吸湿凉爽机织物的结构设计与性能

为研究织物组织结构与复合纱线线密度对织物凉爽性能的影响,将线密度为7.4和9.8 tex涤纶分别与线密度为7.8 tex锦纶反向加捻、并线后作为纬纱,以8.3 tex涤纶/竹浆纤维50/50混纺纱作经纱,设计平纹、二上一下斜纹和透孔组织织物.测试织物的瞬间接触凉感、热湿舒适性能及织物干、湿态升温曲线,并采用凉爽温度指数对织物的综合凉爽性能进行评价.研究结果表明:6种设计织物的瞬间接触凉感均高于标准,且平纹织物最好,纬纱粗细对瞬间接触凉感影响不显著;透孔织物透气性最好,且在人体出汗的状态下具有较好的导湿散热性能.平纹织物凉爽温度指数最高,最大凉爽温度为2.8℃,综合凉爽性能最好.     

基于多通道的ICU脑血管疾病死亡风险预测模型

死亡风险预测指根据病人临床体征监测数据来预测未来一段时间的死亡风险。对于ICU病患，通过死亡风险预测可以有针对性地对病人做出临床诊断，以及合理安排有限的医疗资源。基于临床使用的MEWS和Glasgow昏迷评分量表，针对ICU病人临床监测的17项生理参数，提出一种基于多通道的ICU脑血管疾病死亡风险预测模型。引入多通道概念应用于BiLSTM模型，用于突出每个生理参数对死亡风险预测的作用。采用Attention机制用于提高模型预测精度。实验数据来自MIMIC [Ⅲ]数据库，从中提取3?080位脑血管疾病患者的16?260条记录用于此次研究，除了六组超参数实验之外，将所提模型与LSTM、Multichannel-BiLSTM、逻辑回归（logistic regression）和支持向量机（support vector machine, SVM）四种模型进行了对比分析，准确率Accuracy、灵敏度Sensitive、特异性Specificity、AUC-ROC和AUC-PRC作为评价指标，实验结果表明，所提模型性能优于其他模型，AUC值达到94.3%。     

锻造工艺对Ti-1300合金棒材组织和性能的影响

研究了α+β锻造、近β锻造、β锻造3种锻造工艺对Ti-1300合金棒材组织和力学性能的影响。结果表明,锻造工艺对Ti-1300合金显微组织影响较大。经α+β锻造后,Ti-1300合金棒材的初生α相为细小等轴状,近β锻造后多为短棒状,β锻造后为沿晶界分布的尺寸较大的块状α相。经不同工艺锻造的Ti-1300合金棒材热处理后,近β锻造和β锻造的抗拉强度明显高于α+β锻造,同时β锻造后棒材的断裂韧性最高,近β锻造次之。本实验条件下,经β锻造的Ti-1300合金棒材抗拉强度达到1390 MPa,断裂韧性超过70 MPa·m~(1/2),是最优的锻造工艺。     

创意,无须等待 和大家聊几套基于RTX显卡的创作设计配置

一直以来,我们大多数时候都在和玩家分享关于游戏应用的一些装机配置推荐。的确,对绝大多数电脑玩家来说,游戏是电脑应用的主旋律,无论经常或是偶尔。但对经常与电脑为伴的玩家来说,还有一类人群同样对配置、性能有着非常高的要求,甚至在很大程度上,他们对电脑性能的“特殊”高要求还超过了游戏玩家。这群人,我们通常将其称为—设计创作者,在很多时候,我们也将这群人常使用的电脑程序叫做“专业软件”。这群人,平时会怎样用电脑?     

基于图神经网络的网络性能智能预测

传统网络性能预测技术存在网络状态获取不够全面及网络性能评估准确性欠佳等问题，利用图神经网络学习推理网络关系数据的特点，结合捕获的网络全局信息，提出了一种基于图神经网络的网络性能智能预测方法。通过网络系统抽象及网络性能建模，将复杂的网络信息转化为形式化的图数据进行描述，利用图空域卷积处理图网络节点的消息传递过程，实现网络信息之间的关系推理，研究了实现网络性能预测的图神经网络模型，提出了一种能处理流量矩阵、网络拓扑、路由策略、节点配置的图神经网络体系结构，最后通过实验论证了模型能更好地实现包括时延、抖动和丢包率的网络性能的准确预测。     

风力机轴承实时剩余寿命预测新方法

由于传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命的准确预测,提出了基于包络谐噪比(envelope harmonic-to-noise ratio,简称EHNR)和无迹粒子滤波(unscented particle filter,简称UPF)相结合的风力机轴承实时剩余寿命预测方法。首先,通过计算振动信号的EHNR监测轴承的早期退化点,并提取EHNR的趋势特征作为退化指标;其次,以轴承历史数据构建退化模型,利用UPF算法更新模型参数,实现对轴承退化状态的跟踪和预测;最后,使用实际风力机轴承监测数据对所提方法进行验证。结果表明,该方法能适时启动寿命预测机制,有效解决传统粒子滤波算法的粒子退化问题。与常用的支持向量回归模型(support vector regression,简称SVR)、反向传播神经网络(back propagation neural network,简称BPNN)的预测方法相比,具有较高的预测精度,为大型风力机组的健康管理和可靠性评估提供参考依据。