紧固件测力工具改进

通过设计、加工改进锥接头和测力扳手接头，解决了卫星仪器安装及紧固件力矩检测方面的工艺难题。     

浅谈高职院校图书馆工具书库的建设

高职院校图书馆的纸本工具书具有重要的应用价值,并拥有广泛、稳定的读者群,其地位和作用是网络信息所无法取代的。重视和加强图书馆工具书库的建设与管理,是高职院校建设与发展的重要环节。因此,工具书库应主动适应高职院校的专业发展的要求,不断加强设施建设和资源补充,及时加工、整理工具书的再版文献,努力向读者提供有效的服务措施;要充分利用学校的报刊、校园网、宣传橱窗和读书座谈会来加强图书宣传,引导和帮助读者加深对工具书的认识,只有这样才能充分发挥出工具书库应有的作用,最大限度地向读者提供优质服务,满足不同读者的需要。     

2月全球两舱运输量继续下行

近期．中外运敦豪正式发布了全新电子商务工具“DHL网视通（DHL ProView TM）”，以进一步提升管理信息化程度和客户服务标准。从即日起．所有DHL国际快递账号及相关快件的客户经过申请均可免费使用。这一基于网络开发的快件可视化和事件通知工具的最大卖点在于，客户仅需通过指定的网视通账号．即可随时随地管理多达2000个发件账号的所有快件信息，并可按自身需求将快件信息进行归类和过滤，在多个方面大大简化了快件管理流程，增强了客户对快件状态监控的透明度和实效性。     

程序设计用图形描述工具的标准现状分析

本文主要对国内外所流行的几种图形描述工具,如程序流程图、PAD 图、N-S 图和 DSD 图,对它们的标准情况作了综合性分析,讨论了它们各自的特点,并对标准中的个别问题谈了一点自己的看法。     

侧链基团和填料对硅橡胶材料耐烧蚀性能的影响

为了研究侧链基团和填料对硅橡胶材料耐烧蚀性能的影响,选用具有苯环和多面体低聚倍半硅氧烷(POSS)这2种侧链基团的硅橡胶基体,以及Mg(OH)2、蒙脱石、Fe2O3和短切碳纤维(1 mm)这4种填料,利用马弗炉等温烧蚀和动态热失重TG法研究不同侧链基团和填料样品的耐烧蚀机制。结果表明:苯环和POSS基团的引入使得基体初始分解温度分别提高了79 ºC和9 ºC,质量损失率分别降低了19.4%和12.0%。以Mg(OH)2 25 g(每100 g硅橡胶)、蒙脱石4 g和Fe2O3 6 g作为硅橡胶复合材料进行填料时,其质量烧蚀率为0.008 g/s,相比纯橡胶基体降低了86.8%。在以上配方中继续引入5 g碳纤维,使其质量烧蚀率降低至0.004 g/s。残炭层的微观形貌显示,短切碳纤维形成的三维骨架结构是提高硅橡胶材料耐烧蚀性能的关键。     

基于出行链的电动汽车充电行为影响因素分析

随着电动汽车的快速发展,大规模电动汽车充电将给电力系统规划和运行带来不可忽视的影响,研究电动汽车的充电行为及其影响因素,并实时预测潜在的充电行为越发迫切。基于北京市私家电动汽车的历史车联网数据,引入出行链的概念,综合电动汽车充电过程和放电过程的数据,从实际出发考虑影响电动汽车充电行为的多种潜在因素,并通过logistic回归模型分析确定了显著影响充电行为的因素。分别基于单一和多个显著影响因素建立电动汽车充电行为的预测模型,预测结果表明,基于多个显著影响因素的模型准确率更高,且对晴天的预测效果更好。研究成果将有助于优化电动汽车的充电行为,进而提高电动汽车的充电效率。      

基于UGF-GO法的EWIS退化系统可靠性分析

针对飞机电气线路互联系统（EWIS）差异性大、随时间退化严重、可靠性建模困难等问题,将通用生成函数（UGF）和GO法融合,提出了基于UGF-GO法的EWIS退化可靠性分析方法。首先,考虑EWIS各连接部件使用性能及环境的差异性,利用含随机参数的Wiener退化过程模型建立部件可靠性仿真模型,采用马尔可夫链蒙特卡罗（MCMC）算法对模型中的未知参数进行估计,并与传统二步法参数估计值进行对比,得到较为精确的系统部件退化可靠性曲线。其次,在分析系统退化可靠性时,利用UGF-GO法对某飞机EWIS结构可靠性进行建模及计算。最后,以某飞机电气线路互联系统为例,结合部件退化可靠性计算结果,评估系统在不同给定阈值下可靠性水平。结果表明:UGF-GO法可有效解决系统退化状态的可靠性分析问题。      

一种开关磁阻电机无位置传感器控制效率优化策略

针对开关磁阻电机(SRM)的简化磁链法只能实现单相导通运行且导通区间固定的缺点,提出了一种结合固定关断角和自适应调节开通角的无位置传感器控制技术。利用曲线拟合关断位置磁链取代传统存储数据表,通过对比实时计算的动态磁链和曲线拟合的静态磁链,确定关断位置信号并估计转速和其他位置。考虑电机阻抗和电感的非线性特点,优化电感最小区域的开通角自调节模型确定导通区间。仿真结果验证了该方案的可行性和正确性,能够实现转子位置的间接检测,电机的运行效率得到进一步优化。     

基于函数链神经网络的深度分类器

目前的宽度学习系统（Broad learning system，BLS）通过所建立的一系列映射节点和增强节点来形成联合节点。因为联合节点与输出层的线性连接，网络权值可以用求解伪逆的方法快速求得，避免了耗时的训练过程，从而成为快速而高效的学习方法。然而在追求高精度结果的过程中，BLS对于增强节点数量的需求过于巨大，容易造成过拟合问题。为此，本文提出了基于函数链神经网络（Functional-link neural network，FLNN）的深度分类器（FLNN based deep classifier，FLNNDC），旨在提供一种更加简单却又不失精度的BLS变体结构。FLNNDC将几个轻量级的BLS子系统堆积成栈式结构，每一个轻量级的BLS子系统随机选择一部分映射节点生成增强节点，而不是全部映射节点。和原宽度结构相比，在几个主流数据集上的实验结果表明本文所提出的FLNNDC分类器具有网络结构更小且学习速度更快的优势。