让思维在实践中闪光——论计算机教学中思维能力的培养

随着人类时代的迅猛发展,计算机已经作为一门学科在社会得到广泛的应用,被人们所接受,计算机教学也受到社会的重视,本文主要从计算机思维和计算机教学中怎样培养思维能力的方法及其意义进行如下的叙述。     

2007,质量生活节节高

新的一年,新的开始,如果说在新年里有什么愿望,大概很多人都只是希望能“吃”个安心。过去的2006年,红心鸭蛋、多宝鱼等等     

农资热销处 打假正当时

"一年之计在于春"。初春时节,江西各地涌动着春耕备耕热潮:大家忙着购农资、运肥料、种蔬菜、育新苗……随处可见农民们忙碌的身影。然而,近年来越来越多的假冒农用物资问题,却时时困扰着农民兄弟,一不小心,就可能让他们一年的辛勤劳动付之东流。农用物资简称农资,一般是指在农业生产过程中用以改变和影响劳动对象的物质资料和物质条件,如农业运输机械、生产及加工机械、农药、化肥、种子、农膜等等。为了保障广大农民的利益不受损害,各地质监等相关部门已开展了形式不同的执法行动。     

基于立体视觉的旋翼共锥度动态测量系统精度分析

为了提高基于立体视觉的直升机旋翼共锥度动态测量系统的精度和可操作性,全面分析了其测量误差。首先,介绍了测量系统模型及误差来源;其次,分析了双目立体视觉静态三维测量的误差;再次,针对旋翼共锥度的多目标动态测量特点,分析了系统安装误差对共锥度解算精度的影响;最后,利用原理样机进行了6 058次静态测量重复实验,通过统计分析可知静态测量误差小于1.4 mm。对动态测量误差进行了仿真实验分析,给出了各参数对精度影响的量化结果,为实际共锥度测量的误差控制提供了理论依据。在标记点安装精度小于10 mm的情况下,动态测量误差小于3.5 mm,合成产生的总测量误差小于4.9 mm,能满足旋翼共锥度动态测量精度要求。     

胎儿大脑中动脉与子宫动脉血流参数对胎儿宫内窘迫的预测

目的:了解应用彩色多普勒超声测定胎儿大脑中动脉(MCA)与子宫动脉(UtA)血流参数对胎儿宫内窘迫的预测价值。方法:选择使用彩色多普勒超声进行检查的539例孕晚期胎儿作为观察对象。将其中缺氧高危的72例作为研究组,另467例非高危胎儿作为对照组。比较两组胎儿的MCA和UtA的搏动指数(PI)、阻力指数(RI)、心室收缩期峰值速度/心室舒张期末血流速度(S/D),并计算MCA/UtA血流参数的比值。结果:两组中研究组UtA的PI、RI、S/D较高,且和MCA/UtA血流参数的比值也较高,MAC的PI较低,其余指标差别不明显。预测胎儿缺氧的灵敏度为65.79%,特异度为93.21%。结论:应用彩色多普勒超声测定胎儿MCA与UtA血流参数能较好的对胎儿宫内窘迫进行预测。     

桂林漓江流域环境问题分析及保护措施

桂林作为国际旅游城市和全国文明城市,其良好的生态环境是吸引游客的基础。随着城市化进程的加快,桂林漓江流域存在了水体污染、水质下降、枯水期延长以及地表水和地下水化学组分发生变化等环境问题,威胁着居民健康和生态环境。文章对漓江流域的环境问题进行了综合分析,并提出了相应的保护措施,为漓江流域的可持续开发利用和绿色发展提供参考。     

辐射硫化对硅橡胶自粘带性能影响的研究

采用⁶⁰Coγ射线辐射交联技术对硅橡胶自粘带进行辐射硫化，研究吸收剂量对辐射硫化硅橡胶自粘带的拉伸强度、断裂伸长、自粘性能、击穿电压强度的影响以及剂量率对自粘带性能的影响。研究结果表明：随着吸收剂量的增加，硫化橡胶自粘带的拉伸强度亦增加，而断裂伸长率随之减小；在吸收剂量小于25kGy时，自粘性能随着吸收剂量的增加而增强，25kGy时达到最佳，随后逐渐减弱；吸收剂量对自粘带的击穿电压强度的影响不大；剂量率对自粘带性能的影响不明显。     

钒微合金化对718合金中铌元素偏析行为的影响

利用金相显微镜、电子探针、能谱仪等分析了含钒元素（V）0.066%的718合金铸锭凝固组织,对其微观组织和析出相特征进行分析,研究其中易偏析铌元素（Nb）的分布状态及偏析规律。结果表明,V元素的微合金化使718合金铸锭枝晶组织得到细化,二次枝晶间距及Nb元素的偏析系数均有所降低;由于Nb元素主要分布在Laves相及碳化物中,通过对二者体积分数的定量表征,V元素的加入大大降低Laves相及碳化物的析出,体积分数降低;线扫描分析表明,距Laves相越远,Nb元素含量越低,而含V样品中,这种含量降低的趋势有所减缓。所有分析结果均表明,V元素的合金化改善了718合金中Nb元素的偏析状态,细化了枝晶组织,对降低718合金均匀化热处理难度、提高合金成分和组织均匀性有利。含V碳化物在凝固过程中成为异质形核点,减小了凝固形核的驱动力,使得二次枝晶间距变小,表现出更小的Laves相体积分数和较细的枝晶组织。     

小波包降噪与LMD相结合的滚动轴承故障诊断方法

局部均值分解(Local mean decomposition,简称LMD)方法是一种新的自适应时频分析方法,并成功运用于滚动轴承故障诊断中,但对噪声比较敏感。为消除噪声对诊断结果的影响,提出了一种小波包降噪与LMD相结合的滚动轴承故障诊断方法。该方法首先利用小波包去除信号中的噪声,然后,进行LMD分解,并将分解后PF分量与分解前信号的相关系数作为判断标准,剔除多余低频PF分量,最后,选取有效PF集进行功率谱分析,提取故障特征。通过仿真数据和真实滚动轴承数据的故障诊断实验,其结果验证了本文方法的有效性。     

基于RBF神经网络与LMD的滚动轴承故障诊断方法

直升机传动系统故障诊断及预测对提高其运行时的可靠性和安全性具有重要意义。本研究首先采用小波包降噪与局部均值分解相结合的方法提取滚动轴承故障特征,其次用故障样本对设计好的RBF(Radial Basis Function Neural Net-work,简称RBF)诊断网络进行训练,最后利用训练好的RBF网络实现故障的智能诊断。实验结果验证了该方法能够有效地对滚动轴承故障进行分类识别。