刺激大鼠皮神经引起的屈肌反射电位及背根电位

本工作以清醒、整体大鼠为对象,记录了刺激皮神经所诱发的屈肌反射电位(FRP)和背根电位(DRP)。分级刺激腓肠神经(皮神经),在hamstring神经干上(一组支配后肢屈肌群的神经)先后诱发出A-FRP和C-FRP,同时在L_5背根上诱发出A-DRP和C-DRP。A-FRP和A-DRP的阈值、潜伏期均无明显差异,且呈有意义的正相关;二者的幅值在一定范围内随刺激强度的增大而增大。C-FRP阈值和潜伏期比C-DRP均较大,但二者的阈值和潜伏期均呈有意义的正相关,且二者的幅值在一定范围内随刺激强度的增大而同步递增。每一串刺激(3个脉冲,间隔5ms,波宽0.5ms)诱发的DRP和FRP值均较相应单刺激诱发的为大,即DRP和FRP均有时间总和现象。     

基于Visual C++的船舶监控软件的设计

Visua1 C 是Microsoft公司推出的主流产品，具有综合性较强，较复杂的可视化集成环境．文中以某船舶动力装置监控系统为实例，介绍了基于Visual C 的监控程序的设计过程以及监控系统的组成．本监控系统已在实际船舶中得到了成功的应用。     

急性心肌梗塞患者血浆纤维蛋白原浓度及聚集功能的变化

对１０例急性心肌梗塞（ＡＭＩ）患者及６０例健康对照血浆纤维蛋白原（Ｆｇ）浓度及聚集功能测定表明：ＡＭＩ患者血浆Ｆｇ浓度明显升高，Ｆｇ聚集功能明显增强，与对照组比较有明显差异（Ｐ＜０．００１）；但Ｆｇ浓度升高并在病程中有动态变化，Ｆｇ聚集功能则无动态变化；ＡＭＩ并发症组比无并发症组患者，上述２项指标均有明显升高（Ｐ＜０．００１）。提示Ｆｇ浓度升高及聚集功能增强与ＡＭＩ的发病有一定关系，对其预后有一定参考价值。     

一种模糊隶属函数的自动生成算法

提出了一种模糊隶属函数的自动生成算法，该算法基于样本数据的变化趋势对数据进行预处理，同时结合模糊C均值方法，实现连续数据的离散化，直观、合理地确定了模糊隶属函数的中心参数，并应用MATLAB语言实现了模糊隶属函数的自动生成算法。     

支架现浇施工模式下混凝土平整度控制研究

目前桥面路面施工多采用混凝土铺设的方式来进行,此种铺设方式能够有效提高路面的使用耐久度,进而保障路面的使用效率。但是,由于桥面施工的特殊性,其地基为硬质非同材混凝土,因此在铺设的过程中不具备地基找平的基础,在实际的施工过程中对混凝土的平整度控制更为严格。在当下的施工环境下,采用现浇的方式来对桥体路面进行施工,对其平整度的影响因素与控制对策进行研究,以期为今后的施工与工艺改良提供必要的理论依据与实践指导。     

Relex Studio软件在计算机联锁系统安全认证中的应用

介绍了Relex Studio软件的基本结构和主要功能,阐述了Relex Studio软件在计算机联锁系统安全认证中的作用,并对其优缺点进行了分析。     

深圳湾大桥实测风场参数与风致拉索振动响应分析

以深圳湾跨海大桥结构健康监测系统为基础,对2007年两次台风经过时桥址处的风场参数与拉索振动测试数据进行分析.实测结果表明,桥址处纵向脉动风功率谱与Simiu谱吻合较好,竖向脉动风功率谱与Panofskv谱基本吻合;台风期间边跨短索发生了较明显的风雨振动,而主跨长索由于安装了阻尼器,振动幅值得到有效控制,因此与本桥类似的独塔斜拉桥短索区也需考虑采取增设阻尼装置或辅助索等减振措施.     

一本值得细品的杂志

<城市公共交通>杂志堪称公交行业的良师益友.每期到手,必定细读,读必有所收获.在贵刊百期之际,谈点感受,认为贵刊有如下特点.     

基于单片机控制的柴油机全电子调速器

本文介绍一种以单片机为控制器的柴油机全电子调速器，论述了全电子调速器各组成部分的工作原理和实现方法，建立了采用ＰＩＤ调节器的柴油机全电子调速系统的数学模型，结合计算机数字控制的特点对ＰＩＤ调节器进行优化设计，并对系统的动态特性进行数字仿真，介绍了柴油机全电子调速系统的试验研究工作，试验表明数字化控制柴油机转速是可行的。     

Short‐term traffic flow prediction with linear conditional Gaussian Bayesian network

Traffic flow prediction is an essential part of intelligent transportation systems (ITS). Most of the previous traffic flow prediction work treated traffic flow as a time series process only, ignoring the spatial relationship from the upstream flows or the correlation with other traffic attributes like speed and density. In this paper, we utilize a linear conditional Gaussian (LCG) Bayesian network (BN) model to consider both spatial and temporal dimensions of traffic as well as speed information for short‐term traffic flow prediction. The LCG BN allows both continuous and discrete variables, which enables the consideration of categorical variables in traffic flow prediction. A microscopic traffic simulation dataset is used to test the performance of the proposed model compared to other popular approaches under different predicting time intervals. In addition, the authors investigate the importance of spatial data and speed data in flow prediction by comparing models with different levels of information. The results indicate that the prediction accuracy will increase significantly when both spatial data and speed data are included. Copyright © 2016 John Wiley & Sons, Ltd.