非均匀介质下的可调光流控器件及其生化应用

 探讨了非均匀介质下不同光流控器件及其生化应用。在微流控芯片上，主要从2个方面开发和实现各类具有光波导、透镜、细胞计数、化学检测等功能的新器件。首先，在液液非均匀介质下，通过调节沟道内液体流速，控制液体间的对流扩散来实现液体在微腔内的渐变折射率分布和阶跃分布，从而得到其特殊的光学特性，例如光束分离、弯曲、自聚焦等。其次，在固体非均匀介质下，利用特殊的微流结构与液体相结合，实现更加灵敏可调的新型探测手段。这些新型技术手段分别在生物传感、能源生产、细胞探测及海水检测等诸多应用中可发挥关键性作用。     

数控仿真中切削面计算的并行化研究

针对高离散精度模型与刀具包围体进行切削计算的情况,由于三维图像重建的计算量大,基于传统CPU实现的数控加工仿真系统不能满足实时性的三维绘制。本文利用GPU的并行性特点,提出并行方式数控仿真切削面显示算法:通过线程并行处理基于MC算法的实体构造模型中体素与刀具包围体的切削计算,根据切削后体素角点信息和边的状态查找建立的构型索引表和交点数目索引表,加速数控仿真切削面的提取,从而提高三维图像的绘制速度,满足实时性显示要求。     

基于变分不等式的多商品流供应链网络模型

针对多商品流的供应链网络均衡问题，考虑电子商务对供应链网络的影响，得到了制造商、零售商及需求市场的均衡条件，利用变分不等式形式把供应链网络均衡模型表述出来，得到了系统均衡的模型，利用拟牛顿法，得到了具多商品流的供应链网络均衡模型的求解方法。 用具体的数值算例验证了模型的合理性。
     

探究式在《仪器分析》课堂教学中的实践

为了提高《仪器分析》课程教学质量,该研究在环境工程与制药工程专业的《仪器分析》课程中分别采用了两种教学模式:一种是"填鸭式"的教学,老师讲学生听;另一种是探究式,引导学生对一些知识点进行探索.后者这种教学活动过程包括:设问质疑,做出猜测或假设、交流,得出初步结论.通过一学期的实践与比较,发现探究式的教学效果比传统讲授的教学效果要优越.     

高静态动作压力下粉尘爆炸泄放标准的可靠性

粉尘爆炸泄放设计标准的可靠性对能否实现爆炸防护尤为关键.以中径70μm石松子粉尘为介质,采用20 L球形粉尘爆炸装置进行了4种泄放口径、静态动作压力在0.12~0.6 MPa的爆炸泄放实验,对比了实验值与NFPA 68和EN 14491计算值.结果表明,NFPA 68在预测高静态动作压力下的泄放面积时,随着泄放口径的增大,预测结果由保守变为危险,但预测结果精度较好且数值稳定;EN 14491在预测高静态动作压力下的泄放面积时非常保守,预测精度较差,数据不可靠.依据两种标准推荐的经验函数关系,分析了NFPA 68和EN 14491在预测高静态动作压力时产生这种差异的原因.     

普通话在线游戏学习系统的研究与应用

针对希望进一步掌握普通话口语学习的外国学习者,该研究提出了一种普通话游戏学习系统.系统的学习模式结合了计算机技术和语言学研究成果,打破了传统的教学模式的限制,对学习者进行实时评测,提供学习报告与口语学习的最终评定结果.结果表明,该系统能够较为有效地辅助外国学习者的普通话口语学习.     

基于交通信号灯信息的混合动力汽车节能预测控制方法

针对传统混合动力汽车控制方法不考虑已知道路交通信号灯信息对车辆能量管理影响的问题,提出了基于交通信号灯信息的混合动力汽车节能预测控制智能优化策略。通过建立混合动力汽车系统的简化模型,并采用连续广义最小残量方法求解模型预测控制问题。运用MATLAB/Simulink进行仿真,仿真结果验证了交通信号灯信息模型的有效性,以及所设计的模型预测控制算法大幅度提高混合动力汽车的燃油经济性的能力和实时控制性能。研究结果表明所提出的控制策略可以实现车辆行驶轨迹的优化控制,显著提高了车辆的燃油经济性,并满足系统的实时最优控制要求。     

"医疗器械"一词的英译与思考

近年来,随着国内医疗器械领域的创业公司不断兴起,“医疗器械”一词被广泛使用于公司名称注册、内容介绍、网站宣传及产品使用说明等方面,而其英译名却五花八门,没有统一的标准。文章通过数据采集、实例分析来辨明“医疗器械”各种英译的区别,旨在为广大译者提供有关该词的英译思路。     

一种自适应步长的复合梯度加速优化算法

自适应步长加速(Adam)类算法由于其计算效率高、兼容性好的特点，成为近期相关领域的研究热点.针对Adam收敛速度慢的问题，本文基于当前梯度、预测梯度以及历史动量梯度，提出一种新型Adam类一阶优化算法——复合梯度下降法(C-Adam)，并对其收敛性进行了理论证明.与其他加速算法的区别之处在于，C-Adam将预测梯度与历史动量区别开，通过一次真实的梯度更新找到下一次迭代更精准的搜索方向.利用两组常用测试数据集及45钢静拉伸破坏实验的实验数据对所提算法进行验证，实验结果表明C-Adam与其他流行算法相比较具有更快的收敛速度及更小的训练损失.