对"晨光"体育活动的审度与思考

在总结河南省“晨光”体育活动成功经验的基础上 ,对提高学校体育的水平与质量进行了理论性论证 ,进而提出了“晨光”体育活动应推广与普及的合理化建议及可行性措施 .     

数显温控精确测量金属丝的温度系数

在传统金属导体温度系数测量中对于金属丝的加热通常采用了水浴加热法或油浸加热法。这两种方法存在着短路、产生不良气体污染、温度测量不精确等缺点。首次使用了数显温度可控的功率电阻作为金属丝的加热源,在测量中采用了双臂电桥、金属丝的四端电阻接线方式,不仅实现了金属丝的温度可控性和实时测量性,而且将测量精度提高到3%以内。     

基于对偶基的比特并行算法实现RS编码

以DVB-C系统中的RS编码为例，参照Berlekamp比特串行乘法器，提出了一种基于对偶基的比特并行乘法器的方法来实现RS编码器，可以达到较高的吞吐率，从而可以采用FTGA／CPLD实现高速RS编码。     

大型径向和推力滑动轴承试验台结构设计与应用

对径向滑动轴承、推力滑动轴承试验台以及实验台的结构设计、试验范围、功能和工业产品实验进行了介绍。该试验台在滑动轴承的实验研究中得到了很好的应用。     

Goniothalamicin and annonacin: Bioactive acetogenins fromGoniothalamus giganteus (Annonaceae)

Summary Using brine shrimp lethality for activity-directed fractionation, goniothalamicin (I), a new tetrahydroxy-mono-tetrahydrofuran fatty acid -lactone (acetogenin), has been isolated from ethanolic extracts of the stem bark ofGoniothalamus giganteus Hook. f., Thomas (Annonaceae). This novel compound was found to be cytotoxic and insecticidal and inhibited the formation of crown gall tumors on potato discs. Annonacin (II), the only other reported mono-tetrahydrofuran acetogenin, was also isolated; the previously reported 9ASK (astrocytoma reversal) activity ofII was confirmed, andII is now also found to be weakly active against 3PS murine leukemia.     

冠状动脉粥样硬化病变中微量元素的X射线显微分析

本文应用EDAX-9100能谱仪,对家兔冠状动脉粥样硬化病变部位的微量元素进行显微分析,发现Zn/Cu比值大于1,提供了冠心病病因中“Zn/Cu假说”的实验论证。     

能耗率极值原理和重力理论交互作用下粗质颗粒的浓度垂线分布

本文同时运用能耗率极值原理和重力理论研究了固液两相流在粗质颗粒时固相浓度的垂线分布,通过探讨能耗率极值原理对“非单向性”作用问题,进一步揭示了两相流运动的机理。计算结果与实测数据有较好的吻合。其研究方法、原理、步骤也极易推广到其它各种粒径的固相。     

砂卵石地层盾构隧道掌子面稳定性理论分析

盾构隧道穿越砂卵石地层掘进施工时,由于砂卵石的地层特性及施工扰动,隧道掌子面容易失稳而引发事故。为研究砂卵石地层盾构隧道掌子面稳定所需的最小支护力,结合砂卵石地层的掌子面失稳模式,在三维Murayama模型的基础上,将掌子面前方土体的滑动面形式假设为对数螺旋滑移线,结合上部松动区域的破坏机制,引入椭球体放矿理论,对传统的棱柱体筒仓模型进行改进,进一步通过极限平衡法推导出砂卵石地层的掌子面极限支护力求解公式;最后通过离散元数值模拟验证所推公式,两者的误差为3.1%。结果表明所得公式可对砂卵石地层的掌子面极限支护力进行较为精确的求解。研究成果以期为砂卵石地层掌子面极限支护力计算理论提供依据。     

数据驱动下交通异常行为的双层识别模型

为实现对车辆异常行为的准确识别,提高车辆行驶的安全性,提出了一种基于支持向量机(support vector machine, SVM)、监督学习与长短期记忆(long short term memory, LSTM)深度学习的交通异常驾驶行为双层识别模型。首先,对车辆轨迹数据筛除和滤波,构建异常行为数据集;其次,从异常行为轨迹特征中提取出特定异常行为的特征标签,并人为标定在训练集中;再次,构建SVM模型对训练集进行粗识别,基于SVM的二分法原理,从测试集中筛选出异常行为;最后,通过LSTM时间序列模型构建具体种类的异常行为模型,并通过深度学习的方法,从异常行为数据中细分为蛇形驾驶、急速变向、侧滑、大半径转弯、快速U型转弯、急刹车等具体的异常驾驶行为。本次实验选用下一代仿真(next generation simulation, NGSIM)数据中US-101高速公路和peachtree城市道路的数据集的轨迹数据验证SVM和LSTM双层识别模型的性能,包括均方根误差、识别准确率等。结果表明,构建的双层识别模型在第一层有98%的识别准确率,第二层有超过80%的识别准确率,可以较为准确地识...