太赫兹波段树枝状三维各向同性左手材料设计及特性研究

基于微波段二维树枝状左手材料的设计思想,设计了太赫兹波段的三维各向同性左手材料结构单元模型.采用金属Drude模型,运用等效媒质理论,仿真模拟了结构单元的电磁响应特性,计算了结构单元的有关电磁参数,分析了其缺陷效应和吸波特性.结果表明折射率在太赫兹波段1.17¹.38 THz之间为负值,并通过模拟负折射验证了其左手特性;在缺陷严重情况下,其左手特性将消失;通过对模型进行改进,在1.47 THz处出现了一个吸收峰,吸收率高达98%.该模型结构简单,研究结果为采用自上而下的方法制备三维太赫兹波段左手材料指出了途径.     

计算机硬件实验教学的几个问题

指出我国高校计算机应用专业在计算机硬件实验教学上普遍存在的一些问题,分析了其产生的原因,并提出了一些解决这些问题的措施     

杂质对三元准周期超晶格隧穿性质的影响

应用δ函数势模型和散射矩阵方法,研究了势阱中的杂质对三元准周期超晶格电子隧穿性质的影响。结果表明,杂质对三元准周期超晶格的电子共振隧穿谱有明显影响。改变δ势垒高度会引起透射峰的移动;杂质放在势阱中的不同位置,也会使得电子透射率谱发生变化。     

多孔CPC材料复合转染VEGF的骨髓间充质干细胞修复大鼠颅骨缺损的实验研究

为研究转染血管内皮生长因子(VEGF)基因的骨髓间充质干细胞(BMSCs)复合多孔CPC构建的组织工程化骨对骨缺损的修复作用,用脂质体介导质粒pIRES2-EGFP/VEGF165转染大鼠BMSCs,与多孔CPC复合体外构建组织工程化骨,植入大鼠颅骨缺损模型,未转染VEGF165的组织工程化骨作对照。分别在4周、12周取材,以组织学组织形态学分析骨缺损修复情况.比较两组的骨形成差异。结果转染VEGF组骨缺损的修复效果明显好于未转染组。组织形态计量学分析显示,4周时,转染组材料内新生骨面积为31.9%,未转染组为19.7%。12周时,转染组材料内新生骨面积为75.9%,未转染组仅为49.7%。差异具有统计学意义(P<0.000 1)。转染组的骨形成速率明显快于未转染组,两者分别为分别为6.18±1.62μm/d和3.56±0.93μm/d。说明VEGF转染细胞组较对照组血供加强,骨缺损修复加速。     

点缺陷对微波介质陶瓷介电性能的影响

从理论方面研究点缺陷对微波介质陶瓷材料介电性能的影响,通过实验分析微波介质陶瓷材料的几种改性机理中点缺陷所发挥的作用,以及工艺因素对点缺陷的影响,得出由于点缺陷的作用使得几种改性可能会产生的结果。     

基于路面雷达的路面结构缺陷检测方法

为了提高路面雷达适应实际检测对象的变化能力和路面结构缺陷检测效率,采用Borland C Builder 6．0开发了一个具有路面雷达数据转换和路面结构缺陷识别等功能的软件系统．与原路面雷达配套软件IRIS-L的比对结果证明,所设计的软件系统的数据变换、信号处理与识别的方法是正确的,并较原配套软件增加了路面结构缺陷的识别功能,提高了路面质量检测的准确性和结构缺陷的识别效率．     

有缺陷钢筋砼结构的可靠性对比分析

钢筋砼结构的缺陷可能是施工造成的先天性缺陷,也可能是使用过程中的腐蚀性介质环境造成的,分别对其可靠度水平的变化规律进行研究,对维修加固决策具有科学意义。本文根据《建筑结构可靠度设计统一标准》要求,研究了先天性施工缺陷结构及后期使用环境中腐蚀性介质影响下的缺陷结构的可靠度特点,分析了其影响因素,对比了不同荷载特征条件下的缺陷结构可靠度的变化规律,为优化维修决策提供了理论支持。     

可靠性增长模型和正交缺陷分类的结合及在过程定性分析中的应用

软件过程的度量和分析是近年来软件工程领域的重要研究方向。传统可靠性增长曲线模型可对软件过程进行预警,正交缺陷分类方法可对软件缺陷进行度量,但是两种方法都无法对软件过程提供直接的指导和定性的分析。提出将传统可靠性增长曲线模型结合正交缺陷分类属性缺陷类型,将不同种类的缺陷放在同一横坐标上进行比较,得出软件过程定性分析结论。     

整层充填流动树脂与夹层技术在深楔状缺损修复中的比较研究

目的 比较整层充填流动树脂与夹层技术在修复深楔状缺损的临床效果。方法 选取2019年7月至12月在井冈山大学附属医院就诊的90例（共185颗患牙）深楔状缺损患者,采用随机数字表法将患者分为对照组45例（90颗患牙）采取夹层技术修复,试验组45例（95颗患牙）采取整层充填流动树脂修复。比较两组患者患牙敏感率和充填体脱落率发生情况,并评价两组患者临床修复效果。结果 试验组修复成功率高于对照组,试验组患牙敏感率低于对照组,试验组充填体脱落发生率低于对照组,差异有统计学意义（P<0.05）。结论 整层充填流动树脂相较于夹层技术,可进一步提高修复效果,减少患牙敏感率,降低充填体脱落率。     

基于检测图像的排水管道缺陷智能辅助分类方法

针对当前地下管网CCTV检测缺陷中存在自动化程度偏低及依赖专业人员技术水平的问题,综合采用图像处理和深度学习技术构建了辅助检测人员快速、准确地识别管道缺陷类型的智能方法。首先,收集十类典型缺陷图像,对其进行图像处理生成样本集;在此基础上,以深度卷积神经网络AlexNet和ResNet50为基础框架,使用预训练AlexNet和ResNet50网络迁移学习管道缺陷特征,通过敏感性分析优化了分类网络参数,然后,通过测试集验证了管道缺陷智能分类模型的准确性,并结合具体工程实例验证建立方法的有效性。结果表明：两类管道缺陷智能分类模型在测试集上分别达到92.00%和96.50%的准确率,实际工程实例准确率达到了85.41%和87.94%,且ResNet50的分类效果更优,具有较好工程适应性。图像处理和深度学习技术可提高排水管道缺陷分类的自动化与准确率,值得进一步进行推广。