投稿须知北大核心CSCD

一、本学报刊载与水力发电有关的学术论文,主要包括水文水资源与水电站优化运行,水力学、水环境与水生态,河流海岸动力学,岩土力学与工程,水工结构、材料与施工管理,水能与水力机械,海洋能发电工程,遥感水文与水利大数据等领城的研究性成果。二、稿件要求:1.论文稿件通过网上直接投稿,网址:www.slfdxb.cn.来稿文字应明了简练,每文均应有中英文園目。摘要及关键词。中图分类号、作者姓名。工作单位及邮政编码:并在首页注脚处附第-.作者和通信作者简介及E-mail地址。若有基金资助,写明基金项目名称及编号。有关论文写作及格式和文字的具体要求,请参考“论文模板”(由网站“下载中心”下载)。     

投稿须知北大核心CSCD

一、本学报刊载与水力发电有关的学术论文,主要包括水文水资源与水电站优化运行,水力学、水环境与水生态,河流海岸动力学,岩土力学与工程,水工结构、材料与施工管理,水能与水力机械,海洋能发电工程,遥感水文与水利大数据等领域的研究性成果。二、稿件要求:1、论文稿件通过网上直接投稿,网址:www.slfdxb.cn。来稿文字应明了简练。     

一种架空蒸汽管滑动支座保温结构的优化方案

以山西某市工业园区架空蒸汽管网工程为例,提出了一种架空蒸汽管滑动支座的保温新结构,计算了普通滑动支座和新保温结构滑动支座的散热损失,并结合前期施工成本和后期运行费用,对普通滑动支座和新保温结构滑动支座进行了技术经济分析。结果表明,新保温结构滑动支座在施工阶段成本费用较高;但在运行期间可有效减少由于滑动支座弧形板处热损失所导致的蒸汽损耗的运行费用。因此采用新保温结构滑动支座实现了运行阶段的稳定、安全、节能、节省费用等。     

轻量级电驱水下机械臂设计与运动学分析

设计了一款四功能水下机械臂，并对驱动关节进行了模块化设计和密封测试。为了保证水下机械臂的可靠性，在水下机械臂水下测试前，进行了强度校核和模态分析。为了验证水下机械臂的性能，通过 Ｄ- Ｈ法建立了其运动学模型，在此基础上分别进行了正、逆运动学分析。此外还采用蒙特卡洛法，在正运动学分析的基础上研究了工作空间特点。研究结果将为进一步的运动控制提供有益的帮助。     

ATC与PSV对接受机械通气支持的呼吸衰竭患者在自主呼吸实验时通气参数及拔管情况的影响

目的:对比接受机械通气支持治疗的呼吸衰竭患者应用自动导管阻力补偿技术(ATC)与压力支持通气(PSV)对自主呼吸试验(SBT)及拔管情况的影响。方法:选取本院2017年1月-2019年3月收治的100例接受机械通气支持治疗的呼吸衰竭患者作为观察对象,所有患者均符合撤机标准。应用随机数字表法分为ATC组与PSV组,每组50例。ATC组撤机过程中接受ATC治疗,PSV组撤机过程中接受PSV治疗。对比两组撤机过程中SBT通气参数及拔管相关情况。结果:ATC组成功拔管46例,PSV组成功拔管38例,ATC组拔管成功率明显高于PSV组(P<0.05)。在1 h通气过程中,两组呼吸频率(RR)、心率(HR)、收缩压(SBP)及舒张压(DBP)均呈现升高后降低趋势(P<0.05),但两组各时间点RR、HR、SBP及DBP比较,差异均无统计学意义(P>0.05)。两组SBT的潮气量(VT)、分钟通气量(MV)及浅快呼吸指数(RSBI)比较,差异均无统计学意义(P>0.05);ATC组吸气峰流速(PIFR)、气道峰压(PIP)及呼气达峰容量比(VPEFR/VTE)均低于PSV组,而呼气峰流速(PEFR)高于PSV组,差异均有统计学意义(P<0.05)。结论:ATC可在不影响接受机械通气支持治疗的呼吸衰竭患者生命体征的同时,有效提高拔管成功率,并改善患者的SBT结果。     

烧结球团2015年第二期广告索引

<正>~~     

陈蕴博院士赴河南安阳精密制造产业园现场考察

<正>不久前,机械科学研究总院先进制造技术研究中心副总工程师,中国循环经济协会精密成型与再制造专委会首席技术专家委员会主任陈蕴博院士一行赴苏氏精密制造技术股份有限公司安阳精密制造产业园基地进行现场考察。陈蕴博院士认真听取了该公司关于"苏氏集成精密成型技术"工艺研发生产的过程,以及该公司对基础工业领域技术发展方向的展望介绍,并参观了该公司近年来研发的上百种专利产品,陈院士对"苏氏集成精密成型技术"的成果尤其在军工领域的     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。