立体标签自动贴标机结构设计

为了减少在产品包装环节中的人员参与,提高包装环节的自动化程度,研制了一种用于立体标签的自动贴标机。 根据产品贴标的流程,采用Pro/E软件进行三维建模和零部件的优化设计,包括传送机构、标签推进机构和折弯机构。 折弯机构中采用了折弯翻板实现对标签的折弯控制;自动贴标机各机构均采用了独立的电机控制,控制系统采用PLC 技术和变频器调速控制,设计了电动机正反转的控制电路图。通过对机械结构和电气控制系统优化设计,得到了满足设 计要求的自动贴标机机构设计参数,实现了对厚度为0.5 mm纸质标签纸的2次折弯并实现贴标过程。该自动标签机的 使用实现了包装过程的自动化,提高产品的包装效率。     

基于最优支持向量机模型的经营失败预警研究

根据中国资本市场的实际和样本数据特点,设计一套从样本准备到模型参数优化、再到模型比较的集成解决方案,对上市公司经营失败进行预警,通过实验分析参数调整和核函数选择对支持向量机建模的影响,寻求最优的支持向量机模型.实证结果表明,经营失败预警应用中,参数和核函数的选择对预警模型有较大影响,基于最优支持向量机模型的预测效果优于统计方法和神经网络方法,支持向量机适合中国上市公司分行业小样本的实际.特别处理事件作为经营失败样本切分标准对模型产生一定影响.     

一种高速数值有理化电路设计

本文提出在数控测量中的一个关键的数值有理化的方法。这种方式将有效地实现高精度、快速移位的测量。使测量分辨率达０．０２μｍ最高位移速度达２０ｍ／ｍｉｎ以上。     

中国语言信息处理／机器翻译产业发展模式研究

异种语言间的信息同步处理和机器翻译是20世纪遗留下来的有待解决的难题之一。我国的语言信息处理/机器翻译从技术和行业整体的角度讲还未构成一个独立的产业。语言信息处理/机器翻译技术的产业化,不仅是知识和技术高度密集,而且还是资金密集和管理密集的高技术产业。解决我国机器翻译产业化进程中存在的问题,需要从融资和资本运营、管理和规模化、市场细分和国际化问题等方面着手,研究我国语言信息处理和机器(人工辅助)翻译产业的发展战略,以期培养一批大企业参与产业引导、国际竞争,引领中小语言信息处理/机器翻译产业公司进行分工协作,形成合理分工、优势互补的产业群体,牵动整个语言信息处理/机器翻译产业的发展。     

改革不停顿发展无尽期--谈我院高专机械设计系列课程12年改革

我院高专机械设计系列课程12年的改革，是围绕单科课程改革与建设及“二合一”、“四合一”课程改革三个主题展开的。改革取得的主要成果有：3门省级一类优秀课程、主编出版8部统编或规划教材及省级一等教学成果奖1项。改革体现了七大特色，其中最根本的是“改革不停顿发展无尽期”和“以能力培养为宗旨机械设计为主线”两个特色。12年的改革，有五点体会与思考，其中最主要的是转变观念和始终保持改革进取的精神。目前，上述改革成果已经在高职高专教育教学改革中生根发芽、深化与发展。     

基于拓扑优化的折弯机结构优化设计

针对传统折弯机设计存在结构过于保守、笨重等缺点,以某数控液压折弯机为研究对象,利用Pro/E建立三维模 型,并根据有限元理论应用ANSYS Workbench软件对折弯机进行拓扑优化。以轻量化为目标,基于拓扑优化结果,给出 初步优化模型,再通过尺寸优化确定墙板和加强板厚度。最终给出满足强度刚度要求的结构优化方案,并使总体质量减 少。研究提出了在折弯机结构优化设计中,将拓扑优化与尺寸优化相结合的设计方法。     

重庆市汽车产业可持续发展动力机制分析

运用系统动力学理论,构建重庆汽车产业可持续发展的系统动力学模型,分析汽车产业可持续发展的动力机制,并运用重庆汽车产业相关数据进行仿真分析,寻找影响重庆汽车产业可持续发展的主要问题和关键因素.研究表明:技术创新、政府、环境与市场是重庆市汽车产业可持续发展的三大驱动力,而随着产学研合作力度的不断增大,产学研合作力度对企业创新能力的促进作用却越来越小,且提高汽车产业的市场集中度不能有效提高企业的创新能力.     

机床工业经济与质量管理的协调运用

分析了我国机床工业管理模式发展然存的问题,认为要解决这些管理问题必须要针对质量管理和经济管理进行协调发展的研究。在此基础上,进行了机床经济与质量管理模式探索,提出了机床工业经济与质量管理的协调发展的相关措施。     

Machine Learning Methods as a Tool for Predicting Risk of Illness Applying Next‐Generation Sequencing Data

Next‐generation sequencing (NGS) data present an untapped potential to improve microbial risk assessment (MRA) through increased specificity and redefinition of the hazard. Most of the MRA models do not account for differences in survivability and virulence among strains. The potential of machine learning algorithms for predicting the risk/health burden at the population level while inputting large and complex NGS data was explored with Listeria monocytogenes as a case study. Listeria data consisted of a percentage similarity matrix from genome assemblies of 38 and 207 strains of clinical and food origin, respectively. Basic Local Alignment (BLAST) was used to align the assemblies against a database of 136 virulence and stress resistance genes. The outcome variable was frequency of illness, which is the percentage of reported cases associated with each strain. These frequency data were discretized into seven ordinal outcome categories and used for supervised machine learning and model selection from five ensemble algorithms. There was no significant difference in accuracy between the models, and support vector machine with linear kernel was chosen for further inference (accuracy of 89% [95% CI: 68%, 97%]). The virulence genes FAM002725, FAM002728, FAM002729, InlF, InlJ, Inlk, IisY, IisD, IisX, IisH, IisB, lmo2026, and FAM003296 were important predictors of higher frequency of illness. InlF was uniquely truncated in the sequence type 121 strains. Most important risk predictor genes occurred at highest prevalence among strains from ready‐to‐eat, dairy, and composite foods. We foresee that the findings and approaches described offer the potential for rethinking the current approaches in MRA.