摘要：以互联网为代表的新媒体的迅猛发展,给产品对外宣传工作提出了重大挑战。加强新媒体环境下产品对外宣传,必须高度重视对外宣传产品的艺术化处理,注重与新媒体平台的适应性和海外受众的适宜性。

摘要：以气液同轴离心式喷嘴为研究对象,采用了一种优化后的代理模型和多目标优化算法对该喷嘴关键几何结构参数进行优化设计,得到了一个在低压状态下雾化性能更佳的新结构喷嘴。采用计算流体力学(Computational fluid dynamics,CFD)对喷嘴进行流场分析,并用试验验证了CFD数值模拟的准确性。基于改进鲸鱼算法(Levy-WOA)优化的Kriging模型建立了雾化锥角、液膜厚度、质量流率的代理模型,研究了4个关键几何参数对雾化性能的影响规律。基于代理模型采用MOGWO算法进行多目标求解,得到了一个几何参数最优组合的喷嘴。研究结果表明:Levy-WOA优化的Kriging代理模型具有更高的拟合精度和更低的预测误差,并能有效的预测4个关键几何参数对雾化性能的影响;优化设计的新喷嘴较原始喷嘴,雾化锥角增大了4.829 2%,液膜厚度减小了39.696 0%,质量流率提高了13.084 3%;试验验证新喷嘴较原始喷嘴雾化锥角提高了4%,为其他喷嘴的设计提供了一种新的可行性方法。

摘要：本文对旅顺南路导视系统的现状进行了客观的分析,对旅顺南路导视系统在城市地域文化和功能识别等方面进行了总结,提出针对该路段导视系统设计的改进完善和创新表现等方面的应用可能:在满足功能性的同时,造型形式与色彩表现应具有个性,结合该路段地域、文化等特色,突出导视系统设计的特色性,构想旅顺南路导视系统设计的方案。

摘要：为提高某型号航空燃油离心式喷嘴的综合雾化性能,对喷嘴的结构参数进行优化设计。基于流体体积(VOF)模型,模拟了喷嘴的内外流场,并通过试验验证了仿真模型的可靠性。为节省多次试验和数值模拟的成本,基于响应面法(RSM)建立了以喷嘴扩张段长度、等直段直径、等直段长度、收缩半角、扩张半角为设计变量,雾化锥角和质量流率为响应变量的代理计算模型。基于得到的表达式,分析了设计变量对响应变量的贡献度和交互影响作用,结果表明:扩张半角对雾化锥角的贡献最大,呈正相关;质量流率受等直段直径的影响最为显著,随着等直段直径的增加而增加,但随着收缩半角的增大而减小。以雾化锥角和质量流率为优化目标,采用NSGA-Ⅱ算法进行多目标优化,优化结果表明:优化后的结构参数使得离心式喷嘴的雾化锥角和质量流率分别提高了8.3%和32.4%。

摘要：近年来随着社会生活与工作方式的不断改变,人们的压力越来越大,体育锻炼的重要性日益凸显。高职学校作为学生一生中最后的教育阶段,在这个时期对学生进行职业实用性体育教育,可以更好地使学生养成锻炼身体的好习惯,培养其终身体育锻炼的意识。

摘要：电子游戏作为第九艺术,已成为世界上主要的娱乐产业之一。在不同时期,产业对人才有着不同的需求。本文针对电子游戏专业人才培养问题,探索“产教一体”下的电子游戏产业人才培养对策。

摘要：本文中提出了一种基于模仿学习和强化学习的智能车辆换道行为决策方法。其中宏观决策模块通过模仿学习构建极端梯度提升模型,根据输入信息在车道保持、左换道和右换道中选择宏观决策指令,以此确定所需求解的换道行为决策子问题;各细化决策子模块通过深度确定性策略梯度强化学习方法得到优化策略,求解相应换道行为决策子问题,以确定车辆运动目标位置并下发执行。仿真结果表明:本文中提出方法的策略学习速度比单纯强化学习方法快,且其综合性能优于有限状态机、行为克隆模仿学习和单纯强化学习等方法。

摘要：汽车运行过程中,排气系统的振动能量会经由吊挂传递到车体上,引起驾驶室的振动和噪声。根据多自由度系统的模态分析理论,通过合理设计悬挂点位置,可以有效控制排气系统对车体的振动能量传递。模态分析和有限元技术是结构动力学中的两大基石,结合这两大技术对排气系统的悬挂点位置进行设计。首先建立排气系统的有限元仿真模型,并进行模态实验,用LMS ***的PolyMax法识别相应的模态参数,通过计算自由模态和实验自由模态之间的MAC(模态判定准则)值来验证仿真模型的可行性;然后采用模态分析法对排气系统的悬挂点位置进行设计,并进行相应的模态、静力和动力仿真分析,验证悬挂点位置的合理性。采用排气系统的有限元仿真模型来设计其悬挂点的位置,大大减少了试验次数和研发成本,缩短了开发周期,提高了汽车的NVH性能。

摘要：YOCHJZ875垂直式后置降速型液力偶合器主要应用于冶金、电力、石化、矿山等行业,尤其适用于现场设备可占用面积狭窄,不便于展开且区域有限的工况条件。详细介绍了其结构特点、主要技术参数及其工作原理和在实际中的应用,为探索改进创新液力传动装置方向提供设计思路。

摘要：在很多的嵌入式系统应用中,都有实现人工智能任务的需求.近年来,深度学习在人工智能领域取得了巨大的成功,它的成功给嵌入式系统中的人工智能应用带来了新的发展机遇.本文使用分簇架构32位DSP处理器BWDSP,对卷积神经网络中,计算时间超过90%的总计算时间的卷积计算的并行算法进行了研究.性能测试表明,本文设计的算法的性能能达到2.27GM ACS,是常规的GEM M算法的9.5倍和向量化算法的5.7倍.对比一些基于FPGA设计的卷积计算算法,算法的计算器件的平均性能是它们的1.63倍到10.85倍.