晶体管差动放大电路负反馈分析

差动放大电路使用广泛,在模拟集成电路中得到了充分运用,许多教材与文献对它的工作原理进行了较好的分析与介绍,对于广泛使用的长尾式差动放大电路的分析,也有必要引用反馈方块图所引出的分析方法去讨论,从而从负反馈的角度认识该电路的工作性能．     

瑞替普酶溶栓治疗急性心肌梗死的疗效观察

目的:研究ST段抬高的急性心肌梗死(STEMI)发病后不同时间溶栓的疗效和不良反应.方法:对86例住院的STEMI患者用瑞替普酶行溶栓治疗,依据发病到溶栓开始的时间将86例患者分为三组:A组≤lh (n=28),B组>lh,但<6h(n=36),C组>6h,但≤12h(n=22),观察梗塞相关动脉(IRA)的开通率、5周病死率和溶栓副作用.结果:IRA开通率:A组92.9%(26/28),B组86.1%(31/36),C组45.5%(10/22),C组与A、B两组差异性显著(P<0.01),A、B两组间无显著性差异(P>0.05).病死率:A组、B组和C组的5周病死率分别为0%(0/28),2.77%(1/36)和4.54%(1/22).A、B两组间无显著性差异[0%(0/28)vs 2.77%(1/36),P>0.05],A组与C组有显著性差异[0%(0/28)VS 4.54%(1/22),P<0.01],B组与c组有显著性差异[2.77%(1/36)V8 4.54%(1/22),P<0.01],三组中均无包括脑出血在内的重大出血并发症.结论:瑞替普酶溶栓治疗STEMI疗效好、安全性高.     

网上虚拟实验室的构建技术研究

对目前流行的几种网上虚拟实验室的构建技术进行了探讨研究,并对这几种技术方案进行了比较分析。提出了一种基于组件技术的网上虚拟实验室解决方案,该方案以VBScript和ActiveX控件作为客户端,XML作为中间通信桥梁,以COM/DCOM作为计算后台,可以有效提高虚拟实验室的开发效率。     

彩电行业“价格战”的分析

本通过经济博弈论中的博弈模型对我国彩电行业的“价格战”进行了简单分析,指出在现有市场情况下,彩电企业选择降价竞争的必然性,并提供了彩电行业走出降价“阵痛”的策略。     

大攻角情况下破损进水潜艇水下机动性

在美国泰勒海军舰船研究与发展中心发布的潜艇6自由度空间运动方程基础之上,结合潜艇大攻角及螺旋桨变负荷水动力试验研究,考虑大攻角对于潜艇水动力系数的影响,建立了改进的潜艇空间运动模型.分析了潜艇出现大攻角运动的时机,并运用改进的潜艇运动方程仿真计算,研究讨论了破损进水潜艇的水下机动性.改进后的运动方程对于潜艇应急挽回机动过程显示出良好的适用性.     

物流专业技能型人才输入模式研究

基于“多方协同循环创新”模型创新物流专业技能型人才输入模式,在明确多方协同模型构架的基本元素,即协同方、协同主体方和协同辅助方后,阐述技能型人才输入策略特点,分析模型构成基础元素和实施步骤,提出“企业＋协会＋高校”多方协同输入模式、“物流实训教学体系定制技能型物流人才”模式,多方协同进行实操实战培训,完成物流专业技能型人才的行业输入。     

基于相空间重构的神经网络短期风速预测

针对风速具有较强的混沌特性,预测难度较大,提出了一种基于相空间重构的神经网络短期风速预测方法:对数据进行小波降噪,运用互信息法和虚假最近邻点法确定最佳的延迟时间和嵌入维数,对样本空间进行重构,使新的样本能够表征原始时间序列动态特性,更能反映风速变化特性。在此基础上运用BP神经网络进行短期风速预测。实验结果表明短期风速预测精度得到提高。     

一种新的激波/滑移线共存结构

超音速飞行器机动飞行时面临大攻角流动问题.这里,我们报道一种由大攻角飞行导致机翼上表面出现特殊的脱体激波、再压缩激波与滑移线共存的现象.在大攻角条件下,超音速气流在机翼前缘产生脱体激波,波后亚音速气流在机翼上表面加速到超音速,一般会形成再压缩激波.在大攻角条件下,由机身下方翻转上来的亚音速气流与机翼上表面超音速气流接触,因亚音速气流压力高于超音速气流,因此产生高背压斜激波,以达到压力平衡.我们发现,高背压斜激波正好构成机翼上的再压缩激波.在较大攻角条件下,机翼脱体激波、再压缩激波以及超音速与亚音速气流之间的滑移线,为满足压力平衡,交于前缘某点,形成特有的脱体激波/再压缩激波/滑移线干扰结构.计算表明,该滑移线内在的开尔文-亥姆赫兹不稳定性会导致新的非定常现象与气动噪声.     

应用YOLOv4-tiny算法实现保护压板智能校核

目前继电保护压板的巡检校核仍以人工为主,为提高其工作的效率,提出了一种智能实时校核方法。该方法首先使用YOLOv4-tiny算法对压板的投退状态进行预测,然后使用腾讯开源的ncnn前向推理框架,对YOLO模型进行优化,最后将模型移植到移动端,使用手机软件完成压板校核。经测试,模型的均值平均精度达到99.13%,平均预测速度达到每秒30张图片,并可以有效解决反光、遮挡等环境因素的影响,可以显著提升巡检工作的效率。     

考虑航班计划的机场短时停车需求预测

为克服现有短时停车需求模型无法直接利用于机场停车需求预测这一问题,利用停车数据、航班计划和气象信息,建立了面向机场停车场的短时停车需求预测模型。首先使用机场停车数据分析了停车场短时车辆到达与离去特性,然后考虑到航班计划对机场停车场短时停车需求的影响,将其与气象状况同时引入短时停车需求影响因素中,建立了基于Conv1D-长短期记忆(long short-term memory, LSTM)神经网络结构的机场短时停车需求模型。以上海虹桥机场停车场为实例,Conv1D-LSTM模型实验结果的平均绝对误差和均方根误差分别为12.057辆和14.237辆;对比多个其他模型实验结果,所构建的Conv1D-LSTM模型预测效果更优,能有效应用于机场停车场短时停车需求预测。