埋入式传感器与沥青混合料的交互影响研究

为研究埋入式应变传感器与沥青混合料的交互影响,利用ABAQUS有限元软件,建立了在四点弯曲加载条件下埋入应变传感器的梁试件有限元模型,分析了荷载大小、传感器测力杆长度和传感器封装材料模量等因素对沥青混凝土梁试件及传感器的力学响应与应力集中的影响.研究结果表明:传感器埋入沥青混合料梁试件后,在梁试件上与传感器法兰相接触的沥青混合料发生了应力集中的现象,但应力集中系数较小,最大值仅为2.95.传感器的测力杆也发生了应力集中现象,其应力集中系数最大值为26.83,远高于梁试件的应力集中系数.     

植物促生菌群体感应系统 对根际环境胁迫响应机制的研究进展

植物根际微生物组是植物的第二基因组，但由于自然或人为干扰，使得根际微生物（特别是植物促生菌）面临着生物/非生物的多重胁迫，在此过程中，细菌的群体感应信号调控机制影响自身代谢活性和植物抗逆性，成为根际微生物 植物间互作的重要调控系统为此，该文论述了植物促生菌的群体感应系统及促生机制，着重探讨了土壤根际环境中缺氧、盐碱、酸铝、重金属/有机污染及施加生物炭等非生物胁迫、病原菌侵染等生物胁迫下植物促进菌群体感应系统的响应及调控行为，旨在推动发展以植物促生菌群体感应系统为基础的微生物 植物联合修复中轻度土壤重金属/有机污染土壤的原位修复技术     

植物低温响应研究进展

低温胁迫下会对植物的正常生长发育和生理代谢产生直接影响,最终可能会直接导致生物量积累的持续减少及其抗逆性的能力降低,严重时会引起植物的大量死亡,从而遏制了植物生产和观赏利用并带来损失。植物耐低温的研究方向跟随着现代研究技术手段的进步也不断得到了更新,随之可应用于鉴定植物抗寒性鉴定上的研究方法逐渐增多。将通过对植物在低温胁迫下的表型、组织结构响应、生理响应以及分子组学四个方面进行系统论述。     

基于广义合作网络人-机交互系统安全评价模型

基于复杂网络理论建立一种新的人-机交互网络系统模型,在此基础上,针对网络拓扑特性提出了人-机交互复杂系统安全性判别准则及安全性判据,并结合柴电机启动人-机交互复杂过程说明了模型的应用.该模型从网络的角度去分析和理解人-机交互复杂系统的本质和内涵,直观地描述了复杂系统中的人-机交互过程,为安全性分析和安全性预防工作提供了新的依据.     

干旱胁迫下中国沙棘HB15基因的时空表达模式

中国沙棘是西北高寒干旱区的抗旱型植物,HB类转录因子是参与植物干旱胁迫的重要基因。为发掘沙棘抗旱相关基因,文中以转录组测序获得的HD-Zip家族的中国沙棘转录因子HB15基因为研究对象,采用qRT-PCR技术研究中国沙棘HB15基因在干旱胁迫下的时空表达模式。结果表明:随着干旱胁迫程度增强,HB15基因的表达量在干旱胁迫的中国沙棘的根、茎、叶3个部位均呈现先增加后降低的趋势,并于复水后急剧降低,且3个部位均为上调表达,但表达情况又有所差异。研究结果说明中国沙棘HB15基因受干旱胁迫的诱导表达。     

校企互动式模式下的交互设计职业化教学研究

交互设计在中国已然是一门新兴的热门学科,但因为企业与学校双方在价值取向上有所差异,导致对交互设计人才培养标准的认识与需求有一定的偏差。以校企合作为切入点,提出基于校企互动式模式下的交互设计职业化教学的新思路,并以笔者的亲身实践出发,从课程设置、体系构建、教学运行和教学考核评价等方面探讨了在现有交互设计教学体系下如何进行有效的校企合作的职业化教学改革,探讨如何通过校企互动式教学平台有效地培养优秀人才与实现专业发展。     

黄葛树对土壤铅、镉污染耐受性的研究

以黄葛树为实验材料,通过盆栽实验研究梯度浓度土壤外源铅胁迫(0,250,500,900mg/kg)、外源镉胁迫(0,5,10,20,30mg/kg)对黄葛树形态生长、生理生化特征的影响,旨在综合评价黄葛树对土壤铅、镉污染的适应性,为黄葛树对土壤铅、镉污染的修复潜力研究提供基础.结果表明:250mg/kg铅污染胁迫与5mg/kg镉胁迫对黄葛树株高、地径净生长量、可溶性糖质量分数、SOD活性均无显著影响;250,500mg/kg铅污染与5,10mg/kg镉污染显著增加了黄葛树叶片叶绿素质量比;实验组MDA浓度均显著高于对照;实验设置污染浓度内,900mg/kg铅胁迫与30mg/kg镉胁迫对黄葛树生长的抑制作用最强.研究说明:土壤铅、镉污染对黄葛树生长的影响具有"低促高抑"的特点,500,10mg/kg是铅、镉胁迫对黄葛树生长产生抑制作用的临界质量比,此临界质量比与土壤污染标准相比较可得黄葛树对镉胁迫的耐受性更强.     

考虑车辆间交互作用的驾驶意图预测方法

准确的意图预测可以帮助智能车辆更好地了解周围环境并做出更加安全的决策，从而提高自动驾驶的安全性，促进人机协同驾驶。为了对驾驶员未来的意图做出更加精准的预测，提出了一种交互式意图预测方法。首先，通过将隐马尔可夫模型（HMM）与高斯混合模型（GMM）相结合，在充分考虑周围场景信息后建立了行为识别模型，用于对当前的驾驶行为做出准确的判断。然后，考虑到交通场景复杂多变的特点，提出基于意图的轨迹预测方法规划出一条最佳的行驶轨迹，并采用最大期望效用理论对未来的驾驶行为进行推理。由于行为识别和意图推理模型综合考虑了交通态势的演变过程和车辆之间的交互作用，所以将两个模型得到的结果相结合可得到车辆最终预测出的驾驶意图。最后，在NGSIM数据集对所提出的方法进行验证，结果表明提出的行为识别模型能够提前0.2~0.3 s识别出车辆的换道意图，结合未来意图推理模型，能够更加准确地预测出车辆未来的驾驶行为，由此可提高车辆驾驶的安全性。