模拟研究和设计高强度低生热聚合物复合材料

利用分子动力学模拟方法研究聚合物复合材料中填料分布、聚合物链性质和体系微观结构对力学强度和动态滞后生热性能的影响.研究结果表明,提高填料分散程度和减少聚合物链末端数量都能有效降低聚合物复合材料的动态滞后生热,聚合物复合材料的力学强度和动态滞后生热随分子链刚性的增加而增加.但是,刚柔嵌段共聚体系的力学强度,在高拉伸状态下,甚至会优于全刚性聚合物体系.在前述研究基础上,笔者设计了一款以填料颗粒为交联点、刚/柔环状链段互穿的三维网络结构复合体系.研究结果表明,新型复合材料与传统聚合物相比,力学性能最高提升640％,生热性能降低40％.模拟研究结果期望能为分析聚合物复合材料的生热机制、设计兼具高力学强度和低生热性能的聚合物复合材料提供理论指导和新的思路.     

青光眼生物力学研究进展

 青光眼是全球第一位不可逆性致盲眼病，高眼压是视功能损伤的主要危险因素，降眼压是目前青光眼治疗的主要手段。生物力学问题是青光眼致病机制、预防和治疗研究的重要内容。小梁网房水外流阻力增大是眼压升高的主要因素，眼压升高将导致虹膜变形、瞳孔阻滞、眼前房房水流场改变、视神经纤维层及筛板厚度变薄、视功能损伤等。本文从眼压测量、房水流场测量、视功能损伤等方面综述了近年来青光眼生物力学的研究进展。     

定期保障模式下舰船编队携行备件配置优化

舰船编队海上任务期间,需要制定合理的携行备件方案以提高装备的战备完好性.针对海上定期保障模式下,将多层级复杂装备结构等效为单层级,提出一种备件需求分析与配置优化的近似方法,根据系统可靠性理论,建立了多阶段任务下的装备可用度评估模型,采用基于补给周期的分段求解方法.通过算例,采用边际优化算法得到携行备件优化方案,对模型结果进行了仿真验证,结果表明:模型计算结果与仿真结果吻合,两种取整方式下的方案费效比相当,采用定期保障模式能够提高备件供应效率,进一步增强备件方案的鲁棒性.     

2018年天文学热点回眸

 天文学是一门以观测为基础的学科，其发展主要依靠观测和数据的支持。基于SAO/NASA Astrophysics Data System天文物理学数据系统中高被引文章并结合热点新闻报道，回顾了2018年天文学热点的进展和发现，以观测和基础研究、仪器研制及工具开发两大方面论述了2018年天文学研究热点。     

高等职业教育产教融合政策工具 分类及优化路径--基于2010—2019年国家政策文本的量化分析

产教融合是现代职业教育体系构建的重要内容,政府应采取有效的政策工具加以推进。基于政策工具分类视角,将我国国家层面颁布的高等职业教育产教融合政策划分为供给面、需求面和环境面3类政策工具。通过对2010—2019年69份313条政策文本的量化分析,可视化展示3类政策工具占比情况。结果显示:供给面政策工具占据主导地位,需求面政策工具功能彰显,环境面政策工具作用稳定,但也存在供给面政策工具投入长、压力大,需求面政策工具引导多、示范少,环境面政策工具执行力不足、落地难等问题。“十四五”时期,需要以精准改革为核心完善供给面政策工具,借助其示范性引领作用促进产教双方深度融合,打破组织性壁垒,加大环境面政策执行力度。     

基于已实现半协方差的投资组合优化

在传统的风险度量方法中,常见的协方差估计量并未区分资产收益的下侧风险和上侧收益,而一般的下偏矩估计量则存在非对称性和难以加总的缺点.本文引入已实现半协方差矩阵(RSCOV)作为风险度量进行波动率预测和投资组合研究.本文将RSCOV应用于两种常见的风险分散投资策略—风险平价(ERC)策略和全局方差最小(GMV)策略,并将机器学习中的在线加权集成(OWE)算法用于提升已实现波动率预测方法HAR-RV的样本外预测表现.通过研究发现,相比起已有的其他风险衡量方式,仅包含负向波动信息的下半RSCOV能够更好地被用于平衡组内各资产的风险贡献.基于A股市场2011-2018年的高频数据,本文通过实证研究发现,OWE-HARRV在月度预测步长下的效果优于HAR-RV,而下半RSCOV则能够使ERC策略以及GMV策略在保证一定平均收益的同时,降低了组合收益的极端损失.     

人体足底-蹦床接触动压力实验研究

为了在提高蹦床运动成绩的同时避免蹦床运动员在训练和比赛中受伤,需要了解运动员在触网过程中足底的受力状态与压力分布规律。本文通过实验研究方法,对两名运动员在蹦床上的运动过程进行了人体足底与蹦床接触压力的实测,测得了运动过程中的足底的动态压力分布。进而通过实验数据分析,获得了运动员和蹦床接触瞬间足底的动态压力分布规律。研究结果表明,蹦床运动过程中运动员的足底在接触瞬间产生的最大动压力可达其静态压力的4-5倍,因此在蹦床运动中防止足底接触动压力损伤是十分必要的。     

需求推断差异下供应链成员的运营决策机制

供应链终端随机需求的分布不确定时，制造商和零售商将根据各自掌握信息推断需求分布。若零售商不与制造商分享历史需求数据，制造商将根据零售商的历史订单数据进行需求推断。分析了制造商是否有历史需求数据时的价格决策、零售商相应的订购决策，以及供应链成员之间需求数据分享决策。结论显示：制造商根据零售商订单数据推断的需求过高时，将制定较高的批发价格；零售商的期望利润将比与制造商分享需求数据时少，零售商与制造商共享终端需求数据的可能性较大。进一步分析了激励供应链成员分享需求信息并增加供应链利润的协调机制。