摘要：设计说明:本设计采用的是灯光装置,在白天和晚上呈现不同的景观效果。“西塞山前白鹭飞,桃花流水鳜鱼肥。”本设计从这句描写湖州风景的古诗中提取了四种元素,山、流水、鱼三元素都体现在了作品造型上,而白鹭是概念提取——鸟代表着自由,同时人也是自由的,因而当人走进这件作品中时,它才是完整的。这也是公共艺术作品最重要的一点,即“与人互动”。夜晚时,人走进装置中,灯光会随着人的行动变化,如同水波荡漾。本设计在配色上参考了江南水乡建筑的黑白色调,与周边环境相协调。

摘要：设计说明:该设计是公园内供市民日常休憩使用的茶馆,有两层空间。名称取自茶盒的谐音,既是因为造型上为两个装茶叶的盒子“合”在一起,同时也象征着当地茶和人之间的特别联系。

摘要：本工程位置处于山坡上,山上有十栋住宅楼,其中7栋为天然地基,3栋为短摩擦桩,基坑深度为22.6m,一半深度为地下室,一半深度为永久支护(要求具有耐久性),临时支护为地下室外墙.因此,本工程技术复杂,风险很大.作者全面负责设计、施工和监测.设计参数尽量依据地区经验选取,施工时每天监测分析,积累了丰富的技术资料.所采取的强有力的控制变形措施,极大地减少了对周围建筑物及管线的不良影响,保证了基坑的安全.

摘要：1 前言 住宅是“家”的载体,是“家”的主要“硬件”。功能型住宅,就是从住宅的使用功能出发,在有限的面积中去合理地组织空间,使人们能够舒适、方便、卫生、安全地生活在其中,营造一个理想的“家”。 2 各功能间尺度 现代住宅多采用“三大一小”的空间布局,但“大”与“小”是相对的。什么样的尺度为宜?住宅规范对各种用房的面积都规定了最小的限制标准。笔者对此做了一些调查和探讨,并在住宅的设计中付诸实施。

摘要：为了对高功率微波(HPM)在线测量系统中的核心器件耦合器进行准确标定,采用锥形渐变加圆柱的内导体结构,设计了一种S波段同轴TEM模式转圆波导TM_(01)模式的模式转换器。从模式耦合和阻抗匹配的基本思路出发,对模式转换过程、工作带宽的扩展以及非TM_(01)模式的抑制等方面进行了理论分析。使用CST仿真软件对模式转换器的结构参数进行了优化,对模式转换器的反射性能、传输性能、工作带宽、输出模式和脉冲响应进行了实验测量。仿真和实验结果均表明:所设计的模式转换器中几乎不含有TE_(11)和TM_(01)模式以上的高次模式,TM_(01)模式纯度较高;在工作频点2.1 GHz处的反射系数小于-30 dB,传输系数大于-0.2 dB,实测模式转换效率可以达到96%以上,工作带宽为74 MHz,而且脉冲响应时间很短。该模式转换器目前已成功应用于S波段在线耦合器的标定之中。该研究为HPM在线测量过程中模式转换器的设计提供了新思路。

摘要：应用三相不平衡换相开关可缓解低压配电网中三相电流不平衡现象,但目前分换相开关的相序切换原理过于简单,存在换相过程断电时间长、电压和电流畸变严重等问题,限制了其广泛应用。为此,提出了一种以功率因数校正电路与逆变器电路为基础,由初始阶段、当前相跟踪阶段、切换相跟踪阶段以及换相完成阶段4个阶段组成的整体换相方案。首先通过功率因数校正电路与逆变电路使得将要相互切换的两相的电压调整为同幅、同频与同相,然后电力电子开关完成换相动作,最终实现相间的无缝切换。仿真与实验结果表明,所提出的方案保证了换相过程的不间断供电,同时改善了电压和电流的畸变问题。

摘要：作为传统工艺之一,木工工艺具有独特的魅力和生命力。作者结合自己在技术实验室的长期实践,对实验室的空间规划、设备选择和建设进行了探讨,同时论述了木工实验室的设计与课程设置,介绍了四门基础课程的设置与发展,以期对艺术院校木工实验室的建设有所启示。

摘要：分子性质预测模型是针对特定应用需求筛选设计化学品的有力工具,然而诸多相关建模过程中的测试集划分、交叉验证、算法选择等关键环节普遍存在严谨性不足的问题,模型真实预测性能难以保证。以基团贡献法预测离子液体密度为例,探讨了分子性质预测模型建模过程中数据集划分和交叉验证的重要性,提出了自动基团划分方法并研究了数据集中基团涉及分子个数对预测精度的影响。通过对比五种回归算法(多重线性回归、岭回归、随机森林、支持向量机、神经网络),基于岭回归的基团贡献模型预测性能最佳,在由1078种离子液体、共计23034个数据点组成的数据集上得到的平均相对误差为1.88%。

摘要：在当下社会,许多人面临各种压力和消耗,而精神上的富足和愉悦成为他们消费的首选。文章旨在探讨木质家居收纳产品的商业计划,并介绍一个独特的设计理念:为生活中的物品设计各种木质的小房子,为它们找到自己的归宿。通过缩小尺度,为物品创造建筑空间,同时为人们的心灵提供寄托的港湾和精神的居所;同时,通过详细介绍该设计理念的市场分析、竞争优势、营销策略、运营模式以及财务预测等关键要素,展示该项目的商业潜力和可行性,希望通过研究和分析为创业者和投资者提供有益的参考和指导,推动木质家居收纳产品行业的发展。

摘要：针对现有算法大都基于高斯逆伽马先验模型的稀疏贝叶斯学习(GIG-SBL),忽略了稀疏解所对应的支撑集向量稀疏性的问题,提出一种基于伯努利高斯逆伽马先验模型的稀疏贝叶斯学习(BGIG-SBL)架构,通过引入一个伯努利先验的二元向量,设计了单测量向量(SMV)的BGIG-SBL-SMV算法,结合支撑集向量的稀疏性提高重构性能。进一步将该算法扩展到多测量向量(MMV)方案,通过共享相同控制稀疏解的超参数,利用MMV的联合稀疏性提出BGIG-SBL-MMV算法。实验结果表明,所提BGIG-SBL-SMV算法相较于传统GIG-SBL-SMV算法,在mMTC用户检测场景可实现2 dB的性能增益;同时,所提BGIG-SBL-MMV算法相对于单测量向量BGIG-SBL-SMV算法,用户检测率和数据检错率的性能增益可达到4 dB,证明了所提算法的优越性。