特殊结构高压洗涤器的制造与检验

介绍了直筒式高压洗涤器管箱较为狭长的结构特点，并针对此特殊结构，在制造过程中采取了先组焊低压壳体与上、下管板，然后再与上、下管箱分别组焊的方法。并将管板与管箱的两道环缝定为最终合拢缝，进行局部热处理，为制造类似设备提供了成功经验。     

用欧洲台振成型机生产20孔混凝土多孔砖

本文主要讨论为什么要用引进欧洲的砌块成型机生产中国标准规格的20孔混凝土多孔砖,以及中国标准规格多孔砖的块型设计、生产工艺的改进、生产过程应注意解决的若干事项等问题。     

甜菜纸筒育苗存在的问题及解决方法

我公司自成立以来,甜菜的种植面积不断扩大。但由于我公司原料区甜菜种植结构不合理,甜菜品种单一,重、迎茬现象严重,特别是甜菜丛根病的发生,导致甜菜产量、品质降低。这不但严重地影响了农民种植甜菜的积极性,而且也严重影响了制糖工业生产及发展。为了使我区的甜菜生产得以持续、稳定的发展,为制糖工业提供高产、优质的甜菜,近年来,我公司把推广和发展甜菜纸筒育苗移栽技术,作为实现这一目标的重要技术措施,这是促进甜菜生产发展的一条重要途径。我区属于高寒半干旱地区,年平均降雨量为320～380ｍｍ,春季降雨量仅为30～40ｍｍ,并且每…     

秦山核电厂排风烟道流量测量皮托-文丘里复合管的研制

介绍一种用于核电厂排风烟道流量测量仪表——皮托-文丘里复合管。该表能在低的气体流速下得到较大的差压信号,差压值随流速变化率大、灵敏度高、阻力损失小。该表置于烟道中心区。从流体力学观点导出该表的放大倍数和流量系数的解析关系式。根据相似理论及流体流动具有稳定性和自模性的特性,通过1/12烟道模型试验找出实际烟道中心的流速与平均流速的关系。再根据排风烟道的流量范围,把皮-文复合管在回流风洞上标定,最后给出了可供烟道流量测量用的流量系数。这是常规仪表难于实现的。     

关于精梳纯棉细特纱的工艺探讨

在当今纱布市场上，精梳纯棉细特纱以其独特的质地和风格受到用户的普遍欢迎。近年来，我厂先后开发生产了JCll.6tex、JC9.7tex纱，并以其较高的质量（其主要指标均达到或接近1989年乌斯特公报25％水平），远销香港、日本等地，深受用户的好评。为了不断提高产品质量，发挥最大的工艺效益，我们做了大量的工艺优选实验。1工艺流程A002C×2→A006B（附A045）→A034→A036B（附A045）→A092A（附A045）→A076A→A186C→FA311→E5／3→E7／SA→FA311→FA3ll→FL16→SWG→1→Autoconer238自动络筒机。2原料的选择为了保证产品质…     

压力容器制造中的板材消耗工艺定额的讨论

介绍了压力容器制造中的板材消耗工艺定额，为今后在压力容器制造中的板材消耗工艺定额编制工作提供了指导方法。     

基于层次结构感知的细粒度实体分类方法

针对现有细粒度实体分类（FGET）任务的工作多着眼于如何更好地编码实体和上下文的语义信息,而忽略了标签层次结构中标签之间的依赖关系及其本身的语义信息的问题,提出了一种基于层次结构感知的细粒度实体分类（HAFGET）方法。首先,利用基于图卷积网络（GCN）的层次结构编码器对不同层级标签之间的依赖关系进行建模,提出了基于层次结构感知的细粒度实体分类多标签注意力（HAFGET-MLA）模型和基于层次结构感知的细粒度实体分类实体特征传播（HAFGET-MFP）模型;然后,利用HAFGET-MLA模型和HAFGET-MFP模型对实体上下文特征进行层次结构感知和分类,前者通过层次编码器学习层次结构感知标签嵌入,并与实体特征通过注意力融合后进行标签分类,后者则直接将实体特征输入到层次结构编码器更新特征表示后进行分类。在FIGER、OntoNotes和KNET三个公开数据集上的实验结果表明,与基线模型相比,HAFGET-MLA模型和HAFGET-MFP模型的准确率和宏平均F1值均提升了2%以上,验证了所提方法能够有效提升分类效果。     

有机磷农药乐果降解菌的分离

为了获得有效降解有机磷农药乐果的微生物．采用北京大兴黄村施用过乐果的土壤为菌源，以乐果作为唯一碳源和能源采用逐渐加量的驯化方式，分离得到4株对乐果有一定降解能力的微生物，初步鉴定为假单胞菌属(Pseudomonas)。     

多元立体化的大学计算机基础教育发展研究

针对当前计算机基础系列课程的高等教育与信息技术飞速发展严重脱节的问题,以北京交通大学的"大学计算机基础"与哈尔滨工业大学的"C语言程序设计"两门国家精品资源共享课的建设为例,提出多元立体化的大学计算机基础教育发展模式,阐述教学模式效果并进行分析,以期为更多学校的计算机基础教育教学提供借鉴。     

注意力机制的BiLSTM模型在招聘信息分类中的应用

目前IT招聘信息分类中传统算法存在长距离依赖,且无法突出IT岗位关键词对文本分类特征影响等问题.本文通过训练双向长短期记忆网络BiLSTM与注意力机制相结合的多层文本分类模型,将其应用到招聘信息分类中.该模型包括One-hot词向量输入层、BiLSTM层、注意力机制层和输出层.其中One-hot层构建招聘词典,节省了大量训练词向量时间,BiLSTM层可获取更多上下文不同距离的语义信息,注意力机制层对经过BiLSTM层编码数据进行加权转变可提升序列化学习任务.实验表明：基于该模型的IT招聘信息分类准确率达到93.36%,与其他模型对比,提高约2%.该模型更有针对性的分析不同岗位对就业者能力的要求,实现了不同岗位招聘信息的分类,对高校毕业生就业指导有重要意义.