二阶离散Hamiltonian系统的多重变号周期解(英文)

研究了二阶非自治离散Hamilton系统多重变号周期解的存在性问题.在非线性项是奇函数的条件下,将这类Ham-ilton系统的变号周期解转化为定义在一个适当空间上泛函的临界点,然后利用Morse理论中的三临界点定理,建立了此类系统至少2个变号周期解的存在性结果,并举例说明了所获得的主要结果是有效的.     

定位导航卫星系统原理及性能浅析

主要分析了“子午仪”全球卫星定位系统、GPS全球卫星定位系统、“伽利略”全球卫星定位系统、“北斗”区域卫星定位系统的定位原理和性能．     

基于生态位理论的福州市内河旅游开发策略

在旅游领域,旅游资源/景点也可看作是生物单元,各旅游资源/景点也存在生物单元间的各种生态关系;本文从生态位视角对福州内河进行分析,旨在分析各内河的生态关系从而找准其定位,以便为福州市内河正在进行的整治修缮后及修缮后的内河旅游开发提供相关依据。用文献归纳法对生态位及旅游生态位相关理论进行了梳理,之后结合福州市内河具体情况,对目前整治修缮及今后旅游开发中的生态位现象进行分析。根据各内河特征,对内河进行旅游生态位定位并提出生态位策略,具体为:白马河之丛林探险,安泰河之历史探秘,晋安河之水上竞技与演艺,西湖之欢乐大气。本研究认为生态位理论对区域旅游以及对旅游地、旅游产品、旅游资源的研究都提供了新视角;本研究中采用生态位策略也可作为全国各地"水上游"等类似项目开发的借鉴。     

推广Hardy—Hilbert型不等式的改进

Hilbert型不等式是分析学中的重要不等式,由于权系数方法的改进及参量化思想的应用,使这一领域的研究有了深入的发展.利用改进了的Hlder不等式对带参数的Hardy-Hilbert型不等式作了进一步的改进,建立了一些新的不等式.     

Hilber's型线性算子的范数及其应用

给出了Hilber's型线性算子范数T:lr(r＞1,r=p,q).利用加强的H(o)lder不等式对带范数的线性算子Hilbert型不等式作了改进,建立了一些新的不等式.     

基于改进遗传算法的六自由度并联机器人位置正解研究

将并联机器人运动学位置正解转化为求解一组多元非线性方程的优化问题,提出了改进遗传算法进行优化求解,依靠计算灰色关联度对求解结果进行分组的方法,并通过实例计算得到了3-6结构6自由度Stewart平台并联机器人的7组实解.研究结果表明该方法简单方便,求解精度高且具有通用性.     

带参数的对偶Hardy—Hilbert型不等式的改进

利用加强不等式对Hardy-Hilbert型不等式做了改进,建立了一些新的形如∞∑(n=1) ∞∑(m=1)(anbn/max{m,n})<{∞∑(n=1)[pq-θq/n(1/p)apn}1/p{{∞∑(n-=1)[pq-θp/n(1-q)]bqn}1/q(1-R)k的不等式,其中 R=[Sp(α,γ)-Sq(βγ)]2≠0.     

直接耦合式微波等离子体CVD金刚石膜装置的研究

利用实验室自行设计了直接耦合式微波等离子体化学气相沉积(Chemical Vapor Deposition,CVD)金刚石膜装置,并在石英管反应腔加上磁镜场来更好的约束等离子体,使等离子体球成为"碟盘"状,使沉积面积大、性能稳定、减少在石英管壁和观察窗的沉积,从而有效的提高电离的活性基团利用率,沉积出高质量的(类)金刚石膜.     

基于B+树索引的动态社会网络差分隐私保护

针对当前社会网络的动态更新速度越来越快,而社会网络中差分隐私保护方法迭代速度慢的问题,提出一种基于B+树索引的动态社会网络差分隐私保护方法.使用B+树索引社会网络图的边,根据差分隐私并行性组合的特点,对B+树的索引数据划分,为数据分配不同的ε并添加拉普拉斯噪声,实现数据隐私后的整体高效用性和局部强保护性;在迭代时利用B+树的高效索引对欲更新的信息快速定位,实现动态社会网络差分隐私保护的快速迭代.实验表明,B+树索引有效提高了动态社会网络差分隐私保护的迭代速度,同时差分隐私的并行性提高了数据的效用性.     

基于拟蒙特卡罗法的电力系统抗震可靠性研究

针对电力系统抗震可靠性评估中蒙特卡罗方法误差收敛相对较慢的特点,将以低偏差序列抽样的拟蒙特卡罗方法应用于可靠性评估中,并结合了在求解传递闭包中能够减少计算量的三角形算法,建立了结合低偏差序列抽样与三角形算法的抗震可靠性计算模型.基于川北地区110 k V发电站与变电站的可靠性分析,分别进行了三种算法下的标准蒙特卡罗方法模拟和Sobol序列拟蒙特卡罗方法模拟.模拟结果表明:在电力系统抗震可靠性求解中,与伪随机数序列相比,Sobol序列的解算结果具有更高的收敛速度.当抽样次数为5 000次时,拟蒙特卡罗(QMC)方法的计算结果为0.6689,误差不超过0.1%,而蒙特卡罗(MC)方法的计算结果为0.6659,误差为0.389%;在相同抽样次数下,三角型算法相对于其他算法具有更高的运算效率,将三角形算法与拟蒙特卡罗方法结合既提高了精确度又提高了运算速度.