摘要：印学艺术是中华优秀传统文化的重要组成部分,它赋予了国人以丰富的情感,印学所呈现的图义就是一部中国的思想史、文化史、艺术史。篆刻的“金石之美”给予了观众感性的愉悦,视觉的美感。孔子提出“尽善尽美”,孟子提出“充实之谓美”。

摘要：李国良,1979年生于保定易县,毕业于河北师范大学美术系,文学硕士。其现为中国书法家协会会员,河北省第十届青联委员,河北美术学院书法专业副教授,河北省美术研究所副研究员。

摘要：李国良，男，1979年生于易县。毕业于河北师范大学中国画专业，文学硕士；现为中国书法家协会会员。晏钧设计合作艺术家，河北省中国书法院副秘书长，中国书协评级中心考官，河北美术学院特聘教授，河北省青联委员，河北大学影视学院艺术研究所所长。其主要从事书法篆刻、绘画的教学与研究工作。作品多次在全国专业展赛中入展获奖。多件作品被中央省市。日韩等国相关单位收藏。

摘要：李国良．1979年生于易县。毕业于河北师范大学美术系中国画专业．文学硕士。高校讲师．承担河北师范大学、河北美术学院书法专业篆刻课程与河北大学影视学院美术系的教学与研究工作、现为中国书法家协会会员，河北省硬笔书协副秘书长，墨钧设计合作艺术家，河北省青联委员．山东省高考书法评委，河北省高考美术评委，河北省书协篆刻委员会委员，石家庄市书协篆刻委员会副主任。

摘要：为了应对多个混合移动机器人集群在进行分组聚集时速度慢、成功率低等问题,设计了一种基于群体智能优化算法的分散式的分组聚集导航方法,使得每个机器人只利用有限感知范围内其他机器人的信息,结合灰狼优化(GWO)算法的原理来计算其与同组其他机器人进行聚集的首选导航速度。在确定每个机器人可利用的局部信息时,根据各组机器人的信息共享意愿,分为不同组之间相互合作和相互独立两种情况分别进行设计,从而实现了对原始的集中式GWO算法的分散化处理与应用。进一步对原始GWO算法进行改进,通过采用非线性收敛因子来提高机器人的前期探索能力,从而增大与同组成员的相遇概率,最终提高分组聚集的成功率。为了避免移动过程中机器人之间发生相互碰撞,利用分散式的最优互惠避碰(ORCA)算法对每个机器人的首选导航速度进行修正。仿真结果显示了所设计的不同分组聚集导航算法的有效性,并且相较于现有的基于粒子群优化(PSO)算法的分组聚集方法,所设计的各算法均具有更高的成功率、更快的收敛速度及更强的稳定性。

摘要：本文致力于研究基于神经网络的锅炉压力容器压力管道裂纹检测方法,通过深入分析应力分布特征、构建裂纹位置感知模型以及建立应力分析与裂纹位置关系模型,提出了一种全面而有效的裂纹检测方案。在实验设计中,选择了代表性的实验样本,采用多传感器数据采集方案,并通过严格的数据预处理确保实验数据的高质量。在模型训练与验证阶段,详细地描述了神经网络训练参数设置,验证了模型在实验数据上的性能,展示了其在不同条件下的显著优势。

摘要：文章首先对目前国内铁路客车地面电源的产品技术和使用情况进行了调研,分析了既有地面电源产品性能上的不足,提出了基于IGBT技术进行产品技术升级、开发新一代高频开关地面电源的设计方案。随后阐述了IGBT高频开关电源的技术特性、控制电路原理等,提出了通过检测地面电源输出端的电压、电流信号,采用激励信号动态调节IGBT相关参数,进而调节逆变器回路的输出电源,形成闭环反馈控制,提高地面电源稳压精度的设计思路。着重阐述了基于IGBT技术的高频开关地面电源设计的主电路、控制电路的电路设计和控制流程以及关键部件的功能特点,全面介绍了系统的整体设计方案。经车辆段现场试用表明,基于IGBT技术的高频开关地面电源具有调压响应快、稳压精度高、波纹系数小、高效节能等优点。

摘要：随着石油工业的发展和浅层石油资源的消耗,油气勘探开发技术不断趋向于深井和超深井钻探工艺。然而深井底部的高温会导致钻井液出现分散、聚集、钝化现象,使得钻井液的黏度增加、流动性变差,这为深井钻井作业带来了巨大的技术挑战。钻井液用抗高温降黏剂可以降低钻井液的黏度,调节钻井液的流变性,在保持钻井液稳定性和钻井效率方面具有重要作用。合成聚合物类降黏剂具有分子结构可设计性强、抗高温性能突出等特点,广泛用于抗高温钻井液。本文综述了合成聚合物类抗高温降黏剂的研究现状,介绍了羧酸类、磺酸类、羧酸磺酸类、两性离子类降黏剂的抗高温性能及降黏机理,可为新型抗高温降黏剂的分子设计提供参考。

摘要：兰渝铁路主要通过黄土、第三系泥岩及砂岩、板岩、炭质板岩及千枚岩等软岩地层,区域断裂、褶皱发育,多为高—极高地应力区,地质条件极其复杂。文章结合兰渝铁路兰广段施工中出现的诸多技术难题,着重阐述了第三系泥质弱胶结富水粉细砂岩层的施工问题以及采取的技术处理措施;并针对高地应力软岩隧道大变形问题,分析了挤压性软岩变形及受力特征,提出了兰渝铁路软岩大变形大变形分级标准及主要控制措施。

摘要：大数据时代下,数据库系统主要面临3个方面的挑战:首先,基于专家经验的传统优化技术(如代价估计、连接顺序选择、参数调优)已经不能满足异构数据、海量应用和大规模用户对性能的需求,可以设计基于学习的数据库优化技术,使数据库更智能;其次,AI时代,很多数据库应用需要使用人工智能算法,如数据库中的图像搜索,可以将人工智能算法嵌入到数据库,利用数据库技术加速人工智能算法,并在数据库中提供基于人工智能的服务;再者,传统数据库侧重于使用通用硬件(如CPU),不能充分发挥新硬件(如ARM、AI芯片)的优势.此外,除了关系模型,数据库需要支持张量模型来加速人工智能操作.为了解决这些挑战,提出了原生支持人工智能(AI)的数据库系统,将各种人工智能技术集成到数据库中,以提供自监控、自配置、自优化、自诊断、自愈、自安全和自组装功能;另一方面,通过使用声明性语言,让数据库提供人工智能功能,以降低人工智能的使用门槛.介绍了实现人工智能原生数据库的5个阶段,并给出了设计人工智能原生数据库的挑战.以自主数据库调优、基于深度强化学习的查询优化、基于机器学习的基数估计和自主索引/视图推荐为例,展示了人工智能原生数据库的优势.