摘要：动漫产业作为一种高附加值、绿色环保的朝阳产业为现代大众所青睐。当前,以动漫产业带动举步维艰的武强年画走出发展困境是开创武强年画走向产业化的重要举措。本文从武强年画与动漫产业结合的可行性及产业结合的现状与特点入手,分析面临的问题及提出武强年画产业化发展的对策,以期使武强年画这朵传统的艺术奇葩做大做强。

摘要：基于碳纳米管独特的结构特点建立了以其为基础的Pocklington积分方程,并设计了一种全新的碳纳米管太赫兹(THz)波天线.数值仿真和理论计算结果表明,碳纳米管能够产生高频THz电磁辐射,半波长为60μm、半径为2.712nm的单壁碳纳米管偶极天线在-10dB反射系数以下可以实现2.5THz与7.6THz的双频带工作,带宽分别为8.4%与2.7%,由其构成的纳米管天线阵可以获得10.3dB的高增益特性.所得结果有助于在纳观域开展高频THz波辐射源及天线的研究与设计.

摘要：本文针对传输触发体系结构设计了一款异步微处理器.由于异步TTA采用分布式的控制方式,数据相关会导致程序执行错误,因此提出了一种数据源选择技术来保证程序执行的正确性,并给出了异步TTA的微体系结构与电路实现.最后,在0.18μm工艺下采用基于宏单元的异步集成电路设计方法实现了该异步微处理器.实验结果表明提出的数据源选择技术能够有效保证异步TTA微处理器正确执行,同时异步TTA计算内核功耗仅为相应同步计算内核功耗的40%左右.

摘要：为改变当前国内落后的煤矿安全监控技术现状,解决煤矿安全监控中遇到的困难,提出利用无线传感器网络在煤矿安全监控中的优势,并结合Linux socket便捷、安全、高效的特点设计煤矿无线监控系统;选用ZIGBEE传输系统作为硬件平台,完成面向煤矿安全监控的多功能便携式无线传感器节点设计和基站传感器节点设计;上位机采用Linux操作系统的Socket技术,把数据送入主控站点计算机,并生成图表完成系统数据统计和监控;彻底解决了传统RFID监控技术通信距离受限瓶颈、数据离散不直观、无法为分析员提供分析依据等一系列技术难题,具有一定的创新性和实用性,对研究煤矿安全生产数据收集新方案具有重要意义。

摘要：针对涡轮叶片考核部位的寿命问题,介绍了DD6单晶涡轮叶片热机疲劳试验方法。通过设计感应线圈进行高频感应加热,实现某一工作状态下涡轮叶片考核截面温度场模拟,同时使用U型铁氧体精细调节温差;通过设计的二位移调节机构控制拉伸载荷,实现涡轮叶片考核截面由离心载荷和气动载荷引起的应力场模拟。在保证内冷空气流量的条件下,进行了DD6单晶涡轮叶片热机疲劳试验,实现了涡轮叶片寿命预测方法的试验验证,同时为工程设计提供了试验依据。

摘要：研究了心境在自尊的记忆效应中所起的作用。被试为181名大学生,30个特质形容词为刺激材料,采用2(自尊分组)×2(BDI分组)×2(参照条件)×2(词性)的混合实验设计,要求被试自由回忆特质形容词。以中性词或BDI分数为协变量进行了方差分析及简单效应分析,结果重复证实了既往研究发现的自尊的记忆效应模式,且发现不存在对于负向信息的自我参照效应。更为重要的是,研究结果证实自尊的记忆效应并非暂时的心境使然,而是特质自尊作用的结果。这一结果有助于加深对自尊的认知动力特性的认识。

摘要：地上权是用益物权的一种,肇始于罗马法,并为大陆法系国家民法所继承。罗马法的地上权制度仅仅是现代民法地上权制度的一个雏形。但是,它对后世民法关于用益物权的立法,在观念和技术上产生的巨大影响却是深远的,值得我国在设计相应土地用益物权制度时加以借鉴。

摘要：为解决非线性波浪载荷作用下自升式平台随机动力响应计算和可靠性评估的问题,通过分析自升式平台倾覆力矩特性,建立了关于平台动力响应的随机微分方程;结合线性滤波器理论,构建了相应的具有马尔科夫过程属性的动力学系统。对控制该系统概率属性的Fokker-Planck方程用路径积分法求解,获得动力响应统计特性。计算结果表明,路径积分法能准确、高效地预报平台动力响应,波浪载荷的非线性特性将增强平台的动力响应。采用路径积分法计算得到倾覆力矩的平均穿越率,结合泊松近似假设对倾覆力矩的极值分布进行了准确预报,为初步设计阶段评估平台的可靠性与安全性提供参考。

摘要：针对适用于中等水深的钢筋混凝土浮式风机平台,设计4种不同的悬链式系泊系统,利用一体化分析软件Sima进行耦合时域分析,从而得到运行和停机工况下不同潮位对应风机基础的运动响应及锚链张力特性。研究结果表明:相较于锚链−压载块组合系泊系统,锚链−浮筒组合系泊系统对应的系泊张力和纵荡位移均值受潮位变化的影响较小,增加系泊线数量会显著降低锚链−浮筒组合系泊系统对应平台纵荡和系泊张力受潮位变化的影响,但锚链−浮筒组合系泊系统对应的张力幅值在不同工况下均比锚链−压载块组合系泊系统的张力幅值大,在停机工况下张力幅值大50%左右。

摘要：由于传统主动学习方法的计算量随着问题规模的增大呈指数增长,因此很难应用于大规模多类数据分类任务中。为解决该问题,设计了一种基于子抽样的主动学习(subsampling-based active learning,SBAL)算法。该算法将无监督聚类算法与传统主动学习方法整合,在二者之间增加了子抽样操作,该操作能够显著降低算法的时间复杂度,在保证实验准确率的基础上减少实验耗时,从而更加高效地处理大规模数据集的分类问题。实验结果显示,采用SBAL算法的实验性能优于传统主动学习算法,证明了所提算法可以突破传统主动学习方法不能处理大规模数据集多类别分类问题的局限性。