轨道梁作为跨座式单轨交通三大核心技术之一,其核心技术的创新与发展一直都是制约我国单轨交通发展的重要因素之一。结合“新型25 m PC轨道梁优化设计与制造工艺”课题,自主开发了“PC轨道梁配筋计算程序”和“PC轨道梁标准定型化设计...轨道梁作为跨座式单轨交通三大核心技术之一,其核心技术的创新与发展一直都是制约我国单轨交通发展的重要因素之一。结合“新型25 m PC轨道梁优化设计与制造工艺”课题,自主开发了“PC轨道梁配筋计算程序”和“PC轨道梁标准定型化设计软件”,并设计完成了跨座式单轨交通新型25 m PC轨道梁。通过智能软件自动生成25 m PC轨道梁的预应力钢筋和普通钢筋布置图,对轨道梁进行足尺25 m PC轨道梁静载、扭转、开裂、300万次疲劳和破坏试验验证。为验证新型25 m PC轨道梁优化设计与软件计算的正确性,将其试验数据与自制软件计算出的数据和理论数据进行对比。结果表明:软件自动设计的轨道梁,最大竖向挠度实测值为21.75 mm,校验系数为0.89,挠跨比为1/1122,而水平挠度实测值为2.36 mm,校验系数为0.72,满足规范要求;结合偏心及中心加载两种工况下试验结果,梁体应力差值在-0.51~0.61 MPa之间,扭转对直梁影响较小;开裂试验中,实测开裂荷载值为947 kN,实测重裂荷载为707 kN,由此得到梁体实际有效预应力975.26 MPa,实测值略大于设计有效预应力972.26 MPa,上述数据说明自动绘制的配筋图可以用于实际工程中。开发的智能软件对跨座式单轨交通轨道梁的智能建造提供技术支撑。展开更多
[目的]针对《生物统计与试验设计》课程中数据处理复杂、学生参与度低等问题,开发一款轻量化教学工具,探索数字化教学改革的有效路径。[方法]基于Uniapp跨平台框架,结合豆包人工智能辅助开发技术,构建集成生物统计计算、试验设计模拟及...[目的]针对《生物统计与试验设计》课程中数据处理复杂、学生参与度低等问题,开发一款轻量化教学工具,探索数字化教学改革的有效路径。[方法]基于Uniapp跨平台框架,结合豆包人工智能辅助开发技术,构建集成生物统计计算、试验设计模拟及案例实操功能的微信小程序,在实验班(医动2211,n=23)与对照班(医动2212,n=26)开展对比教学实验,评估小程序的应用效果。[结果]教学实践数据显示:实验组学生完成数据处理任务的平均耗时较对照组缩短43.75%(45 min vs.80 min),课堂主动提问频次提升149%(2.64次/课vs.1.06次/课),理论知识考核成绩提高21.4%(85分vs.70分),实践操作成绩提升33.3%(40分vs.30分),差异均具有统计学意义(P<0.05);问卷调查表明,实验组学生课堂参与积极性达70%,显著高于对照组的35%。[结论]基于Uniapp和豆包AI的轻量化开发的微信小程序,显著提升了学生的理论理解深度与实践能力,为职业院校专业课程的数字化转型提供了可复制的解决方案。未来可进一步优化小程序功能,深化工具与教学场景的融合。展开更多
文摘轨道梁作为跨座式单轨交通三大核心技术之一,其核心技术的创新与发展一直都是制约我国单轨交通发展的重要因素之一。结合“新型25 m PC轨道梁优化设计与制造工艺”课题,自主开发了“PC轨道梁配筋计算程序”和“PC轨道梁标准定型化设计软件”,并设计完成了跨座式单轨交通新型25 m PC轨道梁。通过智能软件自动生成25 m PC轨道梁的预应力钢筋和普通钢筋布置图,对轨道梁进行足尺25 m PC轨道梁静载、扭转、开裂、300万次疲劳和破坏试验验证。为验证新型25 m PC轨道梁优化设计与软件计算的正确性,将其试验数据与自制软件计算出的数据和理论数据进行对比。结果表明:软件自动设计的轨道梁,最大竖向挠度实测值为21.75 mm,校验系数为0.89,挠跨比为1/1122,而水平挠度实测值为2.36 mm,校验系数为0.72,满足规范要求;结合偏心及中心加载两种工况下试验结果,梁体应力差值在-0.51~0.61 MPa之间,扭转对直梁影响较小;开裂试验中,实测开裂荷载值为947 kN,实测重裂荷载为707 kN,由此得到梁体实际有效预应力975.26 MPa,实测值略大于设计有效预应力972.26 MPa,上述数据说明自动绘制的配筋图可以用于实际工程中。开发的智能软件对跨座式单轨交通轨道梁的智能建造提供技术支撑。
文摘[目的]针对《生物统计与试验设计》课程中数据处理复杂、学生参与度低等问题,开发一款轻量化教学工具,探索数字化教学改革的有效路径。[方法]基于Uniapp跨平台框架,结合豆包人工智能辅助开发技术,构建集成生物统计计算、试验设计模拟及案例实操功能的微信小程序,在实验班(医动2211,n=23)与对照班(医动2212,n=26)开展对比教学实验,评估小程序的应用效果。[结果]教学实践数据显示:实验组学生完成数据处理任务的平均耗时较对照组缩短43.75%(45 min vs.80 min),课堂主动提问频次提升149%(2.64次/课vs.1.06次/课),理论知识考核成绩提高21.4%(85分vs.70分),实践操作成绩提升33.3%(40分vs.30分),差异均具有统计学意义(P<0.05);问卷调查表明,实验组学生课堂参与积极性达70%,显著高于对照组的35%。[结论]基于Uniapp和豆包AI的轻量化开发的微信小程序,显著提升了学生的理论理解深度与实践能力,为职业院校专业课程的数字化转型提供了可复制的解决方案。未来可进一步优化小程序功能,深化工具与教学场景的融合。
