一种立体织机平行打纬机构的设计与优化

针对多层织物织造过程中,各层纬纱打纬力需保持一致以及需要减少钢筘与纱线之间摩擦的要求,提出八连杆平行打纬机构,并根据工艺要求对打纬机构进行优化。以打纬机构的主轴转动140°时,筘座在后心位置处的近似静止位移Δs最小为优化目标,通过Matlab软件分析确定设计变量,优化钢筘在后死心位置的近似停留时间。运动学仿真结果表明,优化后的打纬机构不仅保证了钢筘的打纬动程和其在后死心处的静止时间,而且增大了钢筘的惯性打纬力,有利于厚重织物的打纬。     

新晃再生稻的生长与气象条件分析

为充分利用气候资源,提高新晃侗族自治县(以下简称新晃县)粮食总产量,结合该县再生稻生长的实际生产情况,通过对新晃县国家一般站1981—2018年38年气候资料和具有代表性的5个区域站2018年气象资料进行分析、对比和研究。结果表明:①≥10℃、10～22℃的活动积温随站点海拔的升高而线性减少(已通过置信度为0.01的显著性检验);②新晃县低海拔地区(400 m以下),热量资源相对较多,是可以满足再生稻种植条件;③适宜该县再生稻生长的主要生育期时间可以安排为:4月上旬播种、7月上旬前季稻抽穗扬花、8月中下旬前季稻收割再生季发苗、9月上旬再生稻安全齐穗。     

喀斯特地区水土漏失监测方法评述

水土漏失具有隐蔽性、特殊性和复杂性,有效监测水土漏失是水土漏失研究的难点问题。通过对洞穴滴水示踪、~(137)Cs同位素示踪、模拟试验、数学模型等水土漏失监测方法的分析,得出以下结论:1)洞穴滴水示踪技术监测获得的水土漏失量普遍偏大;2)~(137)Cs示踪法在均质土壤条件下可以定量示踪土壤侵蚀,但还不能定量示踪非均质的喀斯特石漠化地区的水土漏失;3)水土漏失模拟试验可以揭示一定的水土漏失机理和规律,试验结论与自然界土壤地下漏失情况有一定偏差,实验结果还难以推广至流域尺度;4)当前已构建的地下漏失数学模型对于地下水土漏失的预测还不够准确,其原因是数学模型中的某个影响因子的获取难度不亚于直接监测水土漏失的困难。鉴于当前水土漏失监测方法的不足,需要从水文地质勘测的方法中寻找合理的水土漏失监测法,建立长期监测的机制,为有效防治和阻控地下水土漏失提供科学依据。     

高阶脉冲变时滞BAM神经网络的周期解

神经网络的诸多功能主要体现在其动力学特征中,而周期解问题则是其动力学行为研究中很重要的一部分.许多情况下,考虑神经网络的脉冲效应是必要而具有实际价值的.本文利用重合度理论中的Gaines-Mawhin延拓定理和微分不等式技巧,研究一类具脉冲干扰的高阶BAM神经网络模型的周期解问题,在要求激活函数有界的前提下,得到其周期解存在的充分条件.     

解决一类优化问题的变分迭代法

考虑利用变分迭代方法求解最优化问题,分别给出了求解一般的有约束和无约束最优化问题的基本步骤,并通过实例说明了所给方法的有效性.     

基于Dempster-Shafer证据理论的矿山遥感分类

本文分析了矿山用地的特点,利用Dempster-Shafter证据理论用信任区间表示判决结果的特点,计算地类不确定性分布图,以CBV为最大划分像元归属类别原则对遥感图像上的矿山用地进行分类.实验结果表明,D-S证据理论用于矿山用地分类的精度高于最大似然方法的精度.     

基于ESI的湖北省高校科技竞争力评价

基于ESI数据库，选取湖北省高校作为研究对象，分析各高校论文发表数量、被引情况、世界排名等，以期通过科技竞争力的研究，了解湖北省高校的整体实力，为决策者提供决策依据，提升湖北省高校的整体科研水平。     

价值敏感设计方法探析

价值敏感设计是一种基于人类价值原则与行为方式的技术设计方法。就其实践场域而言,价值敏感设计从计算机系统设计扩展至信息技术及其衍生领域,最终将应用于"会聚技术"的设计研发中。作为一种设计方法,价值敏感设计拥有前摄、互动、迭代和关涉利益相关者等显著特质。鉴于价值敏感设计以新兴技术为践行对象,其理论体系的建构是在技术设计案例中完成的。     

“零被引专利”就没有价值吗?——“零被引专利”在科学论文中的应用分析

 分析前人对零被引的研究成果发现，"零被引"的定义可能存在一定的局限，即只考察同类数据库中的引用情况。分析CSTPCD 2009-2012年的科技论文与引文发现，期刊论文引用了大量的技术专利。存在专利数据库中的"零被引专利"在科技论文中却有较高的引用次数。以其中1件"零被引专利"CN 01134280.3为例，从技术内容解读、10篇施引文献及其内容分析，展示了该项技术发明影响的研究主题，并通过文献调研解析了该项研究成果的工业化应用。基于钱学森的"基础科学-技术科学-工程科学"理论，探讨了使用较高科技论文引用次数的"零被引专利"及较高专利引用次数的"零被引论文"定量分析技术科学的可能性。     

基于变量选择-神经网络模型的复杂路网短时交通流预测

摘要： 针对传统交通流预测模型正在由单断面历史数据处理向多断面、多时刻历史数据处理转变,但在考虑各断面间的影响时,多变的交通状况往往会使预测模型复杂化的问题,引入一种多元线性回归最小绝对收缩和选择算子方法(Lasso),并利用其优秀的变量选择能力,在复杂路网多断面中选出相关性较高的断面；结合神经网络(NN)的非线性特性,提出了Lasso NN组合模型.结果表明：Lasso NN模型在路网交叉口对未来15 min交通流数据预测的误差率低于9.2%；在非交叉口的误差率低于6.7%,总体优于各自单独使用得出的结果.