构件技术在可视化精确度描述中的应用

三维可视化是目前的一个研究热点问题。文中对“Linux环境下的基于构件技术的真实感可视化开发平台”进行了研究,分析了软件的复用中存在的较高层次的抽象与建造一个可交互的虚拟环境下,精确描述可视化时所需要的图形图像处理的最低层的技术之间的矛盾,及在对通用三维应用程序的功能特点进行分析的基础上,提出通过抽取出其中核心的类库,用构件的形式实现这些类库,从而形成一个通用的三维开发包,建造一个二次开发平台,为快速开发三维应用程序提供关键技术的支撑。     

塑壳式断路器中导电系统的焊接应用

为使导电部件接头处有良好的导电性能，减少零件间接头电阻，提高接头强度，本文从设计的角度阐述了塑壳式断路器导电系统零件的焊接加工，包括焊接方法、接头方式、电极的选用、钎料与钎剂的使用及整个导电系统零件焊接加工工艺中的应用过程。     

中国纺织品服装出口误差修正模型

利用误差修正模型分析我国纺织品服装出口与国际、国内经济间的长期与短期均衡关系，确定影响中国纺织品服装出口的重要因素。     

弹性体/无机纳米粒子改性不饱和聚酯的研究

综述了近年来弹性体、无机纳米粒子以及弹性体/无机纳米粒子复合改性不饱和聚酯的研究进展,着重介绍了弹性体对不饱和聚酯的改性机理,Ti2,Al2O3和蒙脱土等对不饱和聚酯基的改性.以及不饱和聚酯/聚氨酯有机蒙脱土纳米复合材料.     

天然生物防腐剂溶菌酶的改性研究进展

溶菌酶是一种专门作用于微生物细胞壁的糖苷水解酶,作为天然生物防腐剂可广泛用于食品、医药和日化用品等领域.但是,天然溶菌酶为非广谱抗菌剂,主要作用于革兰氏阳性细菌,在于能够水解细胞壁的主要成分肽聚糖,而革兰氏阴性菌细胞壁中肽聚糖含量很少,且被一层较厚的脂多糖类物质所覆盖,所以对革兰氏阴性细菌几乎没有作用.一些学者通过改性研究以实现天然溶菌酶对革兰氏阴性细菌的杀灭或抑制作用.文中概述了国内外对溶菌酶的化学改性、生物改性以及物理法超高压改性的研究进展,分析了不同改性方法的效果、优点与不足,并对应用前景进行了展望,拓宽天然溶菌酶的抗菌谱和使用范围,对天然溶菌酶改性研究和作为广谱抗菌剂的使用提供了重要依据.     

一花一叶总关情 ——谈作品《山茶双栖》的创作

为揭示玉雕花卉题材创作的精要,笔者以多年玉雕花卉创作经验为依托,以作品《山茶双栖》的创作过程为实例写成本文.结合创作实践,探讨玉雕花卉创作的工艺技法与意境表达,结果表明感人的玉雕作品是要作者倾注感情去探索的,在加强玉雕技法探索的基础上,必须在意境表达上倾注心血,才能创作出有灵魂的玉雕作品.     

300MW火电机组增加厂用电系统的仿真研究

介绍了３００ＭＷ火电机组仿真厂用电系统的建模技术及其意义,论述了仿真对象及仿真范围。对系统设计具体实现中的厂用电系统各段负荷计算,厂用电系统各段母线电压计算,盘台设计及故障设置作了介绍。盘台设计分软件和硬件两部分,内容包括厂用控制盘设计、主控盘设计等。厂用控制盘台采用ＳＯＦＴ技术实现。故障的设置由于受仿真机现有的整体模型的影响,只考虑了与机组本身运行相关的故障。这些功能的增加完善了仿真机的培训功能     

聚氨酯/有机蒙脱土杂化物改性不饱和聚酯的制备与表征

采用聚合物熔融插层方法制备了不饱和聚酯(UPR)/热塑性聚氨酯(TPU)/有机蒙脱土(OMMT)纳米复合材料。红外光谱显示,OMMT与熔融的TPU之间发生了强烈的相互作用。X射线衍射结果揭示,在剪切作用下TPU能进入OMMT层间,形成的杂化物的层间距比OMMT的层间距增大了1.31 nm;在固化过程中,由于聚合热效应,OMMT层间距被进一步撑大;差热扫描量热分析结果表明,固化前后都只有一个Tg,组分间相容性较好,OMMT的加入可以提高体系的Tg。热重分析结果表明,同时加入聚氨酯和OMMT能对复合材料的热稳定性起到协同效应。扫描电镜和透射电镜观察到,TPU和OMMT在复合材料中分散良好。     

乳液法制备聚合物纳米复合材料研究进展

介绍了近年来国内外学者采用微乳液聚合、常规乳液聚合、种子乳液聚合 ,核壳乳液聚合、辐射乳液聚合、可聚合的乳化剂和聚合物乳化剂聚合等多种乳液聚合法制备聚合物纳米材料所作的研究工作。     

基于Informer的电池荷电状态估算及其稀疏优化方法

准确估计电池荷电状态（State Of Charge,SOC）是延长电动汽车电池使用寿命,确保电动汽车行驶安全的重要基础.传统的深度学习估计方法存在并行化计算效率不高、训练时间长的问题.为此,利用基于自注意力机制的Informer模型来估计电池SOC.其降低了传统自注意力机制的时间复杂度、提高了硬件使用率、降低了训练时长,与其他深度学习方法相比估计更准确.然而Informer模型仍然存在体量大及参数冗余的问题,故提出稀疏优化方法 .利用基于彩票假设的幅值迭代剪枝方法对Informer进行稀疏化处理,突出主导注意力特征,实现了在降低参数冗余的同时提升模型估计精度.在室温下,提出的稀疏化Informer模型估计电池SOC的平均绝对误差和均方根误差分别达到0.285 8%和0.383 0%,相比于Informer模型在平均绝对误差指标上估计精度提升了25%.并验证了其具备估计不同类型锂电池SOC的泛化能力.与循环神经网络、卷积神经网络这类传统的深度学习模型相比,本模型进行电池SOC估计时训练速度更快,估计准确性和稳定性更高.