药用蜈蚣食物消耗与生长的关系

药用蜈蚣食物消耗与生长关系的研究结果表明：在２５℃时，食肉组蜈蚣在６０天内平均每条消耗食物为５．３３９４ｇ；每条平均每天食物需求量为０．０８９０ｇ，体重净增量每条平均为１．２８５２ｇ，按起始体重计每克体重平均增量为０．４５４５ｇ，其中５龄虫为０．１９７６ｇ，４龄虫为０．３１８０ｇ，２－３龄虫为０．６１１１ｇ，食物转化率平均为２４．１３％。食物消耗与生长关系的回归系数ｂ＝０＼２２１８，蜈蚣的虫龄越小     

优化方法分析少齿差传动啮入前的齿侧间隙

根据少齿差传动的特点,理论分析了啮合传动时齿侧法向间隙与啮合点位置的几何关系,建立了寻优求齿侧间隙的数学模型,并给出一个算例,为进一步对少齿差传动参数的选择和强度的分析奠定了基础.     

羊水过少对胎儿的影响及分析

羊水过少是严重威胁胎儿安全的重要因素,随着妇产医学的发展,羊水过少日益受到广大产科医师的重视,羊水过少易发生胎儿窘迫及窒息,增加围产儿的死亡率.     

汶川震后清平镇泥石流灾害演化特征

汶川震后清平镇长期受到泥石流灾害影响,本文通过调查震后清平镇18条泥石流沟的暴发情况和治理工程状况,研究了震后清平镇泥石流灾害的演化规律特征。结果表明,清平镇泥石流灾害在震后三年内暴发规模大,危害严重,随着生态环境的逐渐恢复和泥石流形成区有限的崩滑体物源被带走,今后泥石流起动方式也由坡面松散崩滑堆积体起动为主逐渐转变为沟道起动,同时结合了治理工程的有效阻挡,泥石流规模明显减小。今后泥石流的主要威胁逐渐转移至沟道下游及主河的清淤和疏浚问题。而震后地质灾害区的规划重建也需要考虑适当避让地质灾害高峰期的影响,实现人与自然的和谐共存。     

非完整滑坡编目三参数反Gamma概率分布模型

中国5.12地震震级高,震源浅,于震区内触发了大量滑坡。为了研究地震滑坡的概率分布特征,对四川映秀极震区(约109.3 km2)地震滑坡进行系统编目,该编目属非完整滑坡编目。利用该编目建立三参数反Gamma概率分布模型,其拟合参数分别为b=1.11,a=2.17×10-3 km2及s=-3.925×10-4 km2。基于该模型对编目区内滑坡面积均值、总面积及最大滑坡面积进行计算,并引入滑坡标度及建立指数修正函数分别对5.12四川汶川地震触发滑坡总数及滑坡总面积进行预测,同时建议模型建立原则。研究结果表明:模型的幂律衰减参数值与已有研究结果相近;模型对编目区内滑坡面积均值、总面积及最大滑坡面积的计算结果与实测值之间的相对误差均为10%左右;模型对5.12汶川地震触发滑坡总数及滑坡总面积的预测结果均与已有研究结果比较接近。     

2019年运动医学领域热点回眸

 运动医学是一门医学与体育运动相结合的交叉学科。2019年，运动医学在运动创伤的诊断与治疗、伤病术后康复、新材料和新方法应用以及新的疾病认知等领域发展迅速。选取了前交叉韧带重建术后重返运动、髌股关节疼痛的循证干预、血小板富集血浆在肌肉及肌腱疾病中的治疗应用、充质干细胞在骨关节病治疗中的应用现状及前景和肌少症（sarcopenia）的认知及对策进展5项研究热点进行回眸和展望。随着更多新理念、新技术、新材料在临床工作中的应用，期待2020年运动医学取得长足的进步。     

少齿数齿轮传动动力学的研究

目的为探讨少齿数齿轮参与传动过程中的运动情况,特别是啮合力对其影响情况,基于ADAMS和Pro/E对少齿数齿轮传动情况进行了建模仿真研究,这也有助于减少少齿数齿轮的设计成本和缩短其设计周期。方法首先通过Pro/E软件,实现了基于精确齿廓方程的齿轮参数化建模,并将其导入到ADAMS软件中;然后结合齿轮传动的实际情况修改机构属性和添加约束,特别是添加碰撞力和负载;最后对仿真得到的数据进行分析得出结论。结果与结论少齿数齿轮传动时处于变载状态,传动效率高,啮合力对其有一定的影响。     

少学时《化学工程导论》课程教学改革探讨

从少学时《化学工程导论》课程开设的背景出发,结合热能与动力工程等非化学类工科专业自身的特点,从教学目的、教学内容组织及教学方法改进三个方面探讨了该课程教学工作的改革,以期提高教学效果与质量。     

脊髓中S100b基因的表达模式研究

S100b是一种钙离子结合蛋白,与阿尔兹海默症、帕金森症、神经痛等多种神经系统疾病有关.实验通过原位杂交和免疫荧光技术对S100b在中枢神经系统的表达模式进行直接分析,发现S100b主要表达在脊髓灰质星形胶质细胞和脊髓白质中正在成熟的少突胶质细胞中,表明其并不能很好的作为星形胶质细胞的分子标记物.     

基于情景记忆和元学习的机器人运动技能获取

针对机器人在少样本学习时利用以往的经验知识来指导新任务学习的问题,采用情景记忆建模机器人的经验,提出一种情景引导下基于元学习的机器人技能学习方法,实现机器人对新任务少样本情况下的高效学习.集成情景记忆对机器人经验建模,在学习过程中通过编码器将元学习器传递过来的任务经验存储为情景记忆,在指导新任务学习过程中通过键值特征向量对任务进行分层寻址,抽取情景内的行为进行组合,直至完成任务.基于以长短时记忆(LSTM)神经网络为核心的元学习网络,构建元学习模型,并采用归一化策略和SeLU激活函数优化模型以提高模型的鲁棒性.使用UR3e机械臂分别在仿真环境和真实环境下进行训练和测试,实验结果表明所提出的学习方法在少样本学习相似任务上具有较高成功率和良好的泛化性.