建构主义理论与情景教学在助产教学中的应用

基于建构主义教育思想的情景教学方法为我们提供了全新的学习理念和教学模式,在构建现代职教体系、推行中高职衔接的现实背景下,为传统教育形式的完善提供了可行性的策略。本文将建构主义和情景教学法应用于高职助产教学中,构建了助产教学中情景教学法的活动框架,分析了情景教学模式在助产教学中的应用意义。     

自锚式悬索桥吊索张拉无应力状态仿真分析方法

自锚式悬索桥吊索张拉过程中结构几何非线性突出,吊索索力互相影响,体系转换十分复杂,使用常规的正装或倒装法分析难度较大。针对吊索张拉过程中吊索无应力长度仅在吊索张拉时才发生改变,不随外荷载的变化而变化这一客观规律,提出吊索张拉的无应力状态仿真分析方法。以该方法为指导,分析和模拟国内某自锚式悬索桥的吊索张拉过程。实践证明,应用无应力状态方法可准确地对吊索张拉过程进行仿真模拟,且计算结果精度高,方法简便,实施效果良好。     

混合梁斜拉桥动力特性分析

结合实际工程,利用有限元原理,对混合梁斜拉桥的动力特性进行分析,计算出一座混合梁斜拉桥的前十阶自振频率及其对应的振型,并结合混合梁斜拉桥的结构特点,重点分析了边跨辅助墩的设置对结构动力特性的影响。     

高等级公路建设期风险状态预警系统研究

结合高等级公路建设的实际情况,首先,利用风险分析理论,给出了风险预警体系中相关指标的定量计算方法;然后,采用时间序列分析方法,对预警条件和预警损失的评价的方法进行论述,给出了预警条件评价公式;最后,借助Matlab语言及其图形用户界面(GUI),编写相关程序,建立了基于现场监测数据的风险状态预警信息分析系统,实现了预警过程的可视化操作.     

A novel reconfigurable data-flow architecture for real time video processing

This paper describes a dynamically reconfigurable data-flow hardware architecture optimized for the computation of image and video. It is a scalable hierarchically organized parallel architecture that consists of data-flow clusters and finite-state machine (FSM) controllers. Each cluster contains various kinds of cells that are optimized for video processing. Furthermore, to facilitate the design process, we provide a C-like language for design specification and associated design tools. Some video applications have been implemented in the architecture to demonstrate the applicability and flexibility of the architecture. Experimental results show that the architecture, along with its video applications, can be used in many real-time video processing.     

大跨度曲线梁桥状态空间法分析

介绍状态空间法的基本理论、计算动力响应迭代格式和状态转换矩阵的算法。在有限单元法和状态空间法理论的基础上用MATLAB-SIMULINK仿真分析高架曲线长桥的地震反应,并和ANSYS软件分析结果进行对比验证。     

海浪波动对电磁浮标姿态的影响研究

本文在前人对海浪理论研究的基础上,对我国浅水区海浪谱模型进行了仿真分析,初步研究了浅水区海浪波动对电磁浮标姿态变化的影响,建立了浮标姿态横滚角θ随海浪波动的变化模型,并通过对不同海况级下的θ变化规律进行了matlab仿真分析,说明了模型建立的正确性.     

层次状态机在船舶电站监控系统中的应用

采用层次状态机的方法设计相关软件,层次状态机可使监控系统中各种状态结构清晰、性能稳定,并能减少代码重用,降低软件复杂度。     

锚杆钢丝网喷浆技术在公路边坡防护中的应用

结合某实际工程,详细分析其边坡特点及稳定性,介绍岩石边坡防护中锚杆钢丝网喷射混凝土联合治理方案的应用并提出建议,可供同行参考。     

不确定时滞系统的PD型迭代学习控制算法

针对不确定时滞系统,在网络时滞范围已知情况下,采用改进PD型迭代学习控制算法补偿网络时滞.在初态是严格重复时,给出这类系统的极限轨迹和迭代输出收敛于该极限轨迹的充分条件.并与P型迭代学习控制算法进行比较.仿真结果表明改进后的PD型迭代学习控制算法能够有效地补偿此类时滞.当网络时滞范围变窄时,能够更加精确跟踪极限轨迹.在相同迭代次数情况下,PD型迭代学习控制算法比P型迭代学习控制算法能更快收敛于极限轨迹.