工业目前仍由中小企业唱主角，这些厂家技术和设备均不够先进，不ss满足国内需求，又无法与国外食占大集团抗衡。因此急需先进的食品加工设备和管理经验。由于生产量逐年增大，牛肉、羊肉、粗精、玉米等多种原料还依靠进口。目前，马来西亚依靠进口食占填补国内需求之不足…     

反思性教学带来的一堂转型中职精读课

近年来,反思性教学已成为教师教育所关注的核心问题。本文通过本人中职精读课所遇到的问题和反思后寻求解决方法的实例,从课程与教师的关系的角度,阐述反思性教学是教师自我发展的有效途径。     

基于核心素养的高师公共美术课程特性研究

通过对美术核心素养这一新的教育和课程思想观念的分析,剖析高师公共美术课程建设中存在的问题。探究了高师在公共美术教育中如何结合自身的特殊性将核心素养进行落实,提出了课程设置与教材相匹配、增强其教学实用性、理论与实践相结合及完善的课程考核机制等课程改革方案。为高师教育以立德树人为目标的具体化、核心化、推动各级课程改革明确了新的方向,提出了新的目标和要求。突出公共美术课程的特性,发挥课程的价值与意义,促进学生德智体美劳全面发展。     

一种基于深度迁移学习的滚动轴承早期故障在线检测方法

近年来, 深度学习技术已在滚动轴承故障检测和诊断领域取得了成功应用, 但面对不停机情况下的早期故障在线检测问题, 仍存在着早期故障特征表示不充分、误报警率高等不足. 为解决上述问题, 本文从时序异常检测的角度出发, 提出了一种基于深度迁移学习的早期故障在线检测方法. 首先, 提出一种面向多域迁移的深度自编码网络, 通过构建具有改进的最大均值差异正则项和Laplace正则项的损失函数, 在自适应提取不同域数据的公共特征表示同时, 提高正常状态和早期故障状态之间特征的差异性; 基于该特征表示, 提出一种基于时序异常模式的在线检测模型, 利用离线轴承正常状态的排列熵值构建报警阈值, 实现在线数据中异常序列的快速匹配, 同时提高在线检测结果的可靠性. 在XJTU-SY数据集上的实验结果表明, 与现有代表性早期故障检测方法相比, 本文方法具有更好的检测实时性和更低的误报警数.