专家系统技术在注塑模故障诊断中的应用

论述了用人工智能技术对模具故障进行诊断和确定对策的原理和方法。对模具在工作中常遇到的与模具制造、工艺条件及塑料材料有关的问题及相应对策进行了归纳整理，组成了模具诊断与维修知识库。收集了常用工程塑料的各种有关成型工艺条件和主要性能，建立了塑料材料数据库。采用正向推理控制策略搜索知识库，并将推理结果与理论计算结果进行对比校验，最后确定出模具工作中出现故障的原因，并输出相应的解决办法和建议．     

实空间上的闭子集与相似包含关系

Paul Frdos曾提出如下关于实直线R的问题：是否对R的每一个无限子集X，都存在一个具有正测度（Lebesgue测度）的闭子集E，使得E的任何子集都不相似于X（E的任何子集都不与X线性同胚）。1984年，Falconer证明了如下结论：对于一个满足limxn=0和linxn 1/xn＝1的单调递减的正实数列{xn}，Erdos问题有一个部分肯定的解答。本文将证明：上述关于数列的条件可以替换为更一般的（弱一些的）条件。最后把本文的相应结论推广到有限维欧氏空间R^n中。     

Au吸附在GaAs（110表面的研究

研究了Au吸附在GaAs(110)表面的吸附构型,并计算了表面态密度和表面能带结构.计算结果表明,可以认定Au与Ga的悬挂键杂化成键,从而引起2条附加的能带,一条位于禁带之中,距价带顶为0.9ev;另一条与价带共振,离价带顶为0.7ev,所得结果与实验结果相一致.     

工业CT重建图像中边缘梯度效应引起的高频伪影

为研究伪影对大型工件内部密度锐变区域高对比度微小缺陷检测的影响,从一个简单的轴对称断层模型出发,计算了边缘梯度效应引起的通过物体内部不同材料交界面处的射束的投影偏差。并研究采样相位的影响,探讨了由此偏差引起的重建图像中的高频伪影的表现形式。计算结果表明,高频伪影具有相当的强度,且具有与缺陷相似的表现形式,从而影响工业CT的检测能力。结合点扩散过程,高频伪影强度的计算为评估工业CT边缘处的缺陷检测能力提供了理论依据。     

浅谈人工挖孔桩

分析了人工挖孔桩施工中遇到的问题(如水、溶洞、淤泥层、流砂),并提出了相应的处理措施。     

论辅助生殖技术引发的伦理问题及其应对机制

简单介绍了辅助生殖技术,分析了辅助生殖技术引发的伦理问题,提出了应对这些伦理问题的机制。     

关于湿陷性黄土试验方法的初步探讨

文章介绍了黄土湿陷性试验的两种试验方法,对黄土湿陷机理作了简要分析,并对双线法的误差及其修正进行了讨论。     

Samples Selection for Artificial Neural Network Training in Preliminary Structural Design

An artificial neural network (ANN) is applied in the preliminary structural design of reticulated shells. Major efforts are made to enhance the generalization ability of networks through well-selected training samples. Number-theoretic methods (NTMs) are adopted to generate samples with low discrepancy, i.e.uniformly scattered in the domain, where discrepancy is a quantitative measurement of the uniformity. The discrepancy of the NTM-based sample set is 1/6-1/7 that of samples with equal spacing. In a case study,networks trained by NTM-based samples are compared with those trained by equal-spaced samples in generalizing performance. The results show that both the computational precision and stability of the former ANNs are more satisfactory than those of the latter. It is concluded that the flexibility of ANNs in generalizing can be effectively increased by use of uniformly distributed training samples rather than simply piling data.More reliable uniformity should be obtained, however, through NTMs instead of equal-spaced samples.