【摘 要】
：
为增强非牛顿流体减速带的泛用性,使得在面对不同实际情况下仍能得到合适的应用,提供了一种实际生产非牛顿流体减速带的算法参考。首先通过利用非牛顿流体剪切稀化特性,选用水泥生浆[1]作为减速带填充物,建立幂律流体本构方程模型;之后运用推理的方法仿真,研究非牛顿流体减速带的高度即水泥生浆填充量与环境温度、车速之间的关系。结果显示:这种非牛顿流体减速带的高度与环境温度之间存在密切联系,即低温下使减速带减速效果生效的临界车速较高,高温下的临界车速较低,两者差值较大。减速带垂直高度与临界车速之间存在正相关性并与给低车速
【基金项目】
：
中央高校基本科研业务费(编号:300102219801),国家级大学生创新创业训练计划项目(编号:201910710185X)资助。
论文部分内容阅读
为增强非牛顿流体减速带的泛用性,使得在面对不同实际情况下仍能得到合适的应用,提供了一种实际生产非牛顿流体减速带的算法参考。首先通过利用非牛顿流体剪切稀化特性,选用水泥生浆[1]作为减速带填充物,建立幂律流体本构方程模型;之后运用推理的方法仿真,研究非牛顿流体减速带的高度即水泥生浆填充量与环境温度、车速之间的关系。结果显示:这种非牛顿流体减速带的高度与环境温度之间存在密切联系,即低温下使减速带减速效果生效的临界车速较高,高温下的临界车速较低,两者差值较大。减速带垂直高度与临界车速之间存在正相关性并与给低车速
其他文献
基于大数据专业课程体系的建设,提出遵循OBE理念、反向设计、正向实施,结合内外需求,从就业方向及能力需求进行分解,从培养目标、毕业指标点、课程体系及实施评价几个方面阐述地方高校如何建设基于OBE的大数据专业课程体系。
全面梳理大学计算机课程的教学内容,从课程建设目标、教学内容和方法、课程考核方式等方面提出大学计算机线上线下混合式一流课程建设思路,介绍相应课程建设实践过程,最后说明课程改革效果,并从师资队伍、课程应用、教学实施、数字化资源、新形态教材方面提出未来课程建设的方向。
在现实场景中,由于设备和系统不完善或存在弱光环境导致采集的图像存在噪声,图像在压缩和传输过程中也会受到额外噪声的影响,给后续的图像分割、特征提取等处理造成干扰。传统去噪方法利用图像的非局部自相似性(NLSS)特性和变换域中的稀疏表示,基于块匹配和三维滤波(BM3D)的方法展现出了强大的图像去噪性能。随着人工智能的发展,基于深度学习的图像去噪方法取得了较为突出的表现。但是到目前为止几乎没有相关研究对
针对信息管理与信息系统专业的程序设计语言课程在培养学生的信息系统开发能力方面效果不理想的问题,提出“自主学习语法知识+信息系统实例教学+信息系统开发实践”教学模式,介绍将该模式应用到JSP网络编程课程的实践过程,最后说明该模式的实施效果。
随着互联网多语言信息的发展,如何有效地表示不同语言所含的信息已成为自然语言信息处理的一个重要子任务,因而跨语言词向量成为当下研究的热点。跨语言词向量借助迁移学习将单语词向量映射到一个共享的低维空间,在不同语言间进行语法、语义和结构特征的迁移,能够对跨语言语义信息进行建模。BERT模型通过大量语料的训练,得到一种通用的词向量,同时根据具体的下游任务进一步动态优化,生成上下文语境敏感的动态词向量,解决了以往模型的聚义问题。通过对现有基于BERT的跨语言词向量研究的文献回顾,综合阐述了基于BERT的跨语言词向量
分析当前C语言程序设计课程实验教学现状,提出新工科背景下C语言程序设计课程实验教学建设方案,从思维方式培养和程序设计能力递进式培养两方面阐述面向能力培养的程序设计实验教学设计,介绍以能力培养为导向的程序设计实验教学实践,最后说明教学实践效果。
利用模糊系统和BP神经网络的组合模型来进行电子部件的性能评价,组合模型能够兼具二者优点,从理论上比模糊系统性能评价更精准全面。为提高模糊BP神经网络的映射和预测能力,将BP神经网络结构中的动量因子和学习速率两个参数利用误差反馈来调整。从理论上组合模型对电子部件性能评价误差更小,速度更快。通过实例仿真试验表明,改进后的模糊BP神经网络相比较改进前模糊BP神经网络系统,对导引头的性能评价更精准,适用性更强。
基于百度AI开放平台的图像识别Web服务接口,提出运用服务组合技术和面向服务架构的软件设计方法,构建人脸相似度测评的移动平台开发实践教学案例,介绍了该实践教学案例的设计和具体实施过程,最后对教学案例的特色和实践效果进行了说明。
当今入侵检测领域作为一个重要领域,虚警率高、检测率低、处理速度慢、特征维度高等问题正困扰着从事这一领域的专家学者。为了解决这些问题,提出基于决策树(DT)与深度神经网络(DNN)以及主成分分析(PCA)的入侵检测模型DT-PCA-DNN,在相对高的检测率和相对低的虚警率的基础上提高入侵检测系统(IDS)的处理速度。为缩小整体数据量达到加快处理速度的目的,首先利用DT对数据初步判别。将DT判别为入侵的数据,存入临时训练样本集以再训练优化DT以及DNN,而DT判别为正常的数据,删除所添加正常标签后用PCA降低
粒子群优化算法是一种新型启发式智能优化算法,它运行速度快,收敛性强,但是容易陷入局部极值。为了克服粒子群算法的早熟收敛现象,提出了一种新的带有非线性惯性权重和柯西变异的粒子群优化算法。首先,对算法中的惯性权值进行改进,增强粒子局部收敛能力;然后,利用柯西变异算子,增加种群多样性。数值实验表明,提出的改进粒子群优化算法具有较快收敛速度,寻优能力强,能有效克服早熟收敛现象。