线上线下混合式教学在基础护理课程教学中的应用

混合式教学是运用新型教学方式,通过线上学习和线下教学有机结合而实现优势互补,本文以基础护理课程线上线下混合式教学为例,介绍了学习内容的设计及线上线下课前的准备、课中的实施及课后的巩固,通过混合式教学提高了实训课的教学效果及学生的学习效率、增强了师生间的交流及同学之间的认同感,推动了教学评价方式的改变。     

能量有效的NOMA多用户-多信道匹配算法

针对非理想信道状态信息(channel state information, CSI)下面向海量用户的无线资源高效分配难题,通过引入非正交多址(non-orthogonal multiple access, NOMA)技术提出了一种能量有效的多用户-多信道匹配方案。首先,考虑用户中断概率约束,建立以最大化系统能量效率为目标的非理想CSI蜂窝下行NOMA系统信道和功率联合分配优化问题;然后,将建立的含概率约束的优化问题转化为非概率约束优化问题,并从中解耦出用户-信道匹配优化问题;最后,将面向能量效率的NOMA用户-信道匹配优化问题映射为婚姻匹配问题,进而提出一种高效低复杂度的双边匹配算法实现了多用户-多信道的动态匹配。仿真结果表明,提出的匹配算法性能优于传统匹配算法,能够提供更高的系统能效、实现更低的用户中断概率且收敛速度更快。     

水压轴向柱塞泵滑靴副的流场仿真

滑靴副是水压轴向柱塞泵四个重要摩擦副之一,为保证良好的润滑,采用静压支承结构。通过雷诺数分析滑靴副内部流体流态,柱塞阻尼孔为紊流状态,其长度远小于层流状态,密封带水膜为层流状态,有助于减少泄漏和保证滑靴性能。建立滑靴副模型,运用FLUENT分析不同工作压力和不同流体性质下,流场的压力和流速分布,得出滑靴底部水腔内压力分布均匀且为压力最大区域,是主要承受外界负载的区域;密封带处水膜压力沿半径方向逐渐降低;水腔中心的流速远大于油腔中心的流速,其随工作压力的增大而增大,为滑靴的设计提供一定的理论依据。     

掺硅灰的低水胶比水泥水化产物定量预测方法

基于低水胶比下水泥水化原理以及硅灰作用机制,考虑体系中氢氧化钙量的变化,修正中心粒子模型,提出掺硅灰的低水胶比水泥水化产物体积分数预测方法.对比提出方法、试验数据、Power模型以及Jensen模型,结果表明:所提方法可较好地描述掺硅灰的低水胶比水泥水化进程并定量预测不同水化产物的体积含量;当无硅灰时,所提方法计算的未水化水泥和化学收缩的体积与Power模型计算结果基本一致;当含有硅灰时,所提方法计算的水化产物的体积分数与Jensen模型的模拟相近.     

山楂单宁酶法降解工艺的研究

为改良山楂汁的色泽澄清度及口感,采用向山楂匀浆中加入不同比例的单宁酶以及控制不同的温度与时间酶解山楂中的单宁,测定酶解之后的单宁含量,通过单因素和正交实验优化工艺条件,得到酶解单宁的最佳条件.结果表明:酶解温度45℃、单宁酶在山楂匀浆中体积分数为0.4%、酶解时间为120 min时为最佳酶解组合.     

基于雷达波形设计的抗C&I干扰方法

针对CI干扰利用线性调频信号距离-多普勒耦合特性形成多移频假目标的原理,基于模糊函数理论设计了一种新型多普勒稀疏敏感波形.该波形破坏了干扰信号经匹配接收后在多普勒域上的输出连续性,仅输出零多普勒的主假目标.采用聚类方法对主假目标进行特征模式分析,并结合最小二乘估计干扰参数,实现CI干扰中的真实目标检测.仿真结果表明该方法能够在抗CI干扰的同时完成目标检测.     

地方师范院校教师教育培养模式改革的探讨

教师教育问题一直都是各国教育研究领域的热点问题。目前,我国正处在从人口大国向人力资源强国转变的过程中,教师教育问题显得尤为重要。自改革开放以来,我国对教师教育培养模式开展了多方位的探索,并已取得了巨大的成绩,但仍存在不少的问题。本文梳理了我国教师教育的发展历程,从培养目标及课程设置两个方面分析了教师教育的发展现状和存在的问题,并提出了相应的对策。     

时变OFDM稀疏信道估计中最优导频选择

针对时变OFDM系统中基于压缩感知的频率选择性衰落信道估计,为了提高其估计精度,结合最优导频选择方式,给出一种自适应求最优导频方法。通过闭环反馈信道稀疏度变化的方式,实时的求取最优导频进行信道估计,并与周期性求最优导频方法进行对比分析。仿真结果表明,自适应方法具有更低的信道估计均方误差,与随机方式相比,性能增益平均提高了11 dB,比周期性方法,平均提高了4 dB,且自适应方法误差曲线更平滑。     

重加工具有退化与学习现象的单机批排序问题

本文对同一台机器下次品工件可重加工生产的问题进行研究。工件要求成批加工,每批包括连续加工的两个子批。第一子批的工件加工后,一部分工件是按照要求得到的优良品,另一部分工件是次品。次品的工件接着在第二子批重加工,而次品工件在等待重加工时会产生退化与学习现象,加工完成后得到的工件是优良品。同一子批的工件同时完工,工件的完工时间是该子批中最后一个工件的完工时间。假设每批生产的工件次品率是相同的。每一批工件开始加工和重加工时都有安装时间。目标函数是使总安装时间,重加工和库存持续费用最小,并且优良品工件的需求得到满足。对于该问题的一般情形给出了动态规划算法。接着当批工件的完工时间和批的规模满足一致关系,给出多项时间算法。