模具结构对连续纤维增强热塑性复合材料性能的影响

采用自行设计的两种不同结构的熔融浸渍模具制备了连续玻璃纤维增强聚丙烯预浸带，测试了模具结构对预浸带的孔隙率、纤维断裂率、界面形貌、纤维分散均匀度和拉伸强度的影响，建立了纤维浸渍模型和纤维断裂模型，并通过理论模型对预浸带的孔隙率和断裂率进行理论预测。结果表明，本文建立的数学模型能够有效预测预浸带的浸渍程度和纤维断裂率，可用于浸渍模具结构的优化设计；在本文范围内，与波浪形模具相比，斜齿形模具的多楔形区结构可以有效地降低预浸带孔隙率和提升纤维分散程度；波浪形模具的流道圆角半径较大，楔形区个数较少，与斜齿形模具相比，可有效降低纤维断裂率并提升拉伸性能。     

对中小学教师关于学生创造性的观念的研究

通过对邯郸市城乡220名中小学教师关于学生创造性问题的看法进行调查，结果发现主要观点有：（1）促进学生创造性的七种方法观，如激发学生的兴趣爱好，进行多种（发散性、逆向性、开拓性等）思维训练；培养学生敢于质疑的精神等等；（2）促进学生创造性的五种问题观，如开放性的问题、有多种答案的问题等等；（3）促进学生创造性的主要因素观依次为：强调自主和独立、强调发现学习、质疑理论和假设的机会、强调竞争和强调内部动机等。     

双层模糊C均值聚类算法

1973年,Dunnm对Ball和Hall的硬C均值(HCM)聚类算法加以推广,提出了模糊C均值(FCM)聚类算法。Bezdek将Dunn的工作进一步推广到一个模糊目标函数聚类的无限簇,并证明了该算法的收敛性。此后,FCM算法在模式识别领域中得到了广泛和有效的应用,如聚类、图象分割、形状分析、医疗诊断、特征选择、自动目标识别、分类器设计等。     

比尔-盖茨看好无线联网

<正>微软公司董事长比尔-盖茨2001年11月30日在发表演讲时预言未来10年之内,无线网络将全面普及。他说:“(未来)每一家企业、每一个家庭和每一处会议中心都会通过高性能的     

再生丝素固体的微细结构

研究了蚕丝丝素水溶液经不同方式干燥后，所得到的再生丝素固体的微细结构，以及存放过程中丝素的结构变化，指出经30℃热风干燥或经高于－20℃冷冻干燥后，所得到的丝素固体的结构是无定形和Silk I共存，在室内温度湿度环境中存放后，部分无定形结构转化为Silk I；蚕丝丝素水溶液经－80－－20℃冷冻干燥后，所得到的丝素膜的结构主要是无定形，含少量Silk II，存放过程中部分无定形结构转化为SilkI；室温放所自然形成的丝素凝胶中，丝素的结构是无定形和Silk Ⅱ共存；丝素水溶液表面膜中甘氨酸和丙氨酸的含量较高，表面膜的结构主要是Silk I和Tilk Ⅱ结晶度高。     

谱聚类的扰动分析

以矩阵的扰动理论为工具对谱聚类（spectral clustering）进行了分析，通过引入图的权矩阵并对权矩阵的谱和特征向量进行分析，得到了权矩阵的谱与聚类的类数、权矩阵特征值的大小与每一类所含点的个数、以及权矩阵的特征向量与聚类之间的关系．据此，设计了一个基于权矩阵的无监督谱聚类算法（unsupervised spectral clustering algorithm based on weightmatrix，简记为USCAWM），并在模拟点集和实际的数据集上进行了实验，实验结果肯定了理论分析的正确性．     

立体电影在家享受

<正>看全景电影,可以让人亲身感受紧张刺激的现场气氛,如今各种计算机使用的3D眼镜,使立体电影进入千家万户已不在是梦。     

一种磁流变弹性体执行器的联合优化方法研究

磁流变弹性体（magnetorheological elastomer, MRE）执行器作为智能减振应用系统的核心元件,其结构的优化是决定执行器性能上限及系统控制成效的关键。针对目前MRE执行器优化方法及理论研究欠缺的问题,文中面向一款横向隔振的MRE执行器,基于其机械结构和有效磁路,以优越磁控性能、低功耗和快速响应时间为优化目标,提出了一种新的MRE执行器联合参数优化方法。首先,基于MATLAB和COMSOL的联合仿真,将遗传优化算法和电磁有限元分析方法进行有效结合,实现对MRE执行器的优化编程;其次,完成对器件的全局尺寸结构优化设计,使得器件具备优越磁控性能（526.21 mT）、低功耗（44.05 W）及快速响应（5.43 ms）;最后,通过搭建测试系统对优化后装配的MRE执行器进行测试和评估,验证了文中优化方法的可行性和有效性。提出的联合优化方法不仅适用于MRE执行器结构,还可为多领域减/隔振应用的共性MRE器件优化设计提供理论参考。     

运用主成分分析和深度神经网络预测钢包炉合金元素收得率的研究

钢包炉（ladle furnace,LF）精炼的核心任务之一是进行钢水合金化过程,以保证钢包到达连铸平台后满足钢水成分要求。钢水合金化也是较为复杂的物理化学反应过程,其不仅对钢水温度有影响,而且对钢水质量、合金料消耗量均有影响。因此,实现LF精炼过程中合金元素收得率的精准预测具有重要意义。本研究首先采用主成分分析法（principal component analysis,PCA）对模型输入变量进行处理,用于简化实际生产数据结构;然后,融合SGDM算法和L2正则化方法,构建了深度神经网络（deep neural network,DNN）;最后,采用主成分分析和深度神经网络相结合的方法,建立了合金元素收得率预测模型。结果表明,Si元素收得率命中率在±1%, ±3%和 ±5%误差范围内分别为54.0%、93.8%和98.8%;Mn元素收得率命中率在±1%, ±2%和 ±3%误差范围内分别为77.0%、96.3%和99.5%。此外,PCA–DNN模型的预测精度优于参考炉次法、多元线性回归模型、改进BP神经网络模型和DNN模型,有助于实现钢水成分的“窄窗口”控制。本研究中合金元素收得率预测模型的建立,也可为LF智能精炼合金化控制模型的开发提供支撑。