摘要：目前,从降低碳排放量角度对地下车库结构进行优化设计的研究还较少。本文通过分析主要结构材料在生产、运输阶段的碳排放量,研究了地下车库结构设计中混凝土强度等级、梁柱截面、梁板布置方案的影响。分析结果表明,对于本文的研究对象,适当提高柱混凝土强度等级、梁板布置采用双次梁方案可有效减低结构材料的碳排放量,可供设计时参考。

摘要：设计了一种海洋船载拖曳式多参数剖面测量系统,该系统集成了测量海水盐度、温度、深度、溶解氧、pH、叶绿素荧光、浊度和营养盐的传感器.对系统的总体构成以及水动力设计、测量系统的布局和采样设计的要点做了论述.该系统在抚仙湖的湖试结果表明,剖面深度最大可达80m,缆深比为1.2～1.4,传感器数据符合现场生态要素的剖面分布特征.

摘要：通过自行设计的实验台 ,实验观测了轴承振动对油膜层流失稳的影响。结果表明 ,轴承的振动加速了流体的层流失稳 ,影响油膜层流失稳的主要因素是振动的强度以及低频振动 ,而高频振动对其影响较小。

摘要：将Rayleigh法和蒙特卡洛法相结合,在Euler-Bernoulli梁理论假设下求解了均匀梁、变截面梁和附带集中质量的变截面梁自由振动问题.对原本连续的梁结构模型进行离散化处理,利用蒙特卡洛法给出梁结构的假设振型.将假设得到的梁结构振型函数代入Rayleigh法,多次计算过程中,将历次基频所得值与计算所得最小值进行比较,根据其相对误差判断是否满足收敛条件,进而求得基频及对应的振型.结果表明,不同计算模型中基频最大误差不超过10%,能够满足工程需求,且精度和时间的控制参数调整灵活,使用者可根据自身需要自行调节.该方法理论简明,适用范围广泛,能够快速准确地求解诸多类型的梁结构基频和振型.

摘要：为了能对射频信号进行连续相位调制，设计了Ka波段新型小型化的模拟电调移相器，该电路基于90°分支线电桥与并联结构变容二极管实现电路大范围移相，利用四分之一波长微带线实现电路匹配及阻抗变换，通过并联补偿电阻平衡其插入损耗波动，并对其进行了详细分析与探讨。仿真及实测结果表明：该移相器在29-31GHz频段范围内，可获得180°左右的相移量，插入损耗优于6．5dB，插入损耗波动在1dB内，相移误差小于10°。

摘要：针对目前宫颈细胞分类准确率不高以及实时性差的问题,提出改进的协调注意力模块(improved coordinate attention,ICA),并结合新型残差结构Res2Net以及空间金字塔池化层,设计一种轻量级深度卷积神经网络ICARes2Net。利用Res2Net网络特征子块间的交叉卷积,提取特征层中更细粒度的信息;采用空间金字塔池化提取局部区域特征,从而在不增加训练参数量的同时有效提取特征;进一步引入改进的轻量级注意力模块,通过横向池化、纵向池化等操作,给予特征层各像素点不同的加权值,强化重要细节特征,帮助网络定位感兴趣对象。此外,为有效防止深度网络的退化,提出的ICA-Res2Net网络保留了残差网络的跳跃连接设计;并联合Softmax损失函数和中心损失函数对网络参数进行训练,提高其分类准确率。利用提出的轻量级网络对SIPaKMeD公开数据集中的宫颈细胞图像进行分类,测试集的分类准确率达到98.65%,且网络的训练参数比ResNet50、DenseNet121等经典网络更少,显著提升宫颈细胞图像的分类效率。

摘要：针对学生知识建构的过程与阅读理解的关系展开论述；通过学生对“溶解度”、“燃烧的条件”、“氧气的性质”3个主题教学内容关注程度的调查分析，发现有利于学生思维顺延的教学设计应尽可能基于真实的情境，同时注意阶梯状或螺旋状的及时跟进。

摘要：机器学习的目标是设计可以根据先验知识和观测数据不断改进其性能的算法.该算法可以帮助机器从大量的数据中提取知识,从而提升其在特定任务上的性能.作为数据驱动的方法,机器学习可以有效利用高通量实验技术产生的大批量生物数据,实现合成生物体的功能预测与智能化设计,改变合成生物学的研究范式.本文首先介绍机器学习在合成生物学领域广泛应用的几个模型及方法,如支持向量机、神经网络、生成式对抗网络、深度强化学习等.然后介绍机器学习方法在合成生物学领域的典型应用,如启动子预测、酶催化设计、代谢途径构建、基因线路设计等.本文综述面向合成生物学的机器学习方法及应用,并试图启发读者如何选择和设计机器学习方法用于合成生物学的研究.

摘要：为进一步调和微电网日内调度计划模型求解速度与精度的矛盾,提出了一种适用于微电网日内调度计划的混合整数规划模型。构建了蓄电池充放电过程模型,能有效计及充放电循环次数和老化成本;在现有微电网经济调度模型的基础上,建立了考虑电压幅值的线性化潮流方程、基于解析几何的线性化支路容量、公共连接点功率交换和功率因数限制等约束模型。通过算例验证所提模型,结果表明:1所提模型求解精度高,快速稳定收敛于全局最优解,且不依赖于初值;2蓄电池充放电过程模型符合工程实际,克服了现有模型中蓄电池频繁充放电加剧老化的局限性。

摘要：容量和内阻是评估锂离子电池健康状态和预测其剩余寿命的重要指标,然而电池容量和内阻难以直接在线测量.通过分析锂离子电池充电过程中电流和电压的变化特征后提取出两种健康因子,并且证明所提因子与电池容量高度相关,进一步建立了用于锂电池容量估计的两因子线性回归模型.在此基础上,通过结合BP(back propagation)神经网络和粒子群优化思想设计锂离子电池健康状态估计算法.考虑到锂电池的健康状态和剩余使用寿命之间存在一定的映射关系,因此再利用所提取的健康因子和其健康状态估计结果设计了锂电池的剩余使用寿命预测算法.实验结果表明,所提取的健康因子能够准确地进行电池容量估计并应用于在线评估锂离子电池的健康状态和预测其剩余使用寿命.