电缆槽对电缆间串扰的影响研究

电缆在使用时一般会铺设在电缆槽中,而电缆槽对铺设其中电缆之间的串扰会形成影响.针对电缆槽中电缆之间的串扰问题,提出一种结合多端口网络理论及分块级联思想的建模方法,使用基于波导格林函数的矩量法来提取电缆槽中电缆间的分布参数,并用虚拟节点理论将提取的分布参数矩阵转化为模型中的传输函数.通过与商业电磁仿真软件的仿真结果进行对比,验证了本文的模型及算法在分析电缆槽中电缆间的串扰问题时具有较好的精确度,最后运用此方法分析了电缆处于电缆槽中不同位置时的线间串扰大小,并结合铁路现场的实际情况对电缆槽中电缆的布线方式提出了建议.     

探寻数形变化规律,提升数形结合思想

数形结合的本质就是将直观的图形与抽象的语言符号相结合,实现形象思维与抽象思维的融合,让复杂、抽象的问题变得直观、简单化.在初中数学教学的各个环节,有效地渗透数形结合思想,能激发学生思维的灵活性与创造性.本文中,从数量变化规律、图形变化规律与数形结合思想的实际应用三方面着手,具体谈谈数形结合思想在教学中的应用.     

关于工程图学教学改革的几点思考

从工程图学课程的教学实践出发,探讨了当前工程图学教学中存在的一些不足以及在教学改革中需要关注的问题。工程图学课程的教学内容要紧随时代发展的需要,更加突出课程的实践性,以满足现代工程设计对制图知识和能力提出的新要求;在教学过程中,应充分激发互动效应,以促进教学效果的提升和教学目标的达成;工程图学课程的培养目标需更关注学生动手能力、创新能力及团队合作能力等综合素质的提高。     

单元教学设计过程中的“教学问题链”设计——以上海科学技术出版社《物理·必修》(第三册)静电场单元为例

根据教育部颁布的《普通高中物理课程标准(2017年版)》,在上海市物理教育教学基地(上海高校“立德树人”人文社会科学重点研究基地)的大力支持下,由上海市教育委员会组织编写的上海高中物理非统编教材进行了正式使用前的试教试用活动,此教材是在上海高中物理“二期课改”教材的基础上全面改写而成的.单元教学设计已成为当前教学设计的焦点问题,以《物理·必修》(第三册)静电场单元为例,详细阐述了“教学问题链”的设计理念,希望与广大一线教师交流试教试用的心得与反思,推动新课改课堂转型.     

基于Mesh网的矿工心电信号无线监测系统研究

在矿难事故发生后实时监测被困矿工的生命体征,能够给营救工作提供重要的信息参考,因此设计了一款基于Mesh网的矿工心电信号无线监测系统.通过ADS1292心电检测模块对矿工的实时心电信息进行监测,然后将心电数据经过STM32F103单片机处理后通过OLED屏显示出来.同时,处理后的数据还可以通过无线组网模块发送至上位机进行显示,从而实现对井下采煤工人生命体征进行远程监测的目的.测试结果表明:该系统可以准确获取矿工心电信号波形,实测心率误差不超过4％,具有良好的应用前景和实用价值.     

具身学习视角下的教学环节再思考——以“全等三角形判定”第1课时为例

《义务教育数学课程标准(2011年版)》(以下简称《课标》)指出,数学教学活动,特别是课堂教学应激发学生兴趣,调动学生积极性,引发学生的数学思考,鼓励学生的创造性思维.这就要求教师在设计教学环节时,以学生经验为逻辑起点,以学生经验生长为目的,重视学生的多感官参与,拒绝单一的听中学,创设环节帮助学生体悟学习过程,关注学生的学习过程,具身学习正是通过身体的感觉运动系统与周围环境的互动,促使学习者的认知、心理和情感水平发生变化,为我们提供了一个引导学生学习方式转型的新视角。     

优化初中数学概念教学“三部曲”

初中数学概念教学的最终目标在于帮助学生理解概念,并且掌握概念应用方法.具体而言,概念教学目标体现在引导学生对概念来源进行把握;帮助学生梳理各种概念之间的关系,把握相应的数学思想方法;引导学应用概念.因此,在组织开展初中概念教学活动的过程中,教师需要引导学生对概念来源展开分析,让学生形成对概念的初步认知,然后,组织学生概括抽象的数学概念,把握数学概念的基本特征,了解各要素之间的关系,掌握数学表达方法,强化对概念的认知;最后,指导学生应用数学概念,帮助学生建立完善的概念结构.     

一类离散时间复杂网络系统的输出同步

利用线性稳定性理论和Lyapunov函数方法,研究了一类离散时间复杂网络系统的输出同步问题,得到了系统输出指数同步的充分性条件,数值算例表明了方法的有效性.     

基于深度学习网络模型与大数据自动训练的工件缺陷识别算法研究

针对工件缺陷种类多样和特征不明显,造成机器视觉识别精度不稳定的问题,提出了一种基于深度学习网络模型与大数据自动训练的工件缺陷识别算法,并以软件工程来实现其功能。首先,对存在缺陷的工件进行取样,采集缺陷图像,建立识别标准。然后,基于深度神经网络模型和缺陷标准图像,进行模型训练,采取分批训练,逐步迭代收敛的方式,达到准确识别工件缺陷目的。最后,基于Python语言与TensorFlow框架实现深度神经网络模型,并将模型移植到C++平台调用,嵌入到商业版本软件中,实现算法的落地应用。实验测试结果显示,相对于已有的缺陷识别技术而言,本文算法具有更高的识别准确性,可为机器视觉软硬件设备提供技术基础。