基于LabVIEW的医学影像学教学系统的设计

医学影像学一直是各医学院校教学的重点课程之一。本文通过基于LabVIEW软件制作成医学影像学肝门静脉图像教学系统供教学使用,并为临床诊断提供参考,实践证明取得了良好的效果。     

基于S3C2440-Linux的视频传输系统设计

该文提出了在s3c2440上移植linux操作系统从而实现对视频采集、传输和显示。利用V4L2实现对中星微ZC301摄像头的拍照图片采集,通过linux下Socket编程实现对采集到JPG格式图片的保存和发送,接收端是基于QT写的服务端以实现窗口接收视频并显示的过程。     

阻燃型氢氧化镁制备及其影响因素探讨

以七水硫酸镁为原料、氨水为沉淀剂、选择适宜的表面活性剂。以样品XRD图中（001）面与（101）面衍射峰的相对强弱为考察指标，通过单因素实验，分别考察了反应温度、恒温反应时间、陈化时间、表面活性剂用量及氨镁摩尔比等因素对氢氧化镁样品XRD图中（001）面与（101）面衍射峰相对强弱的影响。实验结果表明，制备阻燃氩氧化镁较适宜的工艺条件为：反应温度40℃、恒温反应时间40min、陈化时间120min、表面活性剂A体积用量4ml、氨镁摩尔比6：1.     

高阻隔型双向拉伸共挤薄膜的制备及性能研究

研究了薄膜阻隔性能的机理,并对薄膜配方进行设计,通过多层共挤双向拉伸工艺,实现高阻隔薄膜的量产.同时,研究了薄膜配方及成型参数对薄膜厚度均匀性、雾度等性能的影响.     

高压交流线路避雷器劣化状态数值仿真

高压交流线路避雷器的劣化分析是保障其运行安全的重要评估技术.针对避雷器出现的劣化问题,提取其伏安特性中的小电流区间,建立数学表征模型,并以模型中的时间常数表征氧化锌的劣化程度.结合晶粒物理结构、Voronoi网格分析晶粒及晶粒间的电气连接特性,推演RC等效电路模型并简化电路.开展数值仿真计算,获得不同劣化程度下避雷器的伏安特性曲线以及交流电压作用下的阻性电流变化规律,分析了容性电流分量与谐波电压对总泄漏电流的影响.泄漏电流波形的畸变率可判断避雷器的劣化程度,模型可辅助优化基于泄漏电流的避雷器在线监测与诊断技术.     

在线社交超网络的信息全局传播模型

信息爆炸时代,在线社交网络作为信息传播的主要途径被广泛应用,但在线社交网络中信息传播的动态过程往往难以准确预测和防控。该文引入超图中的超边描述两个或两个以上个体之间复杂的社交关系,利用基于超网络动态演化模型构建在线社交超网络,并结合基于反应过程策略的SIS模型,对在线社交超网络中信息全局传播的动态过程进行理论分析和仿真实验。使用平均场理论得到超网络结构参数与传播率、恢复率之间的解析表达式,并通过仿真实验分析超网络规模、传播率、恢复率、超网络结构参数以及初始传播节点对信息全局传播的影响。进一步,对超网络和复杂网络结构下的信息全局传播过程进行了对比分析。研究结果有助于深层次理解在线社交网络中信息全局传播的传播规律及发展趋势,并为信息侦测和舆情控制等实际应用提供科学依据。     

大型软包锂离子电池的热物性实验研究

针对大型软包锂离子电池热物性参数的测定问题,提出适用于该型电池的热参数表征方法. 基于准稳态导热原理,建立电池的传热理论模型. 开展实验研究电池的比定压热容和导热系数与温度的依变关系,分析热损对测试结果的影响,对测试方法的有效性进行验证. 结果表明,电池比定压热容随着温度的升高而线性增大,导热系数受温度的影响较小. 在900 s内可以测得电池热参数在10~60 °C下的变化状况,实验验证结果显示测算精度高于92.3%,具有测算周期短、准确度高和测试灵活等优势.     

Sb2O3掺杂对ZnO压敏陶瓷晶粒分布特性的影响

改善晶粒分布的均匀性是获得高性能ZnO压敏陶瓷的重要手段之一.本文主要从平均晶粒尺寸、晶粒分布均匀性以及晶粒形状等角度研究了不同Sb2O3掺杂含量的ZnO压敏陶瓷试样,并应用晶粒尺寸分布不均匀系数ε和形状参数k对晶粒进行量化.结果表明:随着Sb2O3掺杂量的增加,试样的平均晶粒尺寸ε以及k呈现减小的趋势,晶粒尺寸分布均匀性改善,晶粒形状由细长向规整发展,这些结果也可以很好地解释试样电性能得到改善的原因.分析认为Sb2O3掺杂后形成的尖晶石相抑制了晶粒的异向生长,使得晶粒尺寸减小,晶粒分布均匀性以及晶粒形状得到改善,而且尖晶石相对大晶粒区晶粒生长的抑制作用比小晶粒区弱.     

NR/BIIR并用胶高阻尼性能的研究

研究了BIIR用量对NR/BIIR并用胶硫化特性、力学性能以及阻尼性能的影响。结果表明,随着BIIR用量的增大,NR/BIIR并用胶正硫化时间延长,交联程度、拉伸强度、拉断伸长率和回弹性均降低;增大BIIR用量,NR/BIIR并用胶损耗峰温度升高,在较宽温度范围内具有较大损耗和较高阻尼性能。     

小样本条件下基于卷积孪生网络的变压器故障诊断

为提高小样本条件下变压器故障诊断的准确率,提出了一种小样本条件下基于卷积孪生网络CSNN(con-volutional Siamese neural network)的变压器故障诊断方法.利用具有强大特征提取能力的卷积层和池化层来构建孪生网络将原始数据映射到低维空间.并基于欧式距离进行相似度的对比,从而实现故障的分类.仿真结果表明,CSNN比传统方法更加适合小样本条件下的变压器故障诊断,利用卷积层和池化层来构建孪生网络比仅用全连接层来构建孪生网络会收获更高的准确率.