PP/HGB复合材料熔体的挤出胀大行为

应用XNR-400A型熔体流动速率仪,在190～230℃及荷载P为1．0～8．0kg的范围内,考察了中空玻璃微珠（HGB）填充聚丙烯（PP）复合材料的挤出胀大行为．结果表明,在200℃下,挤出胀大比B随着剪切应力的增加而提高,两者之间大致上呈线性函数关系;当P为3．80kg时,B随着温度的升高而下降,两者之间基本上呈线性关系．在190℃时,B随着HGB体积分数（φf）的增加而呈非线性减小;当φf为10％,P为3．80kg时,B随着HGB粒径的增加而有所提高．     

瞬态工况下DPF温度特性的数值分析

在柴油机颗粒捕集器(DPF)使用的过程中,工况变换造成的排气热冲击会使其内部出现较大温度梯度,导致热应力破坏.为了避免DPF使用过程中的热应力破坏,以DPF为研究对象,利用对流传热原理建立了DPF温度传递模型,研究了入口流量、载体孔目数、载体长度和颗粒物沉积量对DPF温度特性的影响.结果表明:入口流量可以极大地影响DP...     

支持向量机的最大间隔和对偶性

最初出现的支持向量机理论是基于2类线性可分问题的.针对线性可分情况,研究表明线性硬间隔分类机的对偶问题与凸壳问题(平分最近点法)是等价的,线性硬间隔分类机的最大间隔与凸壳问题的2个最近点的距离相等:针对非线性可分情况,研究表明线性软间隔分类机的对偶问题与缩小的凸壳问题(推广的平分最近点法)是等价的,线性软间隔分类机的最大间隔与缩小的凸壳问题的2个最近点的距离相等.对支持向量机分类问题给出了直观解释.     

基于多活性代理的复杂信息系统研究

文中在系统理论指导下分析了信息系统（特别是在激烈对抗环境下,需要多种功能动态运筹发挥作用的复杂信息系统）的特点,提出了基于多活性代理的复杂信息系统研究方法．首先,给出了多活性代理方法的基本描述,初步得到了代理的“活性”表征及丧失的定性定量描述与分析,并从系统功能发挥剖面给出了多活性代理的基本动力学表征;其次,从系统自组织功能剖面给出了活性自组织机理的两集合模型;再次,给出了信息安全与对抗领域多活性代理复杂信息系统构建的功能模型,以及在此模型基础上多活性代理的3层次协商、协调模型;分析了基于Swarm群体结构的多活性代理复杂信息系统的3层次机理模型;最后,通过2个具体实例说明了如何利用多活性代理方法分析信息安全对抗领域复杂信息系统．多活性代理理论的提出将衔接应用基础层和应用层研究,对信息安全与对抗领域复杂信息系统的构建和分析提供基本的研究方法与理论支持．     

系统仿真在载人航天中的应用

探讨了系统仿真的各个发展阶段在载人航天中的应用,介绍了在航天员能力评估、研究空间运动病、训练及研究用模拟器等方面的应用情况,并提出重视方案论证阶段仿真,强调仿真的集成化和智能化以及拓展仿真应用的几点思考。     

基于组织机构图的改进RBAC模型

针对电子政务工作流系统的特点,在基本RBAC模型的基础上,引入了组织机构图和额外授权的概念,提出了改进的RBAC模型,并给出模型各要素的形式化描述．模型根据组织机构图划分出原子权限,借助拓扑集合完成角色的设置．在实现用户-角色和角色-权限的指派过程中,考虑了角色的继承,并给出模型实现过程中应该注意的原则．模型具有实现快捷和管理方便的特点,可以加快工作流管理系统的开发进程．并通过开发的办公自动化系统实例加以证明．     

基于音乐基因的乐谱存储模型

本文提出一种基于音乐基因的乐谱存储模型S-MusicXML.将乐谱的存储和处理的基本单位由音阶提升到基因,有利于通过数据挖掘技术对音乐内涵的挖掘和存储.定义了旋律基因等概念,并通过实验进一步分析了挖掘音乐基因比挖掘音乐频繁模式更有优势.     

导电高分子复合材料逾渗阈值的预测

逾渗阈值是表征导电高分子复合材料导电性能的重要参数之一,但是由于影响因素异常复杂,逾渗阈值的预测存在不确定性.文中从导电复合材料的微观角度出发,分析了导电高分子复合材料的逾渗行为及机理,并基于Flory的凝胶化理论和Bueche的无限网链模型,提出了一种新的预测导电高分子复合材料逾渗阈值φc的方法,最后将理论预测值与其它研究成果进行了比较分析.结果表明:由此方法计算得到的逾渗阈值更加接近高密度聚乙烯/碳黑导电复合材料的实验结果.     

不同放牧方式对典型草原草场植被变化的影响——以中蒙边境两侧对应嘎查为例

中蒙典型草原既是气候变化的敏感区又是生态系统的脆弱区,放牧是其主要的生产方式,而植被作为生态系统的关键指标,在不同放牧方式下有其独特的演替规律.因而探讨不同放牧方式下的草场植被变化,对草地植被恢复及生态畜牧业可持续发展有重要的科学意义.在基于遥感数据和地面样方调查数据基础上,利用像元二分模型和统计分析方法,分别对草场植...     

基于语义相似度改进的少样本终身主题模型

对于终身主题模型而言,先验知识的正确性对后续的建模任务起到了至关重要的作用.因此,提出了一种基于语义相似度改进的少样本终身主题模型SS-AMC(Semantic Similarity-AMC),利用BERT获取共现词对的词向量,计算其语义相似度,通过设置相似度阈值进而优化知识库中的先验知识,以提升少样本终身主题模型的性能.在中英文数据集上的实验结果表明,SS-AMC模型的主题一致性较基线模型有了明显的提升.