溶菌酶对犊牛腹泻和生长性能的影响

[目的]本试验研究溶菌酶在使用量不同情况下,对犊牛腹泻和生长性能的影响。[方法]选择无病、健康、体型近似的犊牛100头,随机分为4组,每组25头,分别为对照组、低剂量组(Ⅰ组、1 g/头·天)、中剂量组(Ⅱ组、3 g/头·天)、高剂量组(Ⅲ组、5 g/头·天),试验期30天。在试验开始和结束时,观察犊牛粪便、腹泻、体重、体尺变化,并记录。[结果]试验期溶菌酶对犊牛的粪便评分有影响,1~30天的粪便评分Ⅲ组显著低于对照组(P<0.05),且Ⅲ组比对照组降低12.5%;1~15天时腹泻率差异显著(P<0.05),Ⅰ组、Ⅱ组、Ⅲ组与对照组相比分别降低23.02%、41.81%、53.64%,表明溶菌酶使用量多,腹泻效果更加明显;添加溶菌酶的Ⅱ组和Ⅲ组犊牛的平均日增重均显著高于对照组(P<0.05),分别提高9.6%、12.0%;Ⅲ组胸围显著高于对照组,高3.0%。[结论]溶菌酶使用到合适剂量,不仅能降低犊牛腹泻率,还能促进犊牛的生长性能。

基于BP神经网络的冰形特征参数预测

机翼结冰影响了飞机飞行的气动特性,严重时将会引起事故,对冰形特征参数进行预测对翼型气动特性研究以及后续防除冰措施具有重要的意义。本文利用BP神经网络,建立翼型冰形特征参数预测模型,并采用k折交叉验证进行网络结构选择,以气象与飞行条件作为输入,结冰极限、冰角高度和角度等冰形特征参数作为输出。结果表明:预测的冰形特征参数(除下冰角高度外)与数值结果相对误差低于5%,证明该方法具有较好的预测效果。

Prediction Model of Aircraft Icing Based on Deep Neural Network

Icing is an important factor threatening aircraft flight safety.According to the requirements of airworthiness regulations,aircraft icing safety assessment is needed to be carried out based on the ice shapes formed under different icing conditions.Due to the complexity of the icing process,the rapid assessment of ice shape remains an important challenge.In this paper,an efficient prediction model of aircraft icing is established based on the deep belief network(DBN)and the stacked auto-encoder(SAE),which are all deep neural networks.The detailed network structures are designed and then the networks are trained according to the samples obtained by the icing numerical computation.After that the model is applied on the ice shape evaluation of NACA0012 airfoil.The results show that the model can accurately capture the nonlinear behavior of aircraft icing and thus make an excellent ice shape prediction.The model provides an important tool for aircraft icing analysis.

准一维Mn基超导材料研究进展

探索新的高温超导材料与揭示非常规超导机理一直是凝聚态物理研究的重点.除了铜氧化物超导体和铁基超导体这两大家族之外,其他过渡金属基非传统超导材料相对较少,其中锰基超导材料尤其稀少.晶格维度的降低通常会抑制磁有序并增强自旋涨落,可以以此为思路探索新的锰基超导体.近年来,一个新的准一维锰基材料家族AMn_(6)Bi_(5)(A=Na,K,Rb和Cs)被发现.其中,AMn_(6)Bi_(5)(A=K,Rb和Cs)在高压下表现出非常规超导电性,加深了人们对于非常规超导与反铁磁关联的认识.

基于卷积神经网络的结冰翼型气动参数预测

针对传统CFD计算获取结冰翼型气动参数过程繁琐的问题,提出一种基于数据转换和深度学习的图形化预测方法,开展结冰翼型气动特性参数的预测研究。该方法利用卷积神经网络可有效提取图形特征的特点,通过数据转换提取翼型结冰图形,建立结冰翼型气动参数预测模型,通过训练网络建立冰形与气动参数之间的非线性映射关系。最后,以NACA0012翼型为例开展仿真试验,证明了方法的可靠性和高效性。研究结果表明,利用该方法预测气动参数平均相对误差在5%以内,预测时间在毫秒量级,可为后续飞机结冰飞行安全分析和防/除冰设计提供参考。