摘要：目前家居网络大多基于WiFi和ZigBee等进行无线覆盖,但由于家庭无线路由器的配置不同,网络可能覆盖不均匀,并且过多的无线网络设备会导致辐射能量过高。为此,提出一个基于控制器局域网(CAN)和蓝牙网络的智能家居协同网络架构,并进行原型系统实现。该架构包括家庭骨干网络和末端网络,网络骨干部分利用CAN搭建,末端网络通过蓝牙网络搭建。实验结果表明,利用该架构实现的系统具有覆盖范围广、通信质量好、无线通信能量辐射低的优势,可满足绿色环保的家庭网络应用要求。

摘要：为了建立自动化的注塑产品成型性分析系统 ,要根据注塑产品的 BRep模型自动提取其设计特征。本文提出了一种注塑产品设计特征树构造算法 ,该算法应用正向推理技术实现设计特征的识别 ,并以特征树结构记录产品的设计特征。经实践证明 ,该算法具有高效。

摘要：利用ANSYS建立了塔架的柔性体模型,并对其进行了模态分析,同时在考虑叶片安装误差引起的不平衡质量的基础上,利用ADAMS建立了把塔架作为柔性体的风力发电机系统的柔性体模型,研究了风速变化和变桨引起的风力发电机塔架上方各部件重心的变化对塔架振动的影响,得到了基于上述因素综合作用下的振动分析和动载荷分析结果,为塔架的优化设计提供了更准确的依据。

摘要：研究了在STEP-NC环境下进行非线性工艺设计的方法和过程。首先分析了STEP-NC文件的结构组成及其支持非线性工艺的可行性;然后从STEP-NC文件中提取工艺信息,利用加工流程图(process sequence graph,PSG)表达加工工艺;基于PSG中包含的信息结合图搜索算法,在离线规划中选择优化的工艺路径;在在线规划中根据加工现场资源的变化情况实时调整工艺路径;最后将PSG中的离散工步连续化为可行的控制方案。通过一个实例零件对所提技术和算法进行了说明,为在STEP-NC环境中进行非线性工艺规划提供了完整的思路。

摘要：介绍了凝汽器管板的分析计算方法——梁带法.其中综合考虑了管板边界荷载的传递方式、管板周边的联接方式及壳体-水室-管板相互约束的边界条件等结构要素.该方法具有较高的精度.其专用程序的实施使管板设计成为规范化.

摘要：同轴分层流旋流燃烧器是一种新型低NO_x燃烧器,可以通过1、2次风的适当配置,达到降低NO_x生成的目的。在自行开发设计的同轴旋转分层流旋流燃烧器上,对不同1、2次风旋流强度,1、2次风不同配比工况下NO_x的生成特性进行了研究。结果表明,1次风需要保持一定的旋流强度,并达到一定的水平,同时2次风配以适当的旋流强度,在一定的1次风率下,才能达到降低NO_x生成量的目的。在本文试验条件下,1次风旋流强度为0.35～0.47,同时2次风配以适当的旋流强度和1次风率,分别为1.30～1.50和33%,NO_x生成量低于其他工况。在运用旋转射流分层流原理的同时配以适当的机械方法,如增加扩口,NO_x生成与排放水平可以进一步适当降低。

摘要：以不同使用年限的普桑等速传动轴为例,设计中间轴外花键,星形套内花键,固定端星形套沟道以及滑移端球笼沟道的磨损测量方法,研究关键零件使用过程中的磨损,研究表明,使用10年左右的中间轴外花键跨棒距,星形套内花键棒间距仍满足设计值,而自然报废的内外花键部分齿槽的跨棒距、棒间距已超过设计值,自然报废后的固定端星形套内沟道,滑移端球笼外沟道磨损不严重,磨损试验研究为传动轴的回收再制造提供参考。

摘要：应用"311-B"回归最优设计研究毒莠定等3种试剂对郁金香胚性愈伤组织诱导及胚状体产生的影响。结果表明:胚性愈伤组织出愈率及胚状体产生与毒莠定浓度呈极显著相关,毒莠定对郁金香胚性愈伤组织的诱导起决定性作用,培养20d愈伤组织就可以产生,最佳培养基配方为MS培养基+毒莠定6mg/L+BA0.5mg/L,出愈率达100%,每块愈伤组织平均产生10个胚状体。毒莠定与BA呈正交互作用,可以配合使用;与恶霉灵呈负相关,不必配合使用。

摘要：为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控。首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,并将其应用于长短时记忆神经网络模型中,提出了能学习交通路网时空双重特性的有向图卷积-长短时记忆神经网络(Directed Graph Convolution-LSTM, DGC-LSTM)模型;其次,基于DGC-LSTM的交通预测结果识别出拥堵产生点并将其作为拥堵管控的对象;再次,采用控制进口匝道车辆输入快速路主线的手段,针对管控对象的时空特征,设计了全圈层分时段阶梯式拥堵管控策略;最后,基于上海市快速路网上布设的2 712个检测器在122个工作日每间隔5 min记录的速度、流量和占有率信息,开展实例分析,测试了DGC-LSTM模型的预测精度以及全圈层分时段阶梯式拥堵管控策略的有效性。结果表明:与传统的循环神经网络、长短时记忆神经网络相比,DGC-LSTM模型具有更高的预测精度,能将速度预测的平均绝对误差和误差标准差分别降低38%和20%以上;基于预测结果采用的全圈层分时段阶梯式拥堵管控策略能令拥堵产生点的速度提升14 km·h;以上,并能使拥堵的持续时长缩短40%,可阻止拥堵从产生点开始发生大范围的蔓延,降低整个路网的拥塞程度。

摘要：时空联合分析可反映研究对象在时空维的变化规律,对揭示区域过程的时空交互关系和机制具有重要意义。聚焦时空联合特征的学习与交通流物理特性的建模问题,提出一种层次化的动态网络模型JST-DHNet,以融合不同尺度下的时空联合学习与内嵌领域知识学习。利用基于图乘积运算替代以往矩阵拼接方式构建多种时空图结构。结合时空小波变换与时空傅里叶变换,设计2种不同层次的时空同步学习模块,分别学习交通流的全域与局域时空特征。针对交通流的宏观流体动力学性质,通过基于图的广义偏微分方程设计一种新的时空扩散卷积,以学习真实场景下的交通波传播机制。在此基础上,采用注意力机制将不同尺度的时空联合特征进行融合。在4种不同路网规模的真实交通流数据集上进行测试,结果表明,JST-DHNet的预测性能优于采用时空分离式学习模块的预测模型,相比STSGCN时空联合学习模型,JST-DHNet预测精度的平均绝对百分比误差、平均绝对误差和均方根误差分别降低4.46%、6.65%、10.11%,且训练时间缩短近80%。