摘要：为了提高熔融沉积(FDM)3D打印模型的弯曲强度和比强度,通过Cura软件局部增强切片功能对聚乳酸(PLA)试样的中心区域进行了加强,使用FDM工艺制作了8组试样(包含0#参考组和1#~7#增强组),对各组试样进行三点弯曲实验,对比不同增强切片参数下PLA试样的弯曲强度和比强度。结果表明,随着局部增强填充密度的增大,PLA试样的弯曲强度先增大后减小;随着局部增强填充走线乘数的增大,PLA试样的弯曲强度逐渐增大;随着局部增强挤出倍率的增大,PLA试样的弯曲强度逐渐增大;与0#参考组相比,局部增强填充密度60%、局部增强填充走线乘数3、局部增强挤出倍率120%三种方式下PLA试样的比强度分别提高了16%,13%和5%,通过局部增强填充密度方式产生的比强度提升效果最好。因此,对于常规切片参数为填充密度20%、填充走线乘数1、挤出倍率100%的FDM模型,将局部增强区域填充密度设置为60%可以有效提高其弯曲强度和比强度。

摘要：杜甫是我国著名的唐代诗人,被后人称为"诗圣"。他一生创作了大量的优秀诗篇,就体育诗歌而言便已经是一座让人探索不完的宝库了,这些体育诗歌是我们浩如烟海的文学艺术宝库中的一颗颗璀璨的明珠,也是研究体育文化蕴涵的重要史料。它们不仅内容丰富多彩,,而且特点鲜明,蕴涵着深厚的体育文化。本文主要结合杜甫一生与体育的缘分及他一些与体育方面的诗歌特点进行探讨,旨在揭示体育文化的目的。

摘要：传统的全面预算管理模式发展成熟,应用广泛,但存在着预算与战略脱节的问题。该问题使预算成为经理人身上的枷锁,迫使他们为完成预算而采取短期行为。平衡计分卡可以逐步将战略有效地转换成具有很强操作性的企业预算,然而国内利用平衡计分卡编制预算的企业并不多,而且平衡计分卡作为一种绩效考核的工具,其在设计上忽视了外部风险对绩效的影响,从而使考核的权威性、公正性减弱。针对以上两点,探讨了利用平衡计分卡编制战略预算的方法,并提出了平衡计分卡的风险修正模型。

摘要：供应链管理跨越企业界限,具有集成性和时效性,其生产计划系统具有分布性、自治性和开放性等特点,传统的生产计划方法已经不能适应供应链这种新的组织模式。这里对供应链企业生产计划系统特点进行分析,构建了供应链网络制造系统三层次模型,并在此基础上提出了网络制造系统中供应链生产计划的分解模型。

摘要：针对传统的颜色-深度(RGB-D)图像物体识别的方法所存在的图像特征学习不全面、特征编码鲁棒性不够等问题,提出了基于核描述子局部约束线性编码(KD-LLC)的RGB-D图像物体识别方法。首先,在图像块间匹配核函数基础上,应用核主成分分析法提取RGB-D图像的3D形状、尺寸、边缘、颜色等多个互补性核描述子;然后,分别对它们进行LLC编码及空间池化处理以形成相应的图像编码向量;最后,把这些图像编码向量融合成具有鲁棒性、区分性的图像表示。基于RGB-D数据集的仿真实验结果表明,作为一种基于人工设计特征的RGB-D图像物体识别方法,由于所提算法综合利用深度图像和RGB图像的多方面特征,而且对传统深度核描述子的采样点选取和紧凑基向量的计算这两方面进行了改进,使得物体类别识别率达到86.8%,实体识别率达到92.7%,比其他同类方法具有更高的识别准确率。

摘要：介绍了世博文化中心屋面雨水收集利用的设计计算过程,就屋面雨水的收集面积确定、雨水存储池的容积计算及雨水处理工艺作了阐述。根据实际杂用水水量确定收集雨水所需的屋面面积,并通过雨水集蓄效率分析确定合理的储水池容积,采用安全合理的雨水收集处理系统,使设计达到节水、经济、合理的目的。

摘要：港口装卸设备控制的智能化是未来的发展趋势,在自动化改造的过程中,存在自动化控制平台没有统一规范、多家自动化控制系统不兼容等问题,通过基于WinCC OA研发一套体现宁波舟山港特色的具有通用性和接口标准化的自动化控制平台,实现对大部分自动化设计方案的兼容。通过设计接口PLC和数据接口,采用西门子WinCC OA技术,选定S7、Profinet、Profisafe等协议,设计CIS、RCOS等子系统间的通信,并组成完整自动化控制网络系统。通过CIS来获取TOS中自动化作业指令,接收接口PLC的信息反馈,并将相关指令传达给ROCS;RCOS接收指令后,派发给单机设备进行自动化作业,或在需要人工介入时通过远控操作司机在RCS操作台上完成作业。设计标准化的接口规范和接入要求以保证标准化和规范化。该系统于今年已实现运行,并成功验证第三方单及自动化系统接入平台的可行性。

摘要：为了提高活动形状模型算法在图像配准中的鲁棒性,设计了两种基于Fisher变换的局部外观模型,并基于改进的模型提出了一种人脸图像配准算法。新算法结合了改进的模型和传统外观模型,可以较好地抵抗噪声干扰。

摘要：针对现有RGB-D物体识别方法存在图像特征学习不全面、类间相似的物体识别精度不高等问题,联合稀疏自编码(sparse auto-encoder,SAE)及递归神经网络(recursive neural networks,RNNs)提出多模态稀疏自编码递归神经网络(multi-modal sparse auto-encoder and recursive neural networks,MSAE-RNNs)的深度学习模型。SAE结合卷积及池化技术分别从RGB-D图像的RGB图、灰度图、深度图、3D曲面法线中提取低层次的平移不变性特征,作为多个固定树RNNs的输入,得到更加抽象的高层特征,融合后的多模态特征,采用SVM分类器进行分类。在RGB-D数据集上的实验结果表明,该算法的物体识别率达到90.7%,较其它算法提高了3%-9%,能很好完成RGB-D物体的识别。