磁耦合共振无线电能传输系统能耗分析

分析磁共振无线能量传输数学模型,合理地设计了系统结构。在实验条件下求出高频逆变电路损耗、谐振线圈损耗、谐振电容器损耗、高频整流损耗。通过对系统各个环节的损耗进行定量分析,找出了影响系统效率提升的关键部分,为系统优化设计提供参考。     

体外培养条件下不同氧浓度对几种细胞生长的影响

观察多级氧浓度对体外培养条件下小鼠原代骨髓基质细胞、小鼠3T3-L1前脂细胞及大鼠BRL肝细胞生长的影响,探究不同类型细胞体外增殖的最佳O2体积分数以及对低氧和高氧耐受力的差异.实验结果显示,在10%~18%O2范围内骨髓基质细胞增殖最快、活力最强,而3T3-L1前脂细胞及BRL肝细胞生长的最适O2体积分数为5%.O2浓度过低严重损害这几种细胞在培养下的生存能力,O2浓度过高有致死性毒性作用.这些结果表明,原代与长期传代细胞最佳生长的适宜氧浓度有一定的差异,对低氧和高氧的耐受力也强弱不同.     

建议把cyberspace译成“控域”

<正>在2014年4月15日的中央国家安全委员会第一次会议上,习近平主席指出:当前我国国家安全的"内涵和外延比历史上任何时候都要丰富,时空领域比历史上任何时候都要宽广,内外因素比历史上任何时候都要复杂"。为深刻领会习主席的指示,我对自20世纪80年代起的信息安全和态势感知的发展历程及其得失进行了总结,并前瞻了2030年前的发展趋势,在这个梳理和剖析过程中,加深了我对一些相关问题     

基于分解协调法的弹道导弹突防效能控制优化

着眼未来导弹武器作战精确化的要求,阐述了弹道导弹突防物理过程,提出导弹突防因素识别步骤,建立了导弹突防因素结构框架。运用大系统理论的分解协调法,将弹道导弹突防效能控制优化问题按照多级递阶结构思想分解为相互关联的子系统,采用关联预测法求解各子系统最优值。算例分析和仿真初步证明,分解协调法实现定量控制优化导弹突防效能,为导弹武器作战提供重要的决策依据,在实战中具有较高的应用价值。     

河流水-气界面碳交换研究进展及趋势

河流水-气界面碳交换是区域和全球碳循环的重要环节, 对陆地碳平衡核算和碳循环模型优化具有重要意义. 介绍了全球河流水-气界面碳交换研究的相关进展, 以及现有研究存在的问题, 并在此基础上提出今后相关的研究应关注不同地质-生态和人类活动干扰背景下河流及中小河流水-气界面碳交换, 要综合利用双碳同位素示踪、化学计量学、生物标志物等方法辨识河流系统中CO₂, CH₄ 及其他形态碳的来源和迁移转化过程, 同时还要利用野外原位观测、传统采样分析和室内培养的方法开展“水-土/沉积物-气”多界面碳交换的系统综合研究,揭示控制河流系统水-气界面碳交换的关键因子, 为相关预测模型的建立以及流域的科学管理提供依据.     

高温高压气井复合型水泥浆体系研究与应用

针对超深高温高压气井固井难点,通过优选DC200型胶乳增强水泥浆防气窜性能,降低水泥石渗透率;优选改性弹性粒子、有机聚合物纤维和无机矿物纤维为复合增韧材料,有效增强水泥石弹韧性,研制出了高温防气窜性能和弹韧性能优良的复合型水泥浆体系。评价显示:体系耐温达160℃以上,SPN值1,静胶凝强度过渡时间仅为12 min,防气窜效果好;与常规水泥石相比,渗透率可降低80%左右,弹性模量可降低60%左右,抗折强度可增加84%左右,水泥石抗冲击载荷可增加86.69%左右,显示出优异的力学性能;该体系在塔中顺南401井和顺南4-1井成功应用,整体固井质量良好。说明该体系可满足超深高温、高压气井固井技术要求,应用前景良好。     

基于限定记忆随机加权扩展卡尔曼滤波的车辆状态估计

为了降低车辆状态估计过程中历史量测数据误差的影响,提出一种限定记忆随机加权扩展卡尔曼滤波(LMRWEKF)算法.首先,建立三自由度非线性车辆动力学模型;其次,将限定记忆滤波与扩展卡尔曼滤波融合,构成限定记忆扩展卡尔曼滤波;然后,依据随机加权理论,设计服从狄利克雷分布的加权系数来进一步提高滤波估计精度;最后,建立Cars...     

地磁观测中的磁偏角测量误差分析

介绍了磁偏角的测量原理,提出了磁偏角测量过程中的3个主要误差来源,即用CTM-DI磁力仪测量的磁北方向、标志方向的误差及GPS测量的测点与标志间的方位角误差.运用误差传播定律对各方向观测的精度进行分析,并推导了磁偏角测量的中误差计算公式,在此基础上,通过实例分析了目前所进行的地磁3分量测量中磁偏角的观测精度.结合观测实践,对提高磁偏角观测精度给出了几点建议.     

Q矩阵标定的一种简便方法

基于认知诊断的Q矩阵理论,由潜在Q矩阵向量的累赘表达式的分解,给出一种简便的Q矩阵标定方法,并且给出这种方法的证明.     

采用负相关学习的SVM集成算法

为了平衡集成学习中多样性与准确性之间的关系,并提高决策分类器的泛化能力,提出一种基于负相关学习和AdaBoost算法的支持向量机(SVM)集成学习方法.将负相关学习理论融合到AdaBoost-SVM的训练过程中,利用负相关学习理论计算基分类器间的相关性,并根据相关性的值自适应调整基分类器的权重,进而得到加权后的决策分类器.在UCI数据集中进行仿真,结果表明:相较于传统的负相关集成学习算法和AdaBoost-SVM算法,所提出的方法分类准确率更高,泛化能力更好.