ICU应急辅助决策系统的开发研究

分析了我国危重病医学的现状,阐明了研制ＩＣＵ（ｉｎｔｅｎｓｉｖｅ ｃａｒｅ ｕｎｉｔ）应急辅助决策系统的意义。结合ＩＣＵ的特点,说明了ＩＣＵ应急辅助决策系统的特点和实现方法,在此基础上,讨论了系统的主要功能模块,在知识库的设计国,用面向对象技术建立了一种多元知识库模型;而在推理机的设计中,从人类认知的角度出发,突出了应急的实时诊断,提出了一种由基于规则推理、证据推理和案例推理的集成推理机制,最后在     

公交网络车费设定问题的Stackelberg博弈模型

对城市公交网络系统车费的合理设定问题进行了研究分析,考虑到乘客对公交收费变动会作出相应的反应,从而改变网络上乘客的流量分布,运用Ｓａｃｋｅｌｂｅｒｇ博弈理论,将这一问题描述为一个两级数学规则问题,在一定的公交网络收费结构下,乘客在网络上的流量分布可由随机用户平衡分配模型进行估计,鉴于两级规划问题的非凸性,提出了基于灵敏度分析的启发式算法,最后,给出一个仿真算例说明本文提出的模型和算法的合理性。     

液态金属电阻仪数据采集处理系统的开发与应用

液态金属电阻仪数据采集处理系统采用2182纳伏表并配用K型热电偶进行电压测量和温度测量,用PF66M型数字多用表加装电流换向器供给直流恒定电流,并基于VB语言开发了一套测量液态金属电阻率随温度变化的实时数据采集和数据分析处理软件,实现了计算机与测量仪表的通讯和测量数据的自动采集记录。通过对PbSn61.9合金的实测应用分析,该数据采集系统工作可靠,显著提高了液态金属电阻测量的精度和效率。     

广义酉矩阵和广义(斜)Hermite矩阵的约当标准形

文章给出了P-内积的定义,利用P-内积的概念详细讨论了广义酉矩阵和广义(斜)Hermite矩阵的特征值以及广义特征向量的各种性质,并且利用这些性质解决了广义酉矩阵和广义(斜)Hermite矩阵的约当标准形。     

有机磷农药对小白菜中可溶性蛋白质及SOD、Mg2+-ATPase、Ca2+-ATPase和CAT的影响

使用一定浓度甲胺磷农药喷洒小白菜后,测定7d中其可溶性蛋白质及抗氧化酶（SOD、CAT、和蛋白酶Mg^2＋-ATPase、Ca^2＋-ATPase）的含量变化．结果表明,喷药后可溶性蛋白质在第2～4天含量比对照组减小,随后呈上升趋势;SOD和CAT在第2～6天均高于对照;而Mg^2＋-ATPase、Ca^2＋-ATPase第1～4天与对照相差不大,第5、6天略高于对照;第7天各物质都基本还原到与对照接近或持平．说明有机磷农药喷洒后致使植物体内产生了大量氧自由基,进而诱导细胞内防御活性氧自由基毒害的物质产生．     

复杂场景散射中心模型化与雷达成像应用

在复杂场景中, 目标与环境之间的耦合散射会造成雷达图像特征的干扰, 这一问题给雷达目标自动识别与跟踪技术带来了困难, 成为雷达、电磁领域持续关注的热点研究问题。目前, 使用传统的电磁数值计算方法对复杂场景散射问题进行仿真, 所需计算资源巨大, 耗时很长, 而且多限于针对单一类型复合目标, 难以满足实际工程应用需求。针对此问题,提出了复杂场景散射中心模型化的方法, 集成散射中心模型、物理光学法、积分方程法、四路径模型、射线追踪等方法为一体, 实现了复杂场景、群目标雷达成像快速仿真。本文给出了三种有代表性的复杂场景的逆合成孔径雷达成像仿真结果, 验证了本文方法的可行性及泛用性。     

基于神经网络的驾驶员觉醒水平双目标监测法

在驾驶员疲劳状态单目标状态识别的基础上,提出了驾驶员嘴巴与眼睛状态双目标疲劳状态判别法.该方法将驾驶员眼睛和嘴巴的特征向量值按先后顺序,分别输入到修正的BP网络中,采用区域匹配算法,根据驾驶员疲劳状态量化评判标准,综合识别驾驶员的觉醒水平.采用VC++开发了驾驶员疲劳监测算法软件,并对驾驶员进行了监测仿真试验.结果表明,双目标监测系统能够实时、准确地监测和识别驾驶员的觉醒水平,具有较高的识别容错性和准确性.     

浅谈预应力钢筋混凝土T梁施工预制质量控制

文章根据施工实践经验,分析总结了预应力钢筋混凝土T梁、空心板等在预制、张拉时的质量控制方法,它对指导施工具有很好的实用性,同时也对设计具有一定的参考价值。     

土壤农药降解微生物及其作用机理

化学农药在土壤中残留造成的环境污染和给人类健康带来的危害日益严重,土壤微生物在土壤残留农药降解中起着关键作用,利用微生物来降解农药可以保障土壤的健康发展.本文从土壤残留农药的种类、降解农药的微生物类群、微生物降解农药的机理、微生物降解的影响因素等方面进行了综述,并且对土壤农药微生物降解的研究趋势提出了自己的观点.     

基于神经网络的Q学习在Khepera Ⅱ机器人避障中的应用

为了提高移动机器人的自主学习能力,在传统的机器人行为控制结构基础上设计了智能控制结构,同时引入了基于神经网络的Q学习模块算法,克服了传统算法只能应用到离散状态中的不足.移动机器人的避障实验结果表明,该方法能够使移动机器人通过自学习实现自主避障.