论班级中差优生的管理

论述了学校班级中优、差生不同的管理方法,针对差等生的转化方法作出较为全面详细的说明.     

关于E~(n+1)中全臍超曲面和极小超曲面的一个注记

本文利用改进了的一般极大值原理,给出了n+1维欧氏空间E~(n+1)中利齐曲率下方有界的完备连通超曲面为全脐超曲面或极小超曲面的一个充要条件。     

配电网结线变化时电压损失和功率损耗的矩阵算法

作者在文献[1]中,曾提出用关联矩阵法计算配网参数,以监察其供电质量和经济指标,本文则提出当电网负荷结点增加或结线图改变时,由计算机自动修改原配网关联矩阵并求得新配网的电压损失和功率损耗值的方法。     

MNT和DNT同分异构体的偶极矩实测和计算

用“溶液法”实测了o-、m-、p-MNT和2,3-、2,4-、2,5-、2,6-、3,4-以及3,5-DNT共9个化合物在CCl_4溶液中的偶极矩;用MINDO/3法计算了它们的气相偶极矩。二者符合良好,线性相关系数为0.996。     

提高西德MNPJ型毛圈圆纬机压针三角与舌针使用寿命的研究

本文通过西德MNPJ型毛圈圆纬机编织过程的受力分析和机械润滑试验,提出了提高三角和舌针使用寿命的途径;同时又对该机三角系统的材料进行了研究,提出了自制三角系统的看法。     

盾构隧道围岩与衬砌协同作用纵向位移计算法

盾构机掘进过程中,千斤顶顶进力的不均匀引起的纵向位移是管片间初始错台的主要原因之一;基于Timoshenko梁理论的隧道纵向位移计算方法,未能考虑隧道开挖后围岩卸载破坏的变形特征及围岩与衬砌结构的协同作用效应,预测误差较大。建立了考虑围岩卸载扩容效应的等效地基抗力系数计算方法,提出了能考虑螺栓个数的等效抗剪刚度计算公式,建立一种基于Timoshenko梁理论的改进管片拼装式隧道纵向位移理论计算方法。实际工程案例分析表明：考虑围岩开挖卸载过程中围岩的非线性体积相关塑性变形（即扩容效应）更合理;考虑壁后注浆液固化过程的时效性,采用改进的滑移边界条件计算的纵向位移最大值是传统的固定端边界的计算值的2.3倍,边界条件对计算结果影响较大,本文计算方法更符合实际情况,也更安全。     

IRS辅助WPCN用户公平性与系统吞吐量优化方案

为了解决无线供电网（wireless powered communication network,WPCN）中用户公平性不足与系统灵活性差的问题,提出一种基于智能反射面（intelligent reflecting surface,IRS）的优化方案。该方案直接将公平指数（fairness index,FI）和系统吞吐量加权相加作为优化目标,建立了用户公平性与系统吞吐量的联合优化问题。由于所建立的优化问题是非凸问题,因此,将优化问题拆分为时隙长度和IRS反射系数优化子问题,然后交替求解。针对时隙长度优化子问题,使用逐次凸逼近（successive convex approximation,SCA）算法求解;针对IRS反射系数优化子问题,使用闭式解、SCA和半定松弛（semi definite relaxation,SDR）算法求解。仿真结果表明,所提方案在用户公平性和系统灵活性方面优于其他方案。     

液压蓄能式风力机组并网转速解耦优化控制

针对在风速、同步发电机负载变化情况下,液压蓄能式风力机组并网转速控制问题,提出一种新型并网转速控制方法——解耦广义预测优化控制方法（Decoupled Generalized Predictive Optimization Control, DGPOC）.首先,DGPOC利用基于广义预测的前馈解耦方法解除变量马达摆角和蓄能器比例阀开度之间的耦合关系,进而调节蓄能器比例阀,依靠蓄能器吸收波动流量,同步调节变量马达摆角实现恒转速控制,解决因风速、同步发电机负载变化引起的变量马达转速波动问题; 其次,将蓄能器比例阀的能量损耗作为性能约束项,加入到优化目标函数中,求取最优控制量,从而提高液压蓄能式风力机组风能利用率; 最后,利用建立的MATLAB-AMESim联合仿真实验平台验证DGPOC方法的有效性.实验结果表明： DGPOC方法不仅可以实现变量马达摆角和蓄能器比例阀开度两个变量的解耦,提升变量马达转速控制的快速性及鲁棒性,而且能够降低系统的能量损耗.     

乌龙茶做青环境微机控制系统硬件与接口设计

本文介绍乌龙茶做青环境电脑控制系统中的温、湿度测量、A/D转换卡、输出控制电路的硬件、接口设计原理以及系统软件与控制方式。该系统对乌龙茶做青生产过程的环境能进行自动巡回检测,控制温、湿度达到最佳状态,并使生产过程自动化。     

基于新型相似日选取和VMD-NGO-BiGRU的短期光伏功率预测

光伏功率预测在现代电力系统调度和运行中起着重要作用.针对光伏发电功率的多变性和复杂性,提出了一种基于新型相似日选取和北方苍鹰算法（Northern Goshawk Optimization, NGO）优化双向门控循环单元（Bidirectional Gated Recurrent Unit, BiGRU）的短期光伏功率预测方法.首先,利用斯皮尔曼相关系数选取主要气象因子,通过变分模态分解（Variational Mode Decomposition, VMD）将原始光伏功率和最大气象因子分解重构为一系列子信号.其次,通过构建新的评价指标筛选出相似日数据集,利用一组BiGRU建立以相似日子信号为网络输入的深度学习模型,并利用NGO对每个BiGRU网络的超参数进行有效优化.最后,对各子信号的预测结果进行综合,得到最终的光伏功率预测值.仿真结果表明,所提混合深度学习方法在预测精度和计算效率方面均优于其他方法.