双横臂独立悬架转向梯形机构断开点的优化

利用D-H坐标系建立双横臂独立悬架四杆机构各杆的杆坐标系，求出各个杆坐标系之间的转换矩阵，对双横臂独立悬架进行位移分析，确定车轮跳动时前束变化量的关系式，同时考虑汽车在转向时，内外车轮转角应尽可能地符合Ackerman转向几何条件。综合这两个关系求得转向梯形断开点位置的确定方法、通过实例验证了这个方法的有效性。此法简单明了，易于编程。     

独活属药用部位的解剖学研究

对四川独活属13种植物进行了解剖学研究，根据独活属植物根的次生韧皮部远比次生木质部发达的特点，确定独活属植物的根是典型的贮藏型根，研究结果表明：分泌道存在于中柱鞘和次生韧皮部，而不存在于次生木质部和周皮，根部分泌道的数量与药用价值相关。接受独活属植物中分泌道丰富的独活H．hemsleyanum、短毛独活H．moellendorffii、平截独活H．vincinum、自亮独活H．candicans、永宁独活H．yungningense等种为独活属主要的药用植物。     

正丁醇在稀水溶液表面上吸附的热力学研究

在300．2-308．2K温度区间内，用表面张力仪测定了正丁醇稀水溶液的表面张力随其浓度的变化．应用热力学方程计算体系的表面过剩熵，表面过剩焓，及Gibbs吸附量和正丁醇分子的平均截面积．同时讨论了正丁醇与表面活性剂(十六烷基三甲基溴化铵，CTAB)相互作用的热力学原理，并希望能为助表面活性剂的选择、使用提供理论依据．     

控制冷却对CSP低碳锰钢组织和性能的影响

利用Gleeble1500热模拟机测定了薄板坯连铸连轧EAF-CSP工艺生产的低碳含锰钢经奥氏体区二次变形后的CCT曲线.实验钢含有0.17%C,1.21%Mn和0.28%Si(质量分数).研究表明:提高热轧后的冷却速度使Ar3温度降低,导致试验钢的晶粒进一步细化;冷速大于20℃/s时,出现贝氏体和铁素体的混合组织,可降低钢的屈强比;790℃终轧,550℃卷曲时出现铁素体/珠光体带状组织,提高冷速使溶质(如Mn和C)富集区在形成珠光体之前完成奥氏体-铁素体相变是避免生成铁素体/珠光体带状组织的有效方法.     

近岸海域污染物迁移转化的三维水质动力学模型

以研究近岸海域环境中多组分的水质动力学模型为目标,在分析近海环境中各种物理、化学和生物过程的基础上,针对这种多因素作用下的复杂过程,将污染物扩散输移的湍流模型与多组分污染物的生物、化学转化模型相结合,建立了统一考虑物理、化学和生物过程综合作用的近岸海域多组分三维水质动力学模型,模型可同时模拟水温、盐度、悬浮固体、大肠杆菌、生化需氧量、溶解氧、有机氮、氨氮、硝酸盐氮、亚硝酸盐氮、藻类、腐植质以及营养物质氮、磷、硅等多个水质状态变量及其相互作用,成功地应用于近岸海域的水质模拟.为海域环境影响评价、环境规划、环境管理、污染控制及综合防治等提供科学依据和可靠的手段.     

血涂片中出现有核红细胞的临床意义

目的观察血涂片中出现有核红细胞的病因及临床意义，方法新鲜血片经瑞氏，姬姆萨染色，光学显微镜镜检，结果100例血片中出现有核红细胞的病例分布于12种疾病中，结论：观察血片中有核红细胞的形态，对某些疾病的诊断有重要的临床意义。     

基于特征图叠加的脱机手写体汉字识别

采用深度学习方法处理脱机手写体汉字识别问题,提出一种改进的卷积神经网络结构.不同于传统的层与层依次连接的方式,新的结构中将当前层与前一层的特征图进行叠加后共同作为输入进入下一层.与以往结构相比,该卷积神经网络结构缓解了梯度消失的问题,减少了参数数量,且更有效地保留了汉字的细微结构特征.在ICDAR-2013脱机手写体汉字识别竞赛测试集上的实验结果表明,该结构可以在减少模型参数的情况下得到较高的识别准确率.     

云安全风险评估度量模型

针对云计算环境下安全风险评估问题,从与云计算相关的政策法规、管理和技术三个层面出发,建立云安全风险评估指标体系。融合德尔菲法、模糊层次分析法、模糊综合评价法构建云计算环境下安全风险评估度量模型。风险实例评估度量结果表明该度量模型对于云计算环境下的安全风险评估能提供有效的量化评价依据。     

一种矿用动力电池电压高精度监测的方法

随着锂离子动力电池应用技术的快速发展,其逐渐在煤矿井下得到应用。针对煤矿井下锂离子动力电池组各单体工作特性不一致,导致的电池组效率低、寿命短、安全性差等问题进行了研究。实践表明,应用LTC6804对动力电池的电压进行高精度监测,使得电池管理系统管理更加安全、节能和环保,SOC估值更加准确,并且可以提高电池组的使用效率和延长其寿命。     

卷积神经网络声学模型的结构优化和加速计算

将卷积神经网络(convolutional neural networks,CNN)声学模型应用于中文大词表连续电话语音识别任务中,分析了卷积层数、滤波器参数等变量对CNN模型性能的影响,最终在中文电话语音识别测试中,CNN模型相比传统的全连接神经网络模型取得了识别字错误率1.2％的下降.由于卷积结构的复杂性,常规的神经网络加速方法如定点量化和SSE指令加速等方法对卷积运算的加速效率较低.针对这种情况,对卷积结构进行了优化,提出了2种卷积矢量化方法:权值矩阵矢量化和输入矩阵矢量化对卷积运算进行改善.结果表明,输入矩阵矢量化方法的加速效率更高,结合激活函数后移的策略,使得卷积运算速度提升了8.9倍.