价值工程在建筑工程设计中的应用

将价值工程理论引用到建筑工程设计中,把工程的功能和造价两个方面综合起来进行分析,在一定程度上可以避免建筑工程设计中的不足,增加其科学性。     

一种新型的软开关PWM弧焊逆变电源

提出了一种新型的移相控制零电压零电流开关ＰＷＭ弧焊逆变电路,对其工作原理进行了详细的分析并给出了仿真结果。     

导流板式煤粉燃烧器炉内空气动力场的试验研究

在３００ＭＷ锅炉模拟试验台上,比较了导流板式燃烧器在不同工况下的空气动力场。试验结果表明,当采用导流板式燃烧器,且整组燃烧器的高宽比不大于６．５～８．５时,调节导流板安装尺寸可有效地调节炉内空气动力场。当燃烧器组的高宽比大于１１．５,且导流板安装角度大于２５°时,炉内切圆直径很小,在热态运行时将导致燃烧不稳。本实验为这种燃烧器的推广应用提供了依据     

锅炉省煤器弯头手工电弧补焊

1方案分析1989年秦岭电厂1号炉小修,检查时发现省煤器磨损严重,经过多方分析,对省煤器弯头磨损部位采用手工电弧焊的方法进行补焊。按照部颁SDJ51—82中的第20条,焊口的位置应避开应力集中区且便于施焊及热处理,一般应符合锅炉受热面管子焊口,其中心线距离管子弯曲起点或汽包、联箱外壁以及支吊架边缘至少70mm,两个对接焊口之间距离不得小于150mm的规定,否则对省煤器弯头部位采用手工电弧焊补焊的方法是不允许的。但由于省煤器是用20A低碳钢制作的,低碳钢具有良好的塑性和韧性,焊接工艺性能良好,加之省煤器管径小,管壁薄,补…     

离心机不平衡量的测量及自动平衡系统

介绍了刚性转子的平衡原理,根据此原理设计了离心机平衡机构,采用三个位移传感器测量一个截面内的不平衡量,用相关分析法测量数据进行处理,得出不平衡量的大小和方向,利用集散控制系统交正不平衡量。     

XX-5A试验期间GPS观测到的电离层有源变态效应的实验结果分析

利用GPS双频接收机,能测量电离层总电子含量（TEC）及其变化。在XX-5A试验期间,GPS接收机监测到了火箭排出的"废气"所造成的电离层有源变态效应。测量结果表明,火箭废气形成了电离层"空洞"。而"空洞"的形成直接影响到弹道的电离层折射修正方法,进一步证明了电离层实时测的必要性。     

疫情防控下基于“互联网+”支撑的高职教师 自主专业发展策略研究

新冠疫情防控对高职院校正常的教学方式造成了冲击和影响,也为高职教师自主专业发展提供了新的契机。 以疫情期间高职教师大规模在线教学实践活动为研究对象,采用行动研究方法,边实践边总结,分析了疫情背景下教师自 主专业发展的影响因素,厘清了教师自主专业发展面临的机遇与挑战,提出了高职教师应不断强化自主发展和网络学习 意识,提升信息素养,在各种政策的支持下,充分利用“互联网+”提供的各类教育教学资源,不断提升专业发展水平。     

基于中心对齐多核学习的稀疏多元逻辑回归算法

稀疏多元逻辑回归(SMLR)作为一种广义的线性模型被广泛地应用于各种多分类任务场景中。SMLR通过将拉普拉斯先验引入多元逻辑回归(MLR)中使其解具有稀疏性,这使得该分类器可以在进行分类的过程中嵌入特征选择。为了使分类器能够解决非线性数据分类的问题,该文通过核技巧对SMLR进行核化扩充后得到了核稀疏多元逻辑回归(KSMLR)。KSMLR能够将非线性特征数据通过核函数映射到高维甚至无穷维的特征空间中,使其特征能够充分地表达并最终能进行有效的分类。此外,该文还利用了基于中心对齐的多核学习算法,通过不同的核函数对数据进行不同维度的映射,并用中心对齐相似度来灵活地选取多核学习权重系数,使得分类器具有更好的泛化能力。实验结果表明,该文提出的基于中心对齐多核学习的稀疏多元逻辑回归算法在分类的准确率指标上都优于目前常规的分类算法。     

用于肺炎图像分类的优化卷积神经网络方法

目前,卷积神经网络（CNN）开始应用在肺炎分类领域。针对层数较浅、结构较为简单的卷积网络对肺炎识别的准确率难以提高的情况,采用深度学习方法,并针对采用深度学习方法时常常需要消耗大量的系统资源,导致卷积网络难以在用户端部署的问题,提出一种使用优化的卷积神经网络的分类方法。首先,根据肺炎图像的特征,选择具有良好图像分类性能的AlexNet与InceptionV3模型;然后,利用医学影像特点对层次更深、结构更加复杂的InceptionV3模型进行预训练;最后,通过知识蒸馏的方法,将训练好的"知识"（有效信息）提取到AlexNet模型中,从而实现在减少系统资源占用的同时,提高准确率的效果。实验数据表明,使用知识蒸馏后,AlexNet模型的准确率、特异性与灵敏度分别提高了4.1、7.45、1.97个百分点,且对图像处理器（GPU）占用相比InceptionV3模型减小了51个百分点。     

基于三支决策的序列数据代价敏感分类算法

代价敏感分类区别于一般分类方法,更关注高代价类别的分类准确性而容忍全局分类的准确性。三支决策作为一种代价敏感分类问题的解决思路,缺乏对序列数据的支持。结合LSTM模型处理序列数据的能力,提出一种使用三支决策（3WD）改进的序列数据分类方法。方法经过LSTM网络对原数据进行粗分类;对分类结果进行整体代价评估;最终,对高风险分类进行延迟或拒绝处理。方法在4个数据集上进行了测试,并进行了2组对比实验。实验结果表明:本文方法在不改变LSTM模型的情况下,对LSTM模型的分类结果进行了代价区分。