为了提高砂仓中尾砂浓密效率,实现高浓度的放砂,引入声场作为研究手段,创新性的利用声场辐射方式传播的特性,将声场非接触性地作用于尾砂浆介质中.通过设计试验,配制质量分数为40%的尾砂砂浆,在尾砂浆分别沉降15,20,25,30,35和40 min后,施加频率20 kHz,功率50 W的超声波,探究不同沉降时间后施加超声波作用对最终沉降时间和浓度的影响,同时将超声波作用在砂仓放砂阶段,并对超声波作用后不同浓度的砂浆进行流变参数测定.试验结果表明:在沉降20 min后施加超声波,砂浆沉降浓密时间最短为80 min,尾砂浆最终质量分数可达77.5%,与此同时超声波作用下可以实现砂仓稳定高浓度的放砂,放出砂浆质量分数为74.04%.对比超声波处理前后砂浆黏度与屈服应力可知,超声波可有效降低砂浆黏度22.3%,具有良好的降黏效果.超声波的振动作用,空化作用以及声流效应是使得砂浆快速浓密沉降以及放出的原因

为改善辐射管热效率,本文设计了一个扁双P型辐射管,选取辐射管中心管截面长半轴A与短半轴B的比例为1.0、1.1、1.2、1.3和1.4五种扁形度,借助于FLUENT软件就扁形度对辐射管传热性能的影响进行研究.结果表明:在保持双P型辐射管换热表面积不变的情况下,随着双P型辐射管扁形度的增加,辐射管对带钢的辐射角系数增大,辐射管对炉内辐射换热量增加,辐射管热效率升高;但是,随着双P型辐射管扁形度的增加,辐射管表面温差逐渐增大,扁形度达到1.3后,表面温度不均匀系数显著增加.综合考虑辐射管的表面温差和辐射热效率,扁形度为1.2的扁双P型辐射管性能较优,与扁形度为1.0时(即辐射管未被压扁的时候)相比,表面温度均匀性几乎不变,而辐射管热效率提高约1%

针对一类具有空间不均匀性的辨识和回归问题，提出了基于小波分析的极限学习机方法.从多分辨率分析的思想出发，构造一簇紧支撑正交小波作为隐层激活函数，并利用改进的误差最小化极限学习机训练输出层权重，避免了新加入高分辨率子网络后的重新训练.同时，由一维多分辨分析的张量积构造了二维多分辨小波极限学习机.进而通过脊波变换将小波学习机扩展到高维空间，对脊波函数的伸缩、方向和位置参数进行优化计算.对具有奇异性的函数仿真结果证明，与标准极限学习机相比，小波极限学习机由于其聚微性能在极短的训练时间内更好地逼近目标.一些实际基准回归问题上的测试验证了脊波极限学习机在其中大部分问题上达到更高的训练和泛化精度

当全球导航卫星系统(global navigation satellite system,GNSS)分布式仿真环境中共享的模型数量非常多时,检索模型和配置仿真任务将成为一个比较复杂的工程.为提高仿真模型选取和仿真任务配置的效率,设计了一套针对GNSS分布式仿真环境中仿真模型的实时智能推荐方法,方法中首先定义了模型关联关系和接口形状的概念,然后提出了一种条件约束下的频繁模式树(FP-tree)结构,并从理论上分析了该结构在检索任务量方面的减少程度,设计并推导了模型关联关系度的计算方法,以及整套智能推荐方法的运行流程.推荐方法在GNSS分布式仿真环境中进行了仿真验证,仿真结果与传统智能推荐方法做对比分析,分析结果表明,该方法针对仿真模型推荐时运行时间短,推荐结果准确度高,能够实时为用户推荐合适的模型

无论Eye-in-Hand或Eye-to-Hand型式的机器视觉控制系统,均存在视场受限、丢失等情况,从而无法在一定距离、角度内对目标进行在线视觉测量,进而无法建立全闭环的伺服控制.基于Eye-in-Hand型式的机器视觉控制系统,以及最短测量距离Lmin,提出一种闭环与开环相结合的伺服控制系统:即测量距离大于Lmin时为位置反馈型闭环控制的原位调姿,在测量距离小于Lmin时为位置给定型开环控制,机器人以相对线性运动进给到目标位置.针对该过程中的偏移问题,提出了前馈补偿模型,即利用前期运动数据对运动误差进行估计.实验证明,该方法能有效地补偿定位误差

风能、太阳能等间歇式能源的引入和工业生产中大功率动态负载的增加，使得智能电网电力负荷越来越多呈现出大范围随机频繁波动的特点.动态负荷的增加对智能电能表的有功电能测量带来新挑战.传统的测量算法是针对稳态负荷而提出，因此无法解决智能电能表动态计量性能的改善问题.本文在传统MA （moving average）算法的基础上提出一种SDPA （segmented dot product accumulation）动态有功电能测量算法，该算法可在一定程度上减小动态功率条件下的测量误差.首先，分别讨论了传统MA和ⅡR （infinite impulse response）滤波器算法的动态响应速度和动态电能误差特性，指出两种算法对动态输入信号测量的局限性，并理论分析了影响各自动态计量性能的因素.以此为基础，提出智能电能表有功电能动态测量的SDPA算法，通过将待测的动态功率信号按周期截短、分段执行点积运算、并累加求和的方式实现动态测量.另外，通过按周期抽取的算法实现方式可以大大减少存储空间、提高运行速度.理论和仿真结果表明，与传统MA和ⅡR滤波器相比，SDPA算法在动态响应时间为一个基波周期的前提下，动态电能测量可达到较低误差水平

为了提升航班运行风险预测精度，基于某航空公司2016—2018年航班运行风险数据，在验证15个风险时间序列的混沌特性后，构建基于多变量混沌时间序列的风险预测模型。首先，对15个风险时间序列进行多变量相空间重构，采用主成分分析法（PCA）对相空间进行降维处理；然后，基于迭代预测的方式，分别采用极限学习机、RBF神经网络、回声状态网络和Elman神经网络建立风险短期预测模型；最后，以降维后的相空间作为输入，计算并比较分析未来1～7 d的风险预测结果。结果表明：多变量相空间重构后总维数为62维，经PCA降维处理，降至31维；在不同的预测模型中，降维后RBF模型预测效果最佳；其中，预测第1天结果相对误差<25%出现频数为82.62%，至第5天仍达75%以上；该模型第1天预测结果的修正平均绝对百分比误差（MAPE）值为11.32%，且前5 d均低于20%，满足航空公司使用要求。1～5 d预测结果对航班风险管控具有实践操作价值，证明基于多变量混沌时间序列的风险预测方案可行、有效

提出基于普通变尺度和周期势自适应随机共振理论，检测噪声背景下轴承滚动体的故障特征.在具体实施过程中，首先用普通变尺度的方法满足随机共振中小参数的条件，然后用随机权重粒子群优化算法作为自适应随机共振参数寻优的优化算法，同时用改进的信噪比作为评价指标.噪声背景下含轴承滚动体故障的实验信号经过普通变尺度下的自适应随机共振处理和优化后，微弱的故障特征可以有效的提取出来.将普通变尺度下的双稳态自适应随机共振和周期势自适应随机共振进行了对比，结果表明周期势自适应随机共振比双稳态自适应随机共振能进一步提高信噪比，并且比双稳态自适应随机共振迭代次数少，用时短.这说明提出的基于普通变尺度和周期势系统自适应随机共振的轴承滚动体故障诊断方法具有优越性，尤其是在工程实际中，故障监测所需的数据量大，计算时间长，如能较早的预警，可以提高诊断效率并减少不必要的损失.因此，这种轴承滚动体故障诊断方法对提高机械设备故障诊断效率具有参考价值

 认识卒中  卒中的发病机制  大脑的主要供血动脉及位置  比较急性缺血性脑卒中与短暂脑缺血发作  鉴别缺血性脑卒中和出血性脑卒中  心源性脑卒中的特点  确认患者有哪些可干预的危险因素，并做出干预方案  掌握常用的卒中的治疗药物、剂量等  掌握溶栓药物t-PA的适应症和禁忌症，使用方法  抗凝药物在预防卒中发作的优缺点  为患者选择一个合适的抗血小板药物预防卒中再发  能够为使用阿司匹林、氯吡格雷预防卒中再发的患者做监护计划方案

重点：掌握比例、加减、积分运算电路的工作原理和运算关系,利用“虚短”和“虚断”的概念分析各种运算电路输出电压和输入电压运算关系的方法,根据需要选择运算电路；滤波的有关概念,有源滤波电路的识别,各种滤波电路的用途及它们幅频特性的定性分析。为了训练学生的读图能力,电路的识别是课程的重点；对运算关系的分析是学习运算电路的重点；而对于滤波电路,电路的定性分析比定量计算重要。难点：运算电路和有源、滤波电路的识别,对数、指数运算电路和有源滤波电路的分析计算