磷肥对盐荒地甜菜纸筒育苗移栽产质量影响的研究

本文在四年试验的基础上，进一步探讨了磷肥对盐荒地甜菜纸筒育苗产质量的影响及其对改良利用盐荒地的作用。试验表明：施磷较对照增产１０－４６．７％，含糖提高１．２４－４．５３度，产糖量提高３０．１－９３．３％，纯度提高７．１－１９．１％，同时又能降低土壤含量，增加有机质。     

俄罗斯利用粉煤灰生产建筑材料的新方法

介绍俄如何利用各类粉煤灰渣料生产建材及其生产原理，技术性能指标。     

电池管理系统在奥运纯电动大巴中的设计研究

本文以北京2008奥运纯电动大巴的运营为背景,重点介绍了电动大巴上车载电池管理系统的工作特点以及硬件部分的设计理念,并完成了系统各部分之间的通讯设计,最终实现了对电动大巴各种工作状况的检测与控制。     

同行评议专家网络评价系统的研究与开发

同行评议专家网络评价是根据专家近几年评审过的项目,结合项目立项资助情况和专家的评审结果,对专家的评审质量和能力进行的网上评估,是专家评审结果的科学性和可信度的重要保障。文章提出了影响同行评议专家综合评价的五因素,并基于此模型,开发了同行评议专家网络评价子系统。     

SolidWorks中"方程式驱动的曲线"工具的应用

本文以SolidWorks软件为平台,探讨了如何绘制机械设计中一些常用和特殊曲线的方法。借助具体实例介绍了方程式驱动的曲线工具中显式方程与参数方程的实现方法、适用范围以及如何根据实际需要对现有方程式进行修改。     

基于单点像的光学稀疏孔径图像复原

为了定量评价光学稀疏孔径系统的图像复原效果,提出了一种以稀疏孔径系统单点像作为退化图像进行图像复原的方法.对稀疏孔径系统的单点像进行适当的复原处理,可获得类似爱里斑(即该稀疏孔径等效圆口径系统的单点像)的复原图像.通过比较该复原图像和爱里斑相似程度,即可对该复原算法(或者参数)进行评价.以法国SOLARNET光学稀疏孔径系统为例演示了上述图像复原过程.仿真结果表明,基于单点像的图像复原方法是可行的.     

结构应变模态参数辨识的最小二乘复频域方法

由于应变模态对结构状态的敏感性,其在结构在线健康监测和损伤识别方面比位移模态更具优势。利用应变和位移的关系,将最小二乘复频域方法应用到结构应力应变分析中,建立基于应变测量数据的结构动力学参数频域辨识方法。由于应变模态和位移模态是同一种物理状态的不同表达形式,两者在数学表达上有相似性。首先建立以应变为变量的参数化公分母模型,在此基础上将非线性最小二乘问题进行线性化,得到加权线性最小二乘的方程误差。然后采用基于缩减正则方程的算法进行求解,减少计算量,并通过对模型参数施加约束来避免参数冗余。然后,设计并搭建一个自由梁的实验结构系统,利用光纤布拉格光栅应变传感器测量结构动应变数据,根据最小二乘复频域方法,基于应变测量数据辨识得到频率和阻尼比,与传统的基于加速度测量数据的辨识结果相吻合。另外,辨识所得应变模态振型与仿真结果也具有一致性。因此,数值仿真和实验验证表明,文中提出的基于最小二乘复频域方法能够准确辨识结构应变模态。     

SPGD图像匹配的方法性能及参数选取优化策略

随机并行梯度下降 (SPGD)图像匹配方法是一种全新的图像匹配方法,该方法同时对所有的变形参数施加相互统计独立的随机扰动,并以相关系数随机梯度分量代替真实的梯度分量进行迭代运算,使之能够快速地得到最优参数估计。扰动幅度和增益系数选取是该方法亟需解决的关键性问题,目前能否对不同的变形情况选取相同的具有普遍适应性的预设参数,或是需要对不同的变形情况自适应更新参数以达到最优化匹配效果都还没有得到较好的回答。本文一方面探索该方法在不同预设条件下的极限匹配性能;另一方面初步总结出扰动幅度和增益系数对该方法匹配性能影响的规律,在此基础上研究了分级参数更新策略,使该问题得到进一步解决。     

基于矩阵分式多项式时变结构模态参数最小二乘辨识

基于时间相关矩阵分式多项式传递函数模型,给出线性时变结构时频域参数化模型。以时频域参数化模型为基础,将现有广泛用于时不变结构模态参数辨识的最小二乘复指数法拓展到时频域,提出基于矩阵分式多项式模型的时频域线性时变结构模态参数最小二乘辨识方法;针对时频域最小二乘对计算资源庞大需求问题,给出基于缩减正则方程的最小二乘问题求解方法。通过对两质量连续变化三自由度时变结构仿真算例,说明最小二乘中待估参数约束对模态参数辨识影响,阐述所提线性时变结构模态参数辨识方法特点,说明方法的有效性及潜在实用性。     

应用DBN深度学习算法的电能计量反窃电技术研究

针对窃电问题严重阻碍建立公平、合理的用户秩序的问题,基于云计算的智能电网大数据处理平台SP-PPP(smart power system big data processing platform in cloud environment,SP-DPP),提出了融合自适应加权融合算法和深度置信网络DBN(Deep Belief Networks,DBN)学习算法的反窃电系统,采用DBN逐层贪婪训练算法对大数据进行处理,并利用双层RBM结构,构建出DBN深度学习算法,对获取的电能计量窃电信息进行归一化处理,将获取的宏观高纬度数据信息转换为容易识别和计算的低纬度数据.实验表明,本研究的算法识别率高,稳定性能好.