建筑工程概预算模块教学实践

在工程造价专业教学改革实践过程中,＂模块式＂教学模式在《建筑工程概预算》课程教学中发挥了重要的作用。从模块教学的推出、模块教学的内容、模块教学的效果、模块教学的不足之处及解决办法5个方面进行了论述。     

研究性学习在化学新教材中的运用

<正>现在山西省使用的人教版新教材,由2个必修模块教材和6个选修模块教材组成.新教材以模块的形式呈现,在我国是第一次.这是为了尊重学生的兴趣和需要,选修模块教材将在教师的指导和建议下自主选择.新教材有利于学习潜能的激发及学习主动性的培养,教材的改革将带动教法的更新,教师必须把学习的主动性交给学生,使学生真正成为学习的主人.而研究性学习能很好地体现学生是学习的主体,教师是学习的主导原则.     

基于PHP的移动端网络商城系统设计开发研究

利用手机进行网上购物已经成为大众的一种购物习惯和消费方式,基于移动端强大的客户流量和消费需求,使用方便灵活、安全高效的网络商城系统已成为电商企业的必要之选.针对移动端网络购物系统的功能需求,结合平台技术环境和软件发展实际,在对项目分析和设计的基础上,选择LNMP(Linux/Nginx/MySQL/PHP)开发环境,基...     

变频防爆绞车电控装置的研制

在分析防爆绞车现状的基础上,阐明变频绞车电控装置的必要性。提出了一种基于空间矢量的PWM(Pu lseW idth M odu lation)算法的全数字化变频器,对空间矢量脉宽调制的理论进行了简要的介绍。该变频器主要由主回路和控制电路两部分组成。控制电路采用数字信号处理器TM S320LF2407以硬件的形式实现SVPWM(Space V ector Pu lse W idthM odu lation)波的输出;主回路中采用智能功率模块DYNEX作为功率器件。经在500 kW交流电机上实验,结果令人满意。     

基于贝叶斯决策的机内测试虚警滤波技术

提出了一种将贝叶斯决策用于机内测试(RIT)系统的虚警滤波方法.诊断的BIT系统包括正常、瞬态、间歇和故障四类状态,利用最小最大决策法确定这四类状态的先验概率,并建立相应的贝叶斯风险决策表.以机载电源的机内测试系统为例进行研究,为每个诊断模块建立相应的贝叶斯决策器,通过支持向量机识别出有异常的可更换模块后,启动相应的决策器对该模块的BIT状态进行决策.结果表明,该方法能够识别出系统中的瞬态和间歇故障,可有效降低BIT虚警发生的概率.     

复杂电磁环境下雷达探测能力分析及仿真

首先分析总结理想情况下雷达方程及其相应参数的求取,研究了有源干扰方程、无源干扰方程、接收机噪声方程及其参数的求取,详细推导了频谱系数.在此基础上,给出复杂电磁环境下综合信干比的计算公式,最后利用求出的综合信干比,计算单次扫描雷达的探测概率和自卫距离,并提出仿真中雷达捕获的判断方法.通过将该模型应用于某型仿真系统中的雷达实体探测模块中,证明该模型具有一定的通用性、准确性和简单实用性.     

非电子类电工电子实验模块构建及考核标准

通过对全日制普通高校非电子类专业开设的电工电子实验教学中实验模块构建及考核标准优化问题的研究分析,进行了相应的思考,并提出了对策方案.     

钢拱架封口机构抓取模块传动性能分析及优化设计

目前隧道掘进机（TBM）施工过程的钢拱架安装均采用人工操作的形式完成,作业环境非常恶劣,导致钢拱架支护效率低、劳动强度大、施工风险高。为此,笔者及其所在团队前期设计了一种钢拱架快速封口安装机构,用于代替人工完成钢拱架的封口作业。抓取模块作为该封口安装机构中直接与钢拱架接触的核心部件,需要具有足够的传动性能,以满足夹持作业需求。为此,文中基于螺旋理论,建立了其运动学模型,推导了输入旋量和输出旋量之间的虚拟系数,研究得到了抓取模块的传动性能,并提出了相应的传动指标;在此基础上,建立了抓取模块的尺寸参数优化模型,结合钢拱架封口件的实际抓取需求,得到抓取模块各尺寸参数的优化结果如下：卡爪与连杆的初始夹角α=88°、导杆的初始位置lFJ=170 mm,导杆运动范围0～63 mm。利用ADAMS软件对抓取模块从夹持到张开的姿势变化过程进行分析,得到以下结论：卡爪末端间的距离从50.0 mm逐渐增加至234.6 mm,满足抓取空间需求;输出扭矩呈先增大后减小的趋势,卡爪完全张开时扭矩最小值为21.23N·m,满足输出扭矩需求。钢拱架封口成环的样机实验表明：抓取模块尺寸参数的测量值与计算模型仅相差4....     

智能化教学系统中教学模块的设计与应用

简要介绍智能化教学系统及其中各模块的功能,提出对核心模块——教学模块的设计思路,并给出它的工作过程,即教学模块是如何获取最佳教学决策的.最后,总结教学模块在智能化教学系统的重要地位及智能化教学系统的应用前景.     

面向交通场景的轻量级行人检测算法

针对交通场景下行人检测模型网络复杂、参数量大以及难以在低性能设备上部署的问题,基于YOLOv5s网络模型提出了一种改进的轻量级行人检测算法。首先,使用Ghost模块重构YOLOv5s网络进行特征提取,降低模型的参数量和计算量,提高推理速度。其次,引入坐标注意力机制提高模型对目标特征的提取能力,提升其对小目标行人的检测效果。最后,采用SIoU损失函数加快模型的收敛速度,提高模型的识别准确率。实验结果表明,改进后的算法能保证较高的检测精度,与原始YOLOv5s算法相比参数量减少47.1%,计算量减少48.7%,提高了交通场景下行人检测的速度且易于部署。