HPM视角下“基本不等式”的教学北大核心

《普通高中数学课程标准(2017年版)》中指出在数学学科核心素养培养过程中需要注重数学文化的渗透;并要求教师在教学过程中注重引导学生把握数学本质,了解数学的发展历程,厘清知识的源与流,建立新旧知识之间的关联.数学教师要尊重学生的认知规律和数学的学科特性,放慢节奏,增加体验,让数学学习自然发生.     

螺栓连接大变形梁非线性振动特性的实验研究

柔性机械臂、大型可展开天线等机械结构的动作精度受运动过程中大变形几何非线性和连接处接触非线性的影响十分显著。以含螺栓连接结构的大变形梁作为研究对象，针对动力学建模和振动特性开展了实验研究，通过数值计算验证了实验发现的非线性振动特性。搭建了含螺栓连接柔性大变形梁的实验台架，开展了敲击和正弦激振的实验测试。实验结果表明，螺栓连接的柔性梁较连续梁的（无螺栓连接）模态频率降低，阻尼增加，反映出随着激励能量增大，模态频率降低的非线性模态特征。改变螺栓连接位置会显著影响结构的模态频率，其变化规律可由求解线性矩阵特征值定性反映。     

高低温环境航天机构力矩特性测试平台研制

为了测试在太空环境下航天机构中弹性机构的性能指标,研制了高低温环境下测量角度-力矩特性的测试平台.分析测试平台测试原理后,设计了平台的机械结构、设计电气系统结构并搭建软件系统.机械结构考虑对被测对象的保护,针对高低温测试带有高低温箱,可以为被测对象提供-100℃～100℃的温度环境,具有热变形偏差测量与补偿设计,减少温度变化对测量精度的影响.软件系统具备收集、处理、存储数据和图形化显示能力.分析平台不确定度的组成,对传感器进行测试校准并对航天弹性机构进行测试,测试结果验证了:该测试平台的力矩检测范围为0～50 N·m,力矩检测精度≤0.5％FS,角度测量扩展不确定度为U=35.6″,得到了被测对象的角度-力矩特性曲线图.     

深水铺管船的动力定位能力评估系统

为解决评估铺管船作业能力的难题,提出一种适用于评估铺管船动力定位能力的方法,开发了动力定位能力评估程序系统,并针对高海况环境条件设计了优化的辅助作业方案.采用数值计算方法对铺管船作业期间的平均二阶力、风载荷以及流载荷进行仿真计算,建立了环境载荷与动力定位系统提供的推力之间的平衡关系,给出了用于评估铺管船动力定位能力的系统模块,采用动力定位能力包络线的方式表达动力评估结果.在高海况作业中给出安全建议,即采用辅助拖轮作用于船舶适当位置以增强动力定位能力,从而降低工程作业风险.     

中国林业植物授权新品种(2010-2012)分析

分析了2010-2012年我国林业植物授权的90个新品种,对其培育单位、植物种类、品种用途进行了分析,对观赏树种做了专项分析,以期为林业植物新品种的培育提供基础性资料。     

考虑进口预旋的阶梯型迷宫密封转子动力特性

针对阶梯型迷宫密封转子动力特性受进口预旋影响的问题，提出了考虑进口预旋的阶梯型迷宫密封动力特性计算方法。基于Murphy小位移涡动原理建立气流激振力-转子位移-转子速度的控制方程；采用计算流体力学(CFD)数值模拟方法对不同预旋比的全环密封流道进行计算，通过频域内求解控制方程得到了刚度和阻尼等动力特性参数，研究了不同预旋比的情况下阶梯型迷宫密封的动力特性；绘制了流道内的压力分布和流速矢量图，研究了阶梯型迷宫密封的流场特性。数值仿真结果表明：随着预旋比的增加，直接刚度在低频部分增大，在高频部分减小，交叉刚度几乎不变，交叉阻尼随预旋增加而减小；气流预旋明显降低了直接阻尼，相较于预旋比λ=0的情况，λ=0.255及λ=0.516的工况下直接阻尼的预估值平均减小了16.9%和21.4%;随着节流次数增加，气流经过密封齿的压降逐渐增加，分别为0.25、0.374和0.499 MPa,密封齿顶的流速也逐渐增加，分别为79.5、88.36和106.0 m/s;由于密封齿阶梯式的排列增加了主流道的复杂性，阶梯密封流道分为节流区、射流区和涡流区，涡流区2个转向相反的旋涡增加了流道内气流动能的耗散。     

磁流变液中磁性颗粒成链与团聚的临界特征分析

热运动对纳米级磁流变液系统的颗粒团聚行为和宏观流变特性扰动影响不可忽视.为研究施加外磁场后系统微结构与热运动间的关系，探讨在不同颗粒粒径情况下热运动能量在系统总能量中的占比.采用CCD设计方法，分析Monte Carlo仿真获取的颗粒位形信息，生成关于外磁场磁感应强度、颗粒粒径和体积分数的系统热耦合系数<λ>回归模型;成链团聚的临界颗粒粒径计算值比文献经验值高出约23%，证实在考虑系统内多因素的综合影响下，纳米级磁流变液具有更严格的流变现象临界发生条件.     

紫色球杆菌视紫红质光谱特性的机器学习研究

近年来，机器学习等人工智能技术被应用于蛋白质工程，其在蛋白质结构、功能预测、催化活性等研究中具有独特优势。在未知蛋白质结构的情况下，将蛋白质序列和功能特性与机器学习相结合，基于序列-活性关系（innovative sequence-activity relationship，ISAR）算法，将蛋白质氨基酸序列数字化，用快速傅里叶变换（fast four transform，FFT）进行预处理，再进行偏最小二乘回归建模，可在数据集较少情况下拟合得到最佳模型。通过机器学习对紫色球杆菌视紫红质（gloeobacter violaceus rhodopsin，GR）的突变体蛋白质氨基酸序列与光谱最大吸收波长进行建模，获得了最佳模型。用最佳索引LEVM760106建模得到的确定系数R² 为0.944，均方误差E为11.64。用小波变换进行的预处理，其R² 虽也约为0.944，但E大于11.64，不及FFT进行的预处理。方法较好地解决了蛋白质序列与功能特性之间的数学建模问题，在蛋白质工程中可为预测更优的突变体提供支持。