植物环蛋白的薄层层析显色反应

用碘、碘化铋钾、茚三酮和考马斯亮蓝G-250四种显色剂对包括植物环蛋白在内的3种寡肽以及氨基酸和蛋白质在薄层层析板上进行了5组显色反应研究. 结果表明, 可以综合考马斯亮蓝G-250和水解前后对茚三酮的显色来识别环蛋白. 应用该显色方法开展了三色堇、紫花地丁、如意草、木鳖子和苦瓜等5种植物的环蛋白的检测和纯化工作, 均检测出环蛋白, 并分离获得十多个环蛋白, 鉴定了其中的3个, 为已知环蛋白cycloviolacin O2, kalata B1和vary peptide A.     

微机械及微细加工方法的研究

基于光固化快速成型制造技术,结合光刻技术、牺牲层技术以及化学镀膜技术,研究了一种新型的微细加工方法,提出了非导电极板（光敏树脂固化物）镀膜的新方案,设计了一种有较大驱动位移的微型电容式激励器,并介绍了其加工制作的工艺流程。实验结果表明此微细加工方法是可行的,从而开辟了微细加工的新途径。     

案例教学在数学建模课程中的应用

针对目前案例教学法在数学建模课程中存在的问题,举例说明如何进行案例的拓展训练,让学生充分认识数学建模的本质,培养其创新思维和灵活应用知识的能力.     

关联深度自适应的多假设跟踪研究

多假设跟踪(multiple hypothesis tracking, MHT)方法是一种在多个扫描上评价关联假设并由此做出决策的贝叶斯型关联跟踪方法,此方法能够在信噪比低10~100倍的状况下获得与单扫描方法相当的性能,但同时会带来相当大的计算量。本文研究了面向航迹MHT中的关键算法,包括航迹得分计算与航迹树的生成、将航迹聚类和假设生成建模为图论问题并求解、N-扫描回溯剪枝等,特别关注了这些算法过程的实现;提出了一种关联深度自适应(adaptive association depth, AAD)方法,使关联深度随关联场景的复杂程度自适应变化;仿真研究了本文提出的AAD-MHT跟踪密集目标的性能,结果和分析表明,与深度值固定为6的MHT相比,最大深度为6的AAD-MHT既能保证性能又有效降低了计算量。     

直观教学法在常微分方程课程中的运用

以讲解稳定性为例,给出形象直观教学法、几何直观教学法及简例直观教学法在常微分方程教学中的具体应用.     

信息与计算科学专业数学建模课程设计研究

面向信息与计算科学专业数学建模平台课程,探讨实践课程设计的内容和实施方案,从而实现数学建模理论和实践教学时间的合理衔接以及内容的融合.课程设计的实施激发了学生学习和应用数学知识的兴趣,提高了学生的实践能力.     

基于遗传算法的半导体器件模型参数提取

随着半导体器件特征尺寸的缩小,半导体器件模型也变得越来越复杂,模型参数个数急骤增加,目标函数自变量空间的维数也变得越来越大,传统的一些基于梯度的参数提取方法已经不能很好地解决问题。遗传算法是一种应用基因工程和人工智能模拟的优化算法,近年来在半导体器件模型参数提取领域被广泛使用,这种方法能有效地克服传统参数提取方法中的一些困难。详细阐述了采用遗传算法提取半导体器件模型参数的原理,同时也指出了采用这种方法提取模型参数时的缺点和目前的一些解决方法。     

凸多面体不确定离散线性系统的Gl2性能分析

研究凸多面体不确定离散线性系统的Gl:性能分析问题,基于简化的Gl2分析定理,通过构造参数依赖Lyapunov函数和引入辅助松弛变量,得到了更少保守性的Gl2性能的线性矩阵不等式(LMI)表述.算例验证了该方法具有更少保守性.     

在役桥梁全过程FNM风险概率估计法

基于时变可靠度理论,考虑三级工作模式,提出在役桥梁全过程FNM (Finite element-Neural network-Monte-Carlo simulation) 风险概率估计法。在风险识别的基础上,通过蒙特罗抽样获得桥梁使用周期内某一时间的n组风险因素随机样本。n为蒙特卡罗法模拟所需样本数的经验下限。设神经网络训练所需样本数的经验上限为N,通过有限元计算获得此N组样本。剩余n-N组样本由神经网络模型获得。由此即可得到蒙特卡罗法模拟所需的n组样本。实桥算例以一座运营了8年、主跨80m的吊杆砼拱桥为对象,预测了该结构的承载力和风险概率。算例分析表明,该方法科学合理、简便有效,能为在役桥梁的加固决策提供参考依据。     

预应力FRP加固RC梁受弯剥离承载力分析

摘　要: 受弯剥离破坏是预应力纤维加固复合材料（FRP）片材加固受弯钢筋混凝土（RC）构件的主要破坏模式。本文以预应力FRP片材加固RC梁为研究对象,理论推导结合试验验证,分析该类构件由中部弯曲裂缝引起界面剥离的承载力。基于FRP-混凝土界面粘结滑移的双线性模型,推导弯曲裂缝间界面的粘结剪应力,提出了预应力FRP片材加固RC梁由弯曲裂缝引起界面开始剥离以及发生剥离破坏的预测模型。试验结果表明：FRP的预应力越大,加固梁的剥离承载力越高;无论是预应力还是非预应力FRP加固梁,利用本文的剥离预测模型均可得到较好的结果。