齿轮传动的磨损自修复

研制适用于钢/钢摩擦副的含软金属Sn,Zn粉体的自修复润滑剂,在摩擦磨损试验机上考察该润滑剂的修复性能和摩擦学性能,用ANSYS软件仿真计算齿轮传动的齿面接触应力.研究结果表明,研制的Sn-Zn修复润滑剂可在钢表面摩擦形成修复层,在不同载荷下有良好的减摩和抗磨性能.仿真计算结果显示,该修复润滑剂可使修复齿面的接触应力降低16.7%.     

闽南地区软粘土灵敏度试验及分析

福建闽南地区海相沉积的软粘土的灵敏度较高,一般在4~8之间,属中、高结构性土,施工扰动会对土的性质带来很大影响,在设计和施工中应设法减少对土层的扰动.文中通过灵敏度试验,评价闽南地区软粘土的结构性.结果表明,应根据工程性质、施工方法及场地工程地质条件,来综合考虑软粘土的抗剪强度参数.     

全球化背景下的文化软实力竞争与大学生民族精神教育

民族精神作为民族文化的精粹和核心部分,是一种重要的软实力,在全球化背景下的综合国力竞争中其地位凸显,已成为综合国力竞争的决定性因素。高校是传承民族精神的重要载体,在弘扬和培育民族精神及对大学生进行民族精神教育方面具有特殊地位和重要作用。面对全球化背景下综合国力竞争的新态势,高校应加强对大学生进行民族精神教育,在大学生中弘扬和培育中华民族精神,这对于提升我国综合国力尤其是文化软实力具有重大战略意义。     

现场可编程门阵列在异步电动机软起动及节能方面的应用

介绍了现场可编程门阵列（ＦＰＧＡ）器件在异步电动机软起动及节能控制中的设计和实现方法,并就ＦＰＧＡ的特点、电子设计自动化（ＥＤＡ）环境下的设计流程等问题进行了深入的讨论．仿真结果证明,该方案具有良好的软起动和节能效果．     

软土路基微结构扫描电镜图像的分形

根据分形模型的构造方法,提出了用于描述软土孔隙变化的孔隙度分维、孔隙分布分维和孔隙边缘形状分维,并以珠江三角洲地区某高速公路软土路基加固为例,用分形维数对土体扫描电镜(SEM)图像进行分析。研究发现,加固后3种分形维数均有不同程度降低,表明加固后孔隙的分布面积减小,结构单元体之间排列紧密,孔隙尺寸分布趋于均匀,孔隙边缘形状变得规整光滑。结果表明,软土中孔隙分布及形状具有分形特征,不同的分形维数,可以从不同角度反映土体的加固效果及力学特性变化。     

应变空间的软岩统一弹塑性软化本构模型

为使以拉为正的统一强度理论表达式适用于岩土工程界以压为正的习惯表达，首先将以压为正的单向压缩和单向拉伸试验条件代入统一强度理论表达式，确定了相关参数，建立了以压为正的统一强度理论表达式，该表达式考虑了材料拉压不等及中间主应力的影响．将所建立的统一强度理论表达式引入应变空间，针对一种硅藻质软岩材料，利用基于应变空间的弹塑性本构方程对软岩的软化模型进行了分析和探讨，建立了应变空间表述的三轴状态下的弹塑性本构关系式，并结合硅藻质软岩的三轴试验结果进行了数值模拟分析，结果表明应变空间的统一弹塑性软化本构方程的数值模拟结果非常接近试验结果，可以很好地模拟软岩的应变软化特征．     

解析 OAuth 2.0流程及认证接口设计

OAuth 2.0框架能够在无需向第三方应用泄露用户机密的情况下允许第三方应用访问受保护资源。与旧版本相比,OAuth 2.0提供了更简洁和更安全的环境。研究了 OAuth 2.0的工作流程,分析了认证客户端的设计方案并给出一个客户端应用实例。     

无环境阻力的尖端生长型软体机器人研究综述

尖端生长型软体机器人是一类新型的软体机器人,其制作简单、成本低,通过压力驱动主体外翻实现机器人的生长,且具有运动过程中无环境阻力的独特优势,在诸多领域有着广阔的应用前景.目前,机器人的变刚度控制、大范围变形检测及精准控制是软体机器人存在的三个主要问题.围绕提出的软体机器人存在的三个主要问题,从机器人灵感来源、基本结...     

某工程桩基问题的分析与处理

从地质条件和施工技术等方面出发,详细分析了某工程桩基出现的裂缝、偏移等病害,并提出了管径内灌芯补强,加大承台和补桩等处理措施,试验证明处理方案是可行的.     

A Novel Soft Sensor Modeling Approach Based on Least Squares Support Vector Machines

Artificial Neural Networks (ANNs) such as radial basis function neural networks (RBFNNs) have been successfuUy used in soft sensor modeling. However, the generalization ability of conventional ANNs is not very well. For this reason, we present a novel soft sensor modeling approach based on Support Vector Machines (SVMs). Since standard SVMs have the limitation of speed and size in training large data set, we hereby propose Least Squares Support Vector Machines (IS_ SVMs) and apply it to soft sensor modeling. Systematic analysis is performed and the result indicates that the proposed method provides satisfactory performance with excellent approximation and generalization property. Monte Carlo simulations show that our soft sensor modeling approach achieves performance superior to the conventional method based on RBFNNs.