奶畜应喂多汁饲料

多汁饲料有根茎类（如甘薯、马铃薯）、直根类（如胡萝卜）和瓜类（如南瓜）之分。它以含水量大、干物质中糖和淀粉多、维生素丰富、适口性好、消化率高，成为奶畜最爱吃的必备饲料之一。现就是常见的多汁饲料的利用方法介绍如下。     

谈电工类技能教学中学生综合能力的培养

在电工类技能教学中，应当加强对观察能力、思维能力、探索能力、创新能力、总结能力、适应能力的培养。     

锂原子基态能量的计算

用里兹变分法，通过数值计算，求出锂原子的基态能量，结果和实验符合较好。     

基于模糊C均值聚类的二维直流电阻率与射频大地电磁联合反演

为结合直流电阻率（direct current resistivity, DCR）与射频大地电磁（radio-magnetotelluric, RMT）法反演优势,开展了二维DCR与RMT数据联合反演研究。在经典最小结构模型正则化的基础上,采用平衡算子调节两个数据间的权重,引入模糊C均值（fuzzy C-means, FCM）聚类对电阻率模型进行约束,根据数据均方根误差自动调整FCM聚类项的权重,提高了联合反演效果。通过单独反演与联合反演结果的对比,分析了两种方法的反演能力,总结了联合反演的优势。模型试算表明,DCR与RMT数据联合反演得到的电阻率模型较单独反演更接近实际模型,FCM聚类约束的应用可进一步提高联合反演的效果。     

基于FAHP-ICV的燃气管网风险评估方法

可靠的风险评估结果有助于提升燃气管网安全管理水平。该文提出一种基于模糊层次分析和改进变异系数(FAHP-ICV)的燃气管网量化风险评估方法。结合某省燃气管网实际情况构建了包含3个一级指标、 9个二级指标的燃气管网风险评估指标体系。采用FAHP与ICV相结合的组合赋权法确定指标的综合权重,基于统计学中K-means聚类、抽样技术及概率分析方法对指标评分分值进行调整,结合专家经验确定评分标准。采用线性综合评估方法计算管段相对风险值,实现风险排序及风险分级。以某省12个城市燃气数据为基础验证了该方法的可行性与适用性。该方法提升了燃气管网量化风险评估的客观性与准确性。     

CuO/MIL(Cr,Cu)复合材料的制备及其类芬顿催化降解苯酚性能研究

采用水热煅烧法合成CuO/MIL(Cr, Cu)非均相类芬顿催化剂,对CuO/MIL(Cr, Cu)复合材料进行了XRD、FT-IR、SEM、XPS、BET等表征,结果表明CuO均匀分散在金属有机框架MIL(Cr, Cu)的表面。对不同催化剂催化降解苯酚的性能进行比较。结果表明,当催化剂用量为0.3 g/L,H₂O₂浓度为50 mmol/L,pH=6,初始底物浓度为30 mg/L时,CuO/MIL(Cr, Cu)复合材料对苯酚的降解效果可达100%,降解效果优于CuO、MIL-101(Cr)。通过自由基猝灭实验和EPR测试等证明·OH是催化体系主要的活性自由基,并给出其可能的催化降解机理。CuO/MIL(Cr, Cu)复合材料可在近中性条件下降解酚类污染物,具有良好的应用前景。     

类乘法半模和类余乘法半模

作为类乘法模和类余乘法模的真推广,引入了类乘法半模和类余乘法半模的概念.设S是交换半环,M是S-半模.若对M的任意非零子半模N,有Ann_S(M)?Ann_S(M/N),则称M是类乘法S-半模;若对任意真subtractive子半模N,有Ann_S(M)?Ann_S(N),则称M是类余乘法S-半模.讨论了类乘法半模与类余乘法半模的性质;证明了M是次S-半模当且仅当对M的任意真subtractive子半模N,Ann_S(M/N)=Ann_S(M)当且仅当P=Ann_S(M)是S的素理想且M是可除S/P-半模;证明了类乘法半模是semi-hopfian半模且类余乘法半模是semicohopfian半模.     

自主式交通系统功能架构优化密度峰值聚类算法

自主式交通系统(autonomous transportation system, ATS)是为应对主动式智慧交通发展趋势而提出的新一代交通系统。为科学合理地构建ATS功能架构,提出了一种面向多属性文本的优化密度峰值聚类算法(density peaks clustering, DPC)。该算法结合交通系统功能架构的基本特征,通过改进的词频-逆向文档频率算法与文本向量空间模型,将多属性文本转化成空间维度坐标。再利用高斯函数和决策值优化DPC算法进行聚类,并结合轮廓系数对聚类结果进行评价。为了检验算法的合理性,在ATS道路自动驾驶场景下,基于道路载运工具运行服务域、交通基础设施管理服务域和交通安全管理服务域的功能数据集进行了算例分析,依据聚类结果绘制功能架构图。架构图由自主感知-自主学习-自主决策-自主响应4层构成,验证了ATS应用场景中功能架构优化算法的可行性和合理性。算例结果表明：该算法的构建具有鲁棒性,算例轮廓系数整体均值为0.84,与原算法相比解决了聚类过程中聚类中心难以划定的问题;与原智能交通系统中的各架构设计相比,该功能架构更具有层次性和逻辑性。该优化算法能够促进新一代交通系统...     

基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。     

基于三支决策的密度敏感谱聚类

将三支决策与密度敏感谱聚类结合,提出了一种基于三支决策的密度敏感谱聚类算法。该算法通过在密度敏感谱聚类的聚类过程引入容差参数得到每个类的上界,然后通过扰动分析算法从上界中分离出核心域,上界和核心域的差值被认定为该类的边界域。聚类结果用核心域和边界域来表示每个类簇,可以更全面地展示数据的结构信息。与传统的硬聚类算法在UCI数据集的实验结果相比较,本文使用核心域计算聚类的评价指标DBI、AS和ACC都有所提升,较好地解决了不确定性对象的聚类问题。