《过程设备设计基础》课程教学资源（相关标准文献）1999年压力容器相关标准更新信息

西安石油大学经济管理学院：《会计学 Accounting》课程教学资源（毕业论文）亏损公司盈余信息价值相关性研究（贾轩）

研究了全状态约束与输入饱和情况下的全向移动机器人轨迹跟踪控制问题.首先，针对一类三轮驱动的全向移动机器人，考虑系统存在模型参数不确定与外部扰动，建立了运动学与动力学模型；其次，利用障碍Lyapunov函数，结合反步设计方法，有效处理全向移动机器人跟踪过程中存在的状态约束，保证所有状态变量不会超出状态约束的限制区域；然后，针对系统参数不确定和未知有界扰动，设计相应的自适应律进行处理；同时，提出一种抗饱和补偿器保证机器人输入力矩满足饱和约束；并且利用Lyapunov理论分析证明了当选取合适的控制参数时闭环系统中的所有信号均能保证一致有界；最后，通过与未考虑状态约束和输入饱和的控制器以及经典比例-微分控制器进行仿真对比，验证了该方法的有效性和鲁棒性

为深入探讨岩石在张拉作用下破裂的声发射特性，设计了一种膨胀剂扩张破裂的声发射实验，详细分析了花岗岩、大理岩和红砂岩声发射信号的特征参数及P波初动极性

《工程科学学报》：基于ECG信号的高精度血糖监测

海洋环境对于金属的腐蚀具有明显的加速作用，尤其在高铁海底隧道环境中，金属比正常的服役时间变短，这种腐蚀情况下会影响高铁的安全和准点运行。基于以上背景，通过夹杂物自动扫描、钢的加速腐蚀及电化学测试对钢中的夹杂物诱发腐蚀行为进行系统分析，重点分析了高铁轨旁信号设备连接金属件（Q235）中夹杂物在盐雾环境下的腐蚀行为。结果表明：钢中主要夹杂物为氧化物、硫化物或者其复合夹杂，而这两类夹杂物对于诱发钢基体点蚀的原因不同。其中数量最多、尺寸小于5 μm类型的夹杂物为硫化物夹杂和氧硫复合类型夹杂物；数量少、尺寸大于5 μm的夹杂物为氧化物夹杂。在服役过程中，钢中硫化物夹杂易溶解脱落形成点蚀坑，而氧化物夹杂周围基体会先溶解引起夹杂物脱落形成点蚀坑，复合类夹杂物也是诱发钢发生腐蚀的因素，不同复合类型的夹杂物腐蚀方式不同，硫化物夹杂和氧硫复合夹杂对碳钢影响较大。电化学测试表明自腐蚀电位约为为?0.1 V，Q235钢本身抗腐蚀能力不强。夹杂物在腐蚀过程中参与了腐蚀，引起阳极极化曲线的波动，加快了Q235钢的腐蚀情况。研究结果对于认识和改善钢的耐腐蚀性能有指导意义

为了给数控机床故障的精准诊断提供保障，延长数控机床使用周期，以数控机床历史维修记录为研究对象，对数控机床设备故障领域的命名实体识别进行了研究。在分析历史维修记录中的故障描述特点后，提出了一种基于双向长短期记忆网络（Bidirectional long short-term memory, BLSTM）与具有回路的条件随机场（Conditional random field with loop, L-CRF）相结合的命名实体识别方法。首先，对输入语句进行分词和标注，使用Word2vec中的Skip-gram模型对标注语料进行预训练，将其生成的字向量通过词嵌入层转化为字向量序列；然后，将字向量序列输入BLSTM学习长期依赖信息；最后将句子表达输入L-CRF获取全局最优序列。实验结果表明，该方法明显优于其他命名实体识别方法，为数控机床设备的智能检修与实时诊断任务打下了坚实的基础

针对巴西圆盘荷载接触条件对巴西劈裂试验影响的问题，采用声发射监测系统开展线/非线荷载接触条件下低孔隙率砂岩巴西劈裂试验。直径为50 mm，厚度为25 mm的标准巴西圆盘按照同一种传感器三维布设方式布置8个Nano30传感器。在相同的荷载速率下，声发射监测Richter8系统对线/非线荷载两种荷载条件下的巴西圆盘进行准静态加载的波形信号连续记录。通过P波自动到时及网格坍塌搜索算法进行定位，在线/非线荷载条件下分别有1131和931个声发射事件被成功定位。圆盘的起裂位置均在圆盘非中心位置，对于非中心起裂的试验值可能低估了巴西抗拉强度。裂纹下半球极点密度投影分析表明，非线荷载条件下破裂面的局部扭曲程度大于线荷载。试样三维损伤演化结果表明，圆盘所受荷载面积大小，显著影响圆盘损伤累计的时间、释放能量的大小和裂纹扩展的稳定性。对有效声发射定位事件进行矩张量分解获取了两种荷载条件下各向同性部分（ISO）、纯双力偶（DC）和补偿线性矢量偶极成分（CLVD）频率百分比，并采用微裂纹破裂类型分类方法来定量分析震源机制，结果表明巴西劈裂对荷载条件并不敏感，两者均可以解释为近似平行于荷载方向上的张拉裂纹的萌生、扩展及贯通

针对目前视网膜血管分割中存在的细小血管提取不完整、分割不准确的问题，从血管形状拓扑关系利用的角度出发，探索多任务卷积神经网络设计，提出骨架图引导的级联视网膜血管分割网络框架。该框架包含血管骨架图提取网络模块、血管分割网络模块和若干自适应特征融合结构体。骨架提取辅助任务用于提取血管中心线，能够最大限度地保留血管拓扑结构特征；自适应特征融合结构体嵌入在两个模块的特征层间。该结构体通过学习像素级的融合权重，有效地将血管拓扑结构特征与血管局部特征相融合，加强血管特征的结构信息响应。为了获得更完整的骨架图，骨架图提取网络还引入了基于图的正则化损失函数用于训练。与最新的血管分割方法相比，该方法在3个公共视网膜图像数据集上均获得第一名，在DRIVE，STARE和CHASEDB1中其F1值分别为83.1%，85.8%和82.0%。消融实验表明骨架图引导的视网膜血管分割效果更好，并且，基于图的正则化损失也能进一步提高血管分割准确性。通过将骨架提取模块和血管分割模块替换成不同的卷积网络验证了框架的普适性

无人驾驶车辆自身具有强烈的非线性、信号时延和参数不确定性，对它的控制还受到道路附着系数的变化、侧向风等外界因素影响。因此传统控制方法往往难以对其稳定和精确地控制。神经网络所具有的学习能力、自适应能力和近似非线性映射的能力，为解决车辆模型参数的不确定性、外界的扰动以及车辆自适应控制问题提供了有效的途径。针对上述几个方面，对近几年国内外学者将神经网络应用到无人驾驶车辆运动控制中所取得的成果与进展进行了归纳分类，分别介绍了应用情况并对优缺点进行评价。最后总结了神经网络在无人驾驶车辆运动控制中存在的主要问题，并展望了可能的发展方向