网络环境下的不确定非线性系统远程智能控制

针对一类网络环境下的不确定非线性动态系统,提出了一种基于神经网络非线性补偿和线性反馈控制相结合的智能远程控制方法。该方法通过构造神经网络在线估计器学习局部子系统的非线性特性,从而将局部子系统线性化,神经网络权重的在线学习没有持续激励的要求,且可保证闭环误差系统一致最终有界稳定。最后对线性化的闭环时延控制系统,远程控制器采用基于李亚普诺夫(Lyapunov)稳定性理论的线性状态反馈控制,从而保证了整个闭环网络控制系统的稳定性。     

钨酸镧系列质子导体的开发及应用

稀土金属氧化物钨酸镧材料是一类重要的质子导体,除具有较高的质子导电性和催化活性外,其可以在含有CO2和H2O的气氛中稳定存在.因此,钨酸镧材料在质子导体固体氧化物燃料电池(SOFC)及氢气分离膜领域具有广阔的应用前景,这为氢能的提纯与利用提供了重要手段.但是,钨酸镧材料的导电特性仍需进一步改善.近期,研究者尝试通过改进...     

不同聚集厚度藻类分解过程对温室气体释放的影响

为了明确富营养化浅水湖泊中不同聚集厚度藻类分解过程对碳、氮和磷的产生及温室气体释放的影响,本研究通过室内模拟的方法,研究了不同聚集厚度（3 cm、5 cm、10 cm、15 cm和20 cm）藻类衰亡分解过程中碳、氮和磷的迁移特征及温室气体产生的规律.结果表明,在藻类衰亡分解过程中,藻聚集厚度20 cm时水体溶解性有机碳（TOC）浓度值最高;同时,随着藻类聚集厚度的增加,各处理组中总氮（TN）、总磷（TP）和铵态氮（NH⁺₄-N）的浓度均表现出先上升后下降的趋势.气态碳以CH₄和CO₂形式排放到大气中,培养结束时,藻聚集厚度20 cm处理组中CH₄和CO₂排放通量最大,分别为58.85 mg·m^-2·h^-1和489.18 mg·m^-2·h^-1;此外,N₂O的排放通量随着藻聚集厚度的增加而增加.实验过程中,水体中NH⁺_...     

坐标与动量算符表示的简单证明

本文给出了动量和坐标算符分别在位置表象与动量表象中的表示的一个简单证明,其证明方法也很容易使用到薛定锷方程的不同表象。     

网络控制系统的事件触发与量化控制协同设计

针对资源受限的离散时间网络控制系统,提出一种基于性能优化的事件触发和量化控制协同设计方法。该方法主要通过事件触发降低网络带宽占用,采用带有缩放因子的动态量化器降低量化误差的影响,并将该网络控制系统建模成具有不确定参数的离散时间切换系统;根据稳定性和二次性能指标要求,利用分段李雅普诺夫函数和线性矩阵不等式技术将性能指标最优问题转化为具有矩阵不等式约束的优化问题,给出了保证系统渐近稳定且二次性能指标最小的事件触发器参数、动态量化器可调参数及控制器增益协同设计方法。最后,通过仿真验证了所提方法的有效性。     

氮化硼复合石墨毡及其氧还原电极的电化学性能研究

为了提升石墨毡作为氧还原电极的电化学性能,将五硼酸铵热解生成氮化硼原位复合至石墨毡碳纤维上,具体探究了不同比例氮化硼/石墨毡复合材料用作锂—空气电池的氧还原电极时的电化学性能,其中10%比例下氮化硼/石墨毡的电化学性能最佳,主要表现在首次深度放电容量较原始石墨毡提升了20%,首次放电充电的氧还原反应和氧析出反应极化降低了约0.3 V.该方案操作简便,成本低廉且绿色无污染,对锂空电池性能的提升有较好效果.     

基于自组织视角的高校课程建构原则

现行高校课程从纵向上可以分为通识教育课程、学科基础课程、专业基础课程、专业课程等,而这些课程又是横向上的选修课程或必修课程。通过“自组织”理论的视角来论述高校课程上述结构间的竞争与协同性,并据此阐述高校课程建构的开放性原则、关联性原则、整体性原则、主体性原则、创新性原则等。     

纳米WO3光催化材料的研究现状

与传统的有机污染处理方法相比,光催化技术降解速度更快,降解程度更大,因而半导体光催化技术作为一种污染治理的新技术越来越受到人们的重视.本文综述了纳米三氧化钨光催化材料的研究现状,提出了提高纳米三氧化钨光催化性能的方法以及未来发展方向.     

基于TPM和RCM协同关系的CMMS系统的研究与应用

本文在理解全员生产维护TPM和以可靠性为中心的维护RCM两种维护策略的内涵的基础上，对比两者的优缺点，分析TPM和RCM的协同维护关系，并构建了基于TPM／RCM协同关系的计算机化维修管理系统（CMMS），该系统能将RCM分析过程和TPM现场执行情况同设备资产信息紧密结合，从而达到动态地根据设备现状改变维修策略的目的。最后应用于企业实践。     

基于模型跟随的神经网络非线性重构控制

针对歼击机在结构故障下的动力学方程 ,提出了一种基于径向基函数 (RBF)神经网络的模型跟随非线性重构控制策略。该方法不必精确已知系统故障的位置及其损伤程度 ,可直接对故障系统实施重构控制 ,使其输出能精确跟踪期望参考模型的输出。该方法在模型跟随重构控制的基础上 ,引入了神经网络控制器 ,以补偿故障引起的非线性因素的影响。理论分析和仿真验证表明 ,所提方法可保证闭环系统具有良好的重构性能和很强的鲁棒性 ,且算法高效简单 ,易于计算机在线控制。