摘要：目的:验证针对平房仓仓底余粮而设计的清扫装置的传送部分和收集部分结构设计是否合理,并确定装置运行的关键参数,避免造成采购和制造方面的浪费。方法:基于离散元法采用EDEM仿真软件,对传送部分和收集部分的运行效果进行仿真,以洒落率为评价参数。结果:在保证传送部分和收集部分都能满足设计要求的情况下,波纹挡边带的最佳运行速度应控制在0.6~0.8 m/s。结论:该余粮清扫装置传送部分和收集部分的结构符合设计要求。

摘要：针对传统吨包装卸方式具有工作连续性不高、装卸堆垛效率低等缺点,设计一种新型吨包物料装车装置。通过理论计算,确定新型吨包物料装车装置的关键主体尺寸,并对关键部件进行有限元分析验证。设计计算得出,吨包运送装置的丝杆传动、移动链条传动和行走结构所需功率分别为99.8,176.4,1 876 W;叉车堆放装置的伸缩摇臂结构工作角度为-43~43°,使整个传输和装卸过程平稳、可靠和高效。装置能较好地解决吨包物料包装后装车的问题,实现车辆与仓库的无缝对接,为粮食物流装备研发提供技术和理论支撑。

摘要：长期以来,淡水渔业(包括淡水捕捞和淡水养殖)在我国乃至全球渔业(淡/海水捕捞和淡/海水养殖)中有着举足轻重的地位,其产量可达全球渔业总产量32%以上,其中淡水养殖在淡水渔业中占主导地位(78%以上),而鱼类养殖为淡水养殖的主要内容,占淡水养殖总产量的92.5%。随着经济不断发展,人们物质和精神生活不断提升,人们对水产动物(特别是鱼类)的品质和自然水生态系统的要求也不断提高。而植物在淡水养殖中的应用是提高水产动物品质和自然水生态系统服务功能的重要途径。

摘要：研究了一类带有时变时滞的离散模糊双线性系统的时滞相关非脆弱控制问题。引入自由权值矩阵并定义一种新型的Lyapunov函数,在控制器存在加性不确定的情况下,得到了保守性小的时滞相关渐近稳定的充分条件。通过附加矩阵,将所得到的稳定条件转换为线性矩阵不等式(linear matrix inequality,LMI)形式,非脆弱控制器可由LMI的解得到。数例仿真验证了该方法的有效性。

摘要：教育功能是景观应具备的重要功能之一。通过文献检索和实地调查,论述了教育与景观设计两者目标的一致性。通过分析我国景观建设中存在的忽视教育功能的具体方面,剖析了产生这种"负面教育"现象的原因,指出加强景观设计的教育功能的迫切性。论述了景观设计中教育功能的不同类型,列举了景观设计中不同类型教育功能的具体体现,并指出应注意发挥景观设计教育功能的人群和场所。认为在我国的景观设计中注重教育功能的发挥是建设高质量景观的重要体现之一。

摘要：由于UASNs部署环境的差异无法适应路基传感网络的一些理论方法,因此提出了融合深度学习的智能路由算法。首先分析UASNs的信道与噪声衰减,以及能耗模型,模型构建过程中充分考虑了影响数据传输能耗的多种因素。然后针对立体网络拓扑,从均衡性角度设计了能量阈值计算方法,并依据能耗与阈值完成簇头选择。最后融合深度网络与AE学习算法,利用多隐层提高特征提取的精确度,各节点将特征结果通过簇头汇总后,根据汇聚中心下发的参数更新路由。基于Matlab搭建UASNs仿真环境,分别对算法的簇头选择、网络寿命和适应性进行了对比验证,结果表明所提路由算法在簇头分布上更加合理,能够降低簇头数据传输能耗,保证网络的均衡性,并且对于网络节点移动具有极强的适应性。

摘要：建筑排风冷能回收是降低建筑能耗的重要手段。本文基于Fluent提供的VOF模型,编写蒸发冷凝相变的UDF程序,对用于建筑排风冷量回收的平行流热管内部的蒸发和冷凝特性进行了数值模拟,计算结果揭示了平行流热管内的气液两相流特性以及复杂相变传热传质的演变过程。结果表明:蒸发主要发生在液池内部,冷凝主要发生在冷凝段和绝热段的近壁面部位;相变传质过程是保证热管高效换热的关键因素。本文结果为设计平行流热管换热器提供理论依据。

摘要：针对肝脏分割中存在误分割及小目标漏分割的问题,文中提出基于U-Net的特征交互分割方法,采用ResNet34作为主干网络.为了实现不同尺度间的非局部交互,设计基于转换器机制的特征交互金字塔模块作为网络的桥接器,获得具有丰富上下文信息的特征图.设计多尺度注意力机制替代U-Net中的跳跃连接,关注图像中的小目标,充分获取目标层的上下文信息.在公开数据集LiTS及3Dircadb和CHAOS组成的数据集上的实验证实文中方法能取得较好的分割效果.

摘要：面塑文化作为民俗文化的重要分支,发展历史悠久,兼具功能性、文化性和审美性。面塑文化体现了历代劳动者的朴实勤劳,更代表了从古至今劳动人民对美好生活的向往。文章从面塑的食物本质入手,分析面塑的起源与发展,并探究面塑与古代宫廷手工技艺文化的内在关联,为解读面塑文化的艺术特色提供新的研究视角,旨在深入挖掘面塑文化的艺术价值,为面塑文化的传承与创新发展提供有益的启示。

摘要：以卷积神经网络为代表的深度学习技术推动神经网络在医学图像研究领域不断实现新突破。然而,平移不变性等理论假设限制了卷积神经网络在非欧氏空间数据中的表达能力,是医学图像深度学习技术亟待突破的瓶颈。图卷积技术不仅能够解决非欧氏空间数据的拓扑建模难题,还实现了空间特征提取,是深度学习技术全新的研究方向。本文对图卷积网络在医学图像领域的相关理论及其应用进行综述,旨在系统归纳和全面总结医学图像领域最新的图卷积理论、方法和实践,包括图结构视角下医学图像的专业采集、数据结构的剪枝转换以及特征聚类重构方法;图卷积网络的理论溯源,重要的网络架构和发展脉络;图卷积网络的优化方向和衍生出的跳跃连接、inception、图注意力等重要机制;图卷积网络在医学图像分割、疾病检测和图像重建等方面的实践应用。最后,提出了图卷积网络在医学图像分析领域仍亟待突破的瓶颈问题:1)多模态医学图像学习中,异构图的构建与学习任务的优化;2)特征重构和池化过程中,如何通过构图算法设计与神经架构搜索算法结合,以实现最优图结构的可学习过程转换;3)高质量图结构医学标注数据的大规模低成本生成与生成对抗网络的算法设计。随着人工智能技术的不断发展和医学影像规模的不断扩大,以图卷积为代表的深度学习方法必将在医疗辅助诊断领域取得更大的突破。