自旋为1的系统的量子非经典性度量

相干态最初在1960年由Klauder和Sudarshan提出.基于此,许多经典性和非经典性的度量被提出. 1971年Radcliffe提出了原子相干态,但基于原子相干态的非经典性度量研究仍然较少.本文利用原子自旋相干态的特征提出一种度量非经典性的方法,并讨论了这种度量的若干性质,例如转动算符作用下的不变性和纯态的非经典性.我们给出了一些计算例子,例如猫态、NOON态和混合态.这种度量只在自旋为1的系统上讨论.这些结果对探索量子非经典性的度量和量子资源理论有一定的意义,也对实验室利用非经典性度量起到积极作用.     

具有外部干扰的耦合时滞神经网络固定时间二分同步

针对结构平衡图与结构非平衡图的网络拓扑,考虑了一类具有外部干扰的耦合时滞神经网络模型,分别设计了其固定时间同步控制协议.借助固定时间稳定性理论与不等式技巧,获得了耦合网络在固定时间内达到同步的充分性判据,给出了具体的收敛时间上界,并验证了固定时间同步网络的鲁棒性与抗干扰性.为了扩大网络模型的适用性,考虑的神经网络激活函数为非连续的函数,可借助微分包含与集值李导数理论解释非连续微分方程的动力学行为.最后,分别在结构平衡图和非平衡图下对耦合神经网络的固定时间二分同步进行了数值仿真,验证了控制算法的有效性及理论结果的正确性.     

基于超网络的舆论演化动态模型

针对舆论演化过程中的复杂动力学问题,提出了超网络视觉下的舆论演化动态模型,该模型包括节点的添加、重新连接链路、超边的添加以及节点的老化4个过程,其中节点代表关键词,超边代表关键词所构成的话题。其次,利用非均匀网络的演化机制,分别对该动态演化模型的超度、节点自身关注度与节点间影响力两个因素的超度进行了详细的理论分析,分析结果表明节点超度完全符合幂律分布。最后,通过Matlab仿真模拟,分析了不同参数对节点超度分布变化的影响,并进一步验证了结果是遵循幂律分布的。     

基于STM32的非侵入式负荷监测系统设计

传统的侵入式负荷监测方法在实际应用中安装复杂,成本高,无法满足日益发展的电力系统需求.为此设计了一种基于STM32的非侵入式负荷监测系统,系统以STM32F103芯片为主控制器,利用AD8629放大器和ADS1256芯片进行高精度电信号采样,通过USB与上位机通信,在Labview界面中进行实时显示,并建立卷积神经网络算法模型进行负荷识别.将嵌入式系统与辨识算法进行结合,通过实验验证了用电负荷监测与识别的可行性,且系统实时性好,测量精度高,成本低,有较强的实用性.     

智能制造的“火眼金睛”:PDA高精度激光位移传感器

"中国制造2025"战略的提出,以及人工智能等新一代信息技术的发展,使中国制造业面临新一轮"换血"。从高密度人工作业向自动化车间转化的过程中,自动化测量被推到舞台前端。为了实现高端激光位移传感器的自主研发及国产化,提升位移测量的精度和稳定性,上海兰宝利用自适应算法及核心光机电组件,结合智能算法,打破行业壁垒,探索出领先传感技术。     

球形压头的滑动速度对材料微米划痕响应的影响

在恒定的法向载荷下,使用Rockwell C 120°金刚石压头对聚碳酸酯(PC)、熔融石英、紫铜和镁合金AZ31进行微米划痕测试,研究滑动速度对试样划痕响应的影响.压入深度小于压头的球锥转变深度,确保仅有压头顶端的圆球部分与试样接触.结果表明:随着滑动速度的增加,压入深度、残余深度和划痕沟槽的宽度均非线性减小,划痕硬度和弹性恢复率均非线性增大;PC和紫铜的划痕摩擦系数先增大后减小,PC的黏弹性行为对其摩擦响应有显著影响;熔融石英的划痕摩擦系数先增大后减小,最后趋于稳定;镁合金AZ31的划痕摩擦系数先减小后增大.熔融石英、紫铜和镁合金AZ31的划痕摩擦系数的变化趋势可通过几何接触模型进行解释.     

基于NOMA的认知无线电网络功率分配

考虑采用非正交多址接入(NOMA)技术的认知无线电网络下行链路的功率分配问题,旨在最大化接入系统的次用户数,提升系统的频谱效率.在不影响主用户通信的情况下,对次用户进行合理的功率分配,使得系统接入的次用户数最大化.在系统可用功率未得到充分利用时,考虑在接入系统的次用户间对未利用的功率再次进行功率分配,提升系统的频谱效率.仿真结果显示:当次用户最小速率为2.5 bit·s~(-1),请求接入系统的次用户数为10时,频谱效率可提升13%.     

地理信息系统技术在工程测量中的应用

随着时代的不断发展,工程建设要求日益提升,现如今,人们不仅要保质保量,还要保证各项数据准确可靠。在工程建设过程中,人们要有效应用地理信息系统技术,不断提升工程质量,促进我国建筑行业实现可持续发展。因此,本文分析了地理信息系统技术在工程测量中的应用,以期提升工程测量结果的准确性,最终提高工程施工质量。     

基于提升度的KNN分类子的分类原则改良模型

针对非均匀类数据,本文提出K最近邻分类子的一个分类原则改良方法,能够度量待分类数据的K个近邻点中的类比率提升量,增大了最小类数据的竞争力,明显地提高了小类数据的分类正确率。实验结果表明,本文提出的改良分类原则对非均匀数据分类的准确率明显高于传统的KNN分类算法。