生命科学:还有八大奥秘

作为生命基础的蛋白质的结构能确定吗? 目前我们不能根据纯粹的理论基础来阐明蛋白质的形状,用实验方法确定蛋白质结构是十分繁琐的事情.许多不同的氨基酸序列能形成形状相似的蛋白质,因而我们可以通过详细研究蛋白质的一个具有代表性的分子来推断各种蛋白质的结构.随着已解出的蛋白质结构的增多以及科学家开发出蛋白质基本结构分类的更加精细的方法,生物化学家将能不断地利用计算机来模拟新发现的蛋白质的结构.     

数字地面模型(DTM)在公路测设中的作用

介绍数字地面模型(DTM)理论、特点及实际应用.     

用羊八井加密阵列数据寻找与BASTE实验相符的3TeV能区的宇宙γ暴

采用西藏羊八井加密阵列数据，对美国CGRO天文卫星上的BASTE实验在1998年3月期间所观测到的15个宇宙γ暴进行了3TeV能区的符合寻找。这些γ暴均位于羊八井阵列的有效观测视场内。在寻找工作中采用了组闭方法，以提高观测阵列对γ暴的灵敏度。寻找结果表明，所有BASTE符合暴候选事例团的多重数分布均在背景的统计涨落之内，没有发现在3TeV能区BASTE符合暴的证据。这个结果支持了γ暴的宇宙学起源模型。     

关注行人安全

汽车安全性,不仅体现在对车内乘客的保护上,同时也体现在对道路行人的安全保护方面。目前,保护车辆内部人员安全的技术已被广泛采用,而保护车外行人安全的技术却还没有得到足够地重视,这不能不说是一大缺憾。从今年10月起,欧盟国家新生产的乘用车将被要求安装主动行人保护系统,表明行人安全已经开始受到广泛地重视,各个汽车厂家也开始研究相关的对策来提升行人安全性,本刊就此作一简单介绍,希望给国内读者以借鉴。     

铁路屏幕选线三维联动技术研究

介绍一种新的铁路线路CAD方法,综合应用ObjectARX的自定义实体、响应器通知及约束Delaunay三角网数模等技术,在铁路屏幕选线过程中,实现了平面、纵断面、控制横断面实时联动交互式设计。     

基于UML的C4ISR传感器动态处理模型仿真

现代军事仿真需要建立军事对抗活动中的各类模型，包括武器平台模型、作战模型以及决策模型等，传感器功能仿真模型在系统的开发和研制过程中具有重要意义。如何建立出有效的传感器处理模型来保证信息输入的可靠性和真实性是各类C^4ISR系统都面临的问题，使用统一建模语言（UML）对传感器处理模型进行可视化建模，首先使用用例图和顺序图对C^4ISR系统中2维或者3维传感器工作流程建模，然后使用活动图对整个处理流程和每个处理流程来描述问题的细节，为系统分析员、设计人员和开发人员提供了不同的分析问题、解决问题的视角，使从事C^4ISR系统传感器仿真研究的相关人员可以参考该文提出的模型进行软件开发。     

铁路线路三维可视化设计实现方法研究

着重研究了利用航测或外业勘测地形数据，在微机上建设设计线行经地区的三维空间的地形模型。利用平面，纵断面，模糊面及桥，隧，路基等设计数据建立线路三维模型，以及将这两个模型拼合在一起形成铁路线路三维景观模型的方法，该方法的特点是在拼合地表面和线路表面时采用分治算法，且可将面与面时求交计算简化为线段间的求变计算，故计算工作是较少且速度快，在此基础上，通过集成AutoCAD及3DS即可达到对铁路线路进行三维造型目的，以本文提出和建立的数学模型为基础，采用面向对象的软件设计方法完成了铁路线路三维可视化设计系统的开发，利用该软件对西安－南京线，西安－延安线，遂宁－重庆线等多条设计线进行了三线建模并制成了三维动画，验证了本文及铁路线路三维可视化设计的系统软件的正确性，同时探讨了该模型的实用性及适用性问题。     

特定环境下螺旋桨尾轴蠕变特性研究

针对常温下长期受到恒载荷作用下的某舰螺旋桨尾轴进行了常温蠕变分析，并对变形后的螺旋桨尾轴进行了动力分析。选择合适的蠕变模型，采用有限元法，计算出20年后尾轴的挠曲线，并对无变形的螺旋桨尾轴和蠕变变形后的螺旋桨尾轴进行模态分析，进行比较。最后计算出变形后尾轴所产生的激励和响应。经过分析计算可知，蠕变已经使尾轴性能有了实质性的降低。     

后关系模型及其数据库研究

研究后关系模型(Post-Relation Model,PRM),指出它为非1NF关系,分析后关系数据库(Post-RelationDatabase,PRDB)-Caché的特点及类特性,阐明Caché中数据库文件名的意义和命名空间的作用,提出使用Caché要进行面向对象分析(Object-Oriented Analysis,OOA),给出创建PRM数据库的举例。     

基于BP神经网络的分布式传感器网络的可靠性分析

针对分布式传感器中的故障点多，导致估计系统可靠性参数困难的特点，提出了一种基本原则于BP三层神经网络的Markov可靠性模型。仿真结果表明，神经网络收敛时的可用度与Markov模型计算值的相对误差的数量级为10-4，从而验证了神经网络模型的正确性，另一方面与用两层神经网络的可靠性计算相比，其收敛速度加快。