浅谈基于激光雷达数据的航空影像校正

介绍了何为激光数据及激光数据处理软件Terrasolid软件模块介绍,讲述了激光点数据的简单处理方法,再到影像数据的读入、同名像点的添加,及正射影像生成的全过程,并总结了实践中的经验。     

数字图像融合技术的研究

本文阐述了可见光-热红外双通道图像融合系统的组成和原理,整个图像融合处理系统采用背板结构,由视频采集、显示输出板及融合处理板组成。该系统采用大规模可编程逻辑器件实现了系统逻辑与时序控制,在视频采集和显示输出板又留有接口,方便了板级调试与升级。     

基于JSP语言的图书管理系统设计

设计了基于JSP语言的图书管理系统。该系统通过后台数据库的建立和维护以及前端的设计实现了添加、删除、查询等管理系统的基本功能。     

溶质运移模型的有限元数值解

将混合拉普拉斯变换有限单元法引入到求解首采区卤水动态二维模型的溶质运移问题中,能够有限地消除在求解对流占优的地下水溶质运移问题时产生的数值扩散和过量的现象,具有一步到位、局部求解的优点,最后将该方法应用到具有空间一阶导数项的对流弥散方程,以检验该方法的数值有效性和求解溶质运移模型的能力.     

含邻苯二酚基团N-炔丙基酰胺螺旋聚合物对金属离子的吸附研究

设计合成了一类侧链上含有邻苯二酚基团的N-炔丙基酰胺螺旋聚合物,研究了其对水溶液中的Fe(Ⅲ), Ni(Ⅱ)和Cu(Ⅱ) 3种金属离子的吸附行为。结果表明,两种金属离子共存时存在竞争吸附,三者的竞争吸附关系为Fe(Ⅲ)＞Cu(Ⅱ)＞Ni(Ⅱ);共聚物吸附Fe(Ⅲ)的动力学过程可用准一级动力学模型来描述;吸附后所形成的Fe(Ⅲ)络合物中,聚合物的二级结构随Fe(Ⅲ)的吸附量变化而变化,两者之间存在定性关系。     

带有色观测噪声的多传感器ARMA模型信息融合辨识

对带已知有色观测噪声的未知自回归滑动平均模型(ARMA)模型,提出了一种两段信息融合辨识方法:第一段用递推辅助变量(RIV)算法得到自回归(AR)参数的局部和融合一致估值,第二段用Gevers-Wouters算法和用伪逆求解线性方程组方法得到滑动平均(MA)参数和噪声方差的局部和融合一致估值。该方法可用于语言增强信号处理问题。一个仿真例子说明其有效性。     

对居民小区远程抄表系统的探讨

本文通过对目前国内远程抄表系统进行分析,提出直接利用低压电力线构成与低压电网系统结构相对应的用户电能表终端+配变集中器组网的远程抄表系统,可供参考。     

复方三芪提取物对NMDA致大鼠视网膜损伤的保护作用

目的:研究复方三芪提取物对由N-甲基-D天门冬氨酸(NMDA)诱导的大鼠视网膜损伤模型的保护作用.方法:20只SD大鼠随机分为5组:正常对照组、模型组、复方三芪提取物低、中、高剂量组.模型组和给药组大鼠于右眼玻璃体内注射2μL 40 nmol.L-1NMDA,制备视网膜神经元损伤模型.给药组在NMDA注射前7 d起给予复方三芪提取物灌胃(3.903,7.805,15.61 g.kg-1.B.W.);正常对照组和模型组则给予等剂量的生理盐水灌胃.注射NMDA 7 d后静脉取血,测定血清超氧化物歧化酶(SOD)活性及丙二醛(MDA)含量,取眼球组织,切片HE染色,观察视网膜厚度,并对视网膜视神经节细胞层(RGCL)神经元进行计数.结果:模型组大鼠RGCL神经元个数为正常组大鼠的51±6%.同模型组相比,复方三芪提取物(3.903,7.805,15.61 g.kg-1.B.W.)能剂量依赖性地增加RGCL神经元个数(P<0.05),依次为正常组的69±6%,89±7%,103±7%.复方三芪提取物(7.805 g.kg-1.B.W.)显著提高大鼠血清SOD活性并降低MDA含量(P<0.001).结论:复方三芪提取物能抑制NMDA诱导的视网膜脂质过氧化,并能阻止大鼠视网膜神经元进行性丢失,对NMDA诱导损伤的大鼠视网膜有修复作用.提示复方三芪提取物可能具有促进神经元的再生作用.     

弧齿锥齿轮锥度切削原理与试验

基于微分几何梅尼埃定理,分析了弧齿锥齿轮锥度切削的原理,介绍了锥度切削的加工方法和实现条件。根据局部综合法建立了弧齿锥齿轮锥度切削的数学模型。利用M atlab和三维软件Pro/E,绘制出了小轮锥度切削的齿轮模型。在数控铣齿机上进行了锥度切削试验,并在锥齿轮滚动检查机上进行了接触印痕检查,验证了在数控铣齿机上实现锥度切削的可行性。     

煤矿安全生产监控系统的发展历程分析研究

本文以对地方中小型煤矿应用煤矿安全检测与监控设备存在的问题和实际需求为背景,描述了煤矿安全生产监控系统的组成、发展历程和发展趋势。对两种安全检测与监控系统KJ90N和KJ73N的性能、功能、特点和实际应用进行了比较分析,认为煤矿安全检测与监控设备的推广与规范应用是我国中小型煤矿安全生产的迫切需求。