摘要：介绍了压铸模CAD/CAE/CAM一体化技术的主要内容和实现CAD/CAE/CAM一体化的技术路线。实践应用表明,CAD/CAE/CAM一体化技术能有效地指导压铸模具的设计、模拟分析与制造过程,提高模具结构的合理性、准确性和加工精度,服务于实际压铸件生产。

摘要：以夏热冬冷地区株洲市某办公楼为研究对象,基于全生命周期理论与火用方法,对建筑围护结构不同节能设计方案能耗、火用耗及CO2排放量进行分析,并结合热经济学原理,建立了围护结构火用成本分析模型来综合评价节能设计方案的经济性及节能性.结果表明:当节能设计后建筑运行阶段节约的能耗或CO2减排量大于因节能而投入的能耗及CO2排放量时,才能达到真正意义上的节能.文中方案1,方案2中建筑运行阶段节约的能耗分别需要10年,11年才能抵消建材生产阶段产生的能耗,CO2减排量分别需要4,5年才能抵消建材生产阶段产生CO2排放量.且建材生产阶段的火用耗远远大于节能设计后运行阶段节火用量,火用成本的分析结果表明较低的单位火用成本,意味着选用投资较少的节能改造方案,较多的使用低品位能源,得到了火用效率较高的制冷量、制热量,建筑整体节能性和可持续性高.

摘要：为了对海量存储中的分布式文件系统的容错能力进行测试,设计并实现了基于海量存储下的自动化分布式文件系统测试平台,采用从服务层和目录文件层进行故障注入的技术,其中包括服务器失效和目录文件操作失败等多种故障.该平台集成了注入故障工具、系统监测工具和工作负载工具,工作人员可通过平台的主控端进行评测.通过实验数据表明,该测试平台能够有效评测不同文件系统的容错性能,并对不同存储系统的各项技术指标进行比较.

摘要：针对变压器与中压开关柜传统绝缘状态检测方法依赖人工的问题,本文基于可听声声音识别方法,通过将电力设备放电故障声音与正常工况声音、环境噪声进行混叠制作样本集,以模拟真实电力设备运行环境;对故障声音进行预处理后,使用声谱图提取声音的短时频率、能量分布等特征,构建声谱图数据集,结合改进的卷积神经网络实现对放电故障的检测;通过加入注意力机制,调节指数衰减学习率、数据集样本数量、音频采样率等方式进一步提升网络的精度,最终设计的网络模型识别准确率最高可达99.2%,相比其他检测方法优势明显,可实现对放电故障的在线检测。

摘要：考虑到迁移学习过程中引入大量与给定方面无关的情感噪音,提出一种基于迁移学习和过滤机制的方面级情感分析模型TLFM。利用预训练文档级情感分析模块学习文档的情感知识,通过共享参数的方式将情感知识传递给方面级情感分析模块;设计一个注意力过滤模块,该模块聚焦于过滤文档级知识中与给定方面无关的情感;将预学习后的模型TLFM和过滤模块进行联合训练,利用文档级知识的同时,降低噪音的影响。实验结果表明,迁移学习和过滤机制的结合能有效提高方面级情感预测的准确率。

摘要：阻抗渐变材料在医用可穿戴设备中起着重要作用。为了实现不同材料之间的相互匹配特性,低介电阻抗渐变材料的研究尤为重要。利用静电纺丝的方法,设计制备了具有阻抗渐变性的低介电钛酸钡（BaTiO3）/聚偏氟乙烯（PVDF）复合纤维膜。结果表明：BaTiO3纳米粒子可在纤维网络中均匀分布,通过调节其质量分数,能够有效调节BaTiO3/PVDF复合纤维膜的介电常数在1~7的范围内,BaTiO3/PVDF复合纤维膜对不同的电场频率具有不敏感性。BaTiO3/PVDF复合纤维膜还具有良好的力学性能,能够有效满足可穿戴设备的材料需求。

摘要：基于固体各向同性材料惩罚模型(Solid isotropic material with penalization,SIMP)的多材料柔性机构拓扑优化是将原问题分解成若干子问题进行分层优化,成倍地增加了设计变量数量,且该方法利用传统的有限元离散,为了得到清晰的拓扑结构网格数量必然巨大,这两方面的因素造成了该方法计算效率低下。因此,基于幂函数多项式提出序列插值模型,用该模型进行多材料布局迭代,使不同材料在设计域内序列向预定义的多个材料点聚集,无须分解成子问题即可在单一优化框架下完成多材料的拓扑优化,且没有增加设计变量数量。以机构的几何增益最大为目标,建立多材料柔性机构拓扑优化模型。在利用有限元求解控制方程过程中引入多重网格方法,网格划分粒度层次递进,将粗网格水平下位移场作为细网格上的初始场量,避免直接用细密网格将设计域整体离散带来的高计算成本问题,提升计算效率。通过改进的优化准则法求解模型,得到序列最优布局型式的多材料柔性机构。通过典型算例及与基于SIMP的方法相应结果对比,验证了提出方法的有效性。

摘要：针对医疗实体识别中词向量特征单一和忽略文本中局部特征的问题,提出一种基于多特征融合的双通道医疗实体识别模型。对医疗文本字形特征和卷积神经网络进行研究,发现构造的外部特征和挖掘的内部特征进行差异融合能够丰富词向量的特征信息;利用注意力机制改进的卷积神经网络实现特征优化选择,区分不同特征的重要性;设计CNN和BiLSTM并行的双通道神经网络,充分考虑文本的局部特征和上下文特征。在CCKS2017数据集上的实验结果表明,该模型能有效提高医疗实体识别的准确率。

摘要：目前 ,在组合优化领域中 ,评判近优算法的性能尚缺乏统一的标准和有效的依据 ,而算法的效率与所要解决问题之间的关系密不可分 .本文以JSP问题为例 ,研究了调度问题本身的结构特征 ,分析了调度问题可行解空间的属性 ,提出了分割因子的概念 .研究表明 ,分割因子影响调度问题可行解空间的规模 ,而各工序加工时间的分布则影响解空间的“崎岖”状况 ;分割因子和工件加工时间的分布在一定程度上可以反映调度问题的复杂程度 .这对近优算法的设计具有一定的指导意义 。

摘要：稀疏表示选择最佳线性表示重构信号,可避免合成孔径雷达(SAR)目标识别中的方位角估计难题,同时减轻强相干噪声影响。稀疏字典选择是稀疏表示中的关键问题之一,该文提出分别使用级联方式和并联方式构造稀疏字典实现SAR目标识别。首先对训练样本进行对数归一化处理,使用主成分分析(PCA)特征提取和降维;然后对处理后的数据分别组成级联字典和并联字典,采用截断牛顿内点法(TNIPM)获得目标的稀疏表示;最后,在两种字典的稀疏表示框架下设计分类器对SAR目标识别。通过对比实验,验证了该文的字典构建方式在稀疏表示框架下对SAR目标识别的有效性。