【摘 要】
：
该文按照标准YY/T 0342—2020的要求，分别采用挠度法和位移法对3种不同规格型号的金属接骨板进行四点弯曲测试，计算出金属接骨板的弯曲强度和刚度。通过探讨2种测试方法的差异和数据分析，最终发现应用挠度法和位移法测定接骨板弯曲刚度的结果基本一致。但是，测定接骨板弯曲强度时，2种方法测得的结果差异较大，不能直接进行对比。这为金属接骨板的力学性能检验和研发过程中方法的选择提供了客观的数据及指导。
论文部分内容阅读
该文按照标准YY/T 0342—2020的要求，分别采用挠度法和位移法对3种不同规格型号的金属接骨板进行四点弯曲测试，计算出金属接骨板的弯曲强度和刚度。通过探讨2种测试方法的差异和数据分析，最终发现应用挠度法和位移法测定接骨板弯曲刚度的结果基本一致。但是，测定接骨板弯曲强度时，2种方法测得的结果差异较大，不能直接进行对比。这为金属接骨板的力学性能检验和研发过程中方法的选择提供了客观的数据及指导。
其他文献
尽管基于无人机的图像应用已经在军事和民事领域得到了广泛应用,但目前这些应用存在着实时性差、成本高和需要人参与其中等缺陷。随着人们对无人机自主执行实时图像处理任务的需求越来越强烈,基于人工智能、嵌入式系统和网络等技术,该领域的相关技术能够得到较好的发展。本硕士学位论文的研究目标是:研究无人机智能图像应用技术,设计基于人工智能的云台相机控制方法,实现能够支持实时拍摄特定目标特写照片的应用。本文主要的工
时间序列是在固定采样间隔内收集的一系列观测值,现实生活中的时间序列大多是非平稳的,这意味着其分布会随着时间而变化。非平稳时间序列具有的非平稳、高噪声及周期性等特征,导致非平稳时间序列预测（NS-TSP）任务具有一定的难度。NS-TSP问题的相关研究方法有传统统计方法、计算智能方法和组合预测方法等,其中组合预测方法是主流方法。将增量学习（IL）和集成学习（EL）相结合用于非平稳环境下的各种任务被验证
通过整理相关的研究数据，建立了基于2个层次、4个一级指标和20个二级指标的农业绿色智慧发展水平评价体系和神经网络样本集。基于该样本集对极限学习机算法进行训练，建立了基于极限学习机算法的农业绿色智慧评价系统模型。并使用测试数据集对极限学习机的预测性能进行测试。测试结果表明，该评价模型可以对农业绿色智慧发展水平进行有效的预测，具有一定的应用价值和产业化前景。
现实世界的工程优化中存在着大量含有多个冲突目标的组合优化问题,被称为多目标组合优化问题。强化学习,作为常见的时序决策方法,可应用于求解组合优化问题。本论文围绕强化学习与多目标组合优化开展交叉研究,主要研究内容包括以下两方面:首先,Pareto局部搜索是求解多目标组合优化问题的主流方法之一。在Pareto局部搜索中,如何选择一组好的初始解集并对其邻域进行搜索,将决定其最终性能。我们将多智能体强化学习
系留气球是一种重要的浮空器，软件是系留气球设计和优化的重要工具。根据VTK功能和可视化机制，基于VTK几何构建和三维模型可视化技术对系留气球设计和优化软件进行开发探索。在Qt平台上使用C++语言开发系留气球三维可视化平台，该平台包括显示控制和截面切割等功能，可初步实现系留气球的设计。测试结果表明，基于VTK的几何构建及可视化技术能够满足系留气球三维模型可视化要求，可用于系留气球设计软件的后续开发。
现实世界中的优化问题往往含有多个目标以及双层嵌套结构,这些问题被称为双层多目标优化问题（BLMOPs）。对BLMOPs直接嵌套求解将消耗不可忍受的计算资源。因此,如何设计方法对BLMOPs进行高效地求解至关重要。本文的研究内容主要包含以下两部分:第一,变量分解是解决双层优化问题的有效手段。针对现有双层变量分解中对上层变量间相关性以及分组间的弱相关性欠考虑的不足,提出了一种基于静态变量分解的双层多目
传统的移动云计算（Mobile Cloud Computing,MCC）逐渐转向移动边缘计算（Mobile Edge Computing,MEC）,以满足低延迟场景的需求,并且合理的部署边缘服务器是构建MEC系统中基础的问题之一。传统的边缘服务器的部署工作包括边缘服务器的选址和计算能力的分配两部分内容。在5G网络环境中,将MEC服务器部署在5G基站中是一种典型的方式,接下来如何合理的分配边缘服务器
在移动App快速发展的同时,也暴露出多种质量问题,例如安全缺陷、功能缺陷。为了保障移动App的质量,缺陷分析和测试等活动已成为开发和质量保证人员关注的焦点。随着自然语言处理和机器学习技术的发展,从用户评论中挖掘有价值的缺陷信息已成为软件工程领域的热门研究。评论中包含大量有价值的用户反馈,可为开发和测试人员可以发现和分析用户反馈的缺陷问题提供参考,并进一步支持测试等质量保证活动。然而评论数据海量,非
互联网时代信息爆炸性增长,选择一个符合用户要求的子集来代表整个数据集是数据库系统中一项重要功能。作为多准则决策的重要工具之一,遗憾最小化查询可以很好地满足该功能需求。为了降低查询的遗憾率,交互策略可以不断地逼近用户真实想法,从而降低遗憾率。然而现有的交互查询算法存在交互轮数过多的缺陷。本论文针对已有算法存在的缺陷,设计出高效的交互遗憾最小化查询算法。论文主要工作和创新点如下:（1）提出了基于排序的
增值评价是以学生成长为核心，以学校发展为目标的一种评价方式，可以更公平地评价学校效能。增值评价有多种数学模型，其中，与基于平均名次、基于标准分的两种模型相比，基于学生成长百分位和多层线性回归两种模型的优势在于能够避免优秀学生增值空间受限的问题。在多层线性回归模型中纳入学生性别、家庭社会经济地位指数等学校不可控的生源因素，可有效排除生源因素对学生的影响，更符合关注学校“净效能”的评价理念。