研究生课程思政视域下《中药药性学》的科学性与案例实践

中药学研究生课程思政是专业教育的重要组成部分,将思政元素有机融入中药药性学课程教学是中医药学背景研究生教育实现思政功能的迫切需要。案例教学法在诸多课程教学中应用广泛且效果良好,占有重要地位。文章首先解读了中医中药的科学性和应用性,后续进行了课程思政的案例分析和过程展现,具体探讨和阐释了思政元素融入中医药课程案例教学的实践过程,以期为中药学专业硕士学位课程开展案例教学提供思政功能解读和借鉴。

基于PSO-LSTM-Attention算法的液压管路压力预测

在液压系统中,液压管路是实现压力传导功能的重要组成部分,其压力值的变化不容忽视。在环境误差等因素的影响下,液压管路的压力变化呈现非线性和不稳定性。为解决该问题,提出基于粒子群优化算法(PSO)改进的基于注意力机制(Attention)的长短期记忆神经网络(LSTM)的液压管路压力预测方案。用某飞机液压管路的压力检测值作为输入数据,实现液压管路某支路位置的压力预测,并完成预测结果的可视化。实验结果表明,该模型预测平均误差为1.78%,符合液压管路压力预测要求。

GA-SVM在木材缺陷识别中的应用

为无损识别出木材内部的缺陷状况,研究以带有孔洞、腐朽和节子缺陷的圆盘试样作为研究对象,采用电学信号采集和测量功能的PXI平台进行16电极传感器、相邻激励模式的电阻层析成像(ERT)技术测量内部数据。针对得到的木材断层208个电压数据,采用主成分分析法(PCA)对作为输入变量的电压数据进行处理,并利用遗传算法(GA)优化权值和阈值,孔洞、腐朽和节子数据各45组,进行支持向量机(SVM)算法训练,完成木材内部缺陷图像的识别。结果表明:GA-SVM算法对孔洞、腐朽和节子的识别率分别为94. 55%,96. 36%,92. 73%,解决了木材内部缺陷的识别问题,达到最佳的预测结果。

太阳能供电的Zigbee低功耗温室大棚监测系统设计

针对传统的温室监测系统布线困难、组网复杂、工作效率低、节点生存周期短而功耗较大的问题,提出了新型低功耗无线温室监测系统设计方案。基于小功率的Zigbee技术,结合温室特点分析系统能耗,采用太阳能供电模式提高供电能力,并从硬件选型、节点多休眠等方面降低系统功耗。实验结果表明:与传统系统相比,工作功率降低了59.60%,休眠功率降低了97.65%,实现了降低系统功耗、延长无线传感器网络的生命周期的目的 ,有效地实现了对温室大棚环境的监测。

基于无线传输技术的粮仓监测系统

传统的人工监测以粮食温湿度监测,没有办法来处理粮食安全的隐患-害虫。为了节约资源,实现低功耗,保证粮食的安全储存,通过研究,可以实现实时监测温湿度和病虫害的数量,越限粮库报警系统。粮仓温湿度采集系统与灯光诱杀害虫和计数,将采集到的数据进行处理,通过ZigBee无线传输到服务器监控粮库环境后送到MSP430。