具有混合执行器故障的多智能体分布式有限时间自适应协同容错控制

针对多智能体编队系统执行器发生故障时,所引起的参数不确定以及系统瞬态不稳定问题,本文采用径向基函数神经网络(radial basis function neural networks,RBFNNs)对不确定参数(未知函数)进行估计.同时,基于反推技术设计出合理的自适应容错控制器,并通过有限时间理论保证系统实现瞬态稳定....     

多体量子系统密度矩阵的表示

利用特殊酉群SU(3)的典型生成元及其性质构造矩阵空间M_R(C)的一组Hamel基, 并给出其线性无关性的证明; 利用特殊酉群SU(R)的典型生成元构造矩阵空间M_R1R2…_Rn(C)的两组Hamel基, 并在这两组基底下描述了多体量子系统密度矩阵的表示.     

采煤工作面煤层三维地质建模

为了直观展现采煤工作面煤层地质分布和煤岩体空间赋存状况,增强地质数据的表现力和利用率,提出一种Web端煤层三维建模方案。该方案以某煤矿16402采煤工作面部分采样数据为基础,结合规则格网法和自适应差分进化Kriging空间插值算法构建煤层表面的数字高程模型;之后借助Three.js技术和Catmull-Rom样条曲线实现浏览器端采煤工作面煤层三维可视化模型,并实现煤质指标的动态展示。研究表明,所建模型真实地反映了工作面煤层的形态、产状和矿石品位,为生产方案对比决策提供了可靠依据。     

双互易杂交边界点方法求解Helmholtz方程

提出了一种新的边界类型无网格法——双互易杂交边界点方法,它将杂交边界点法和双互易法结合,来求解Helmholtz方程.该方法将Helmholtz方程的解分为通解和特解两部分,通解使用杂交边界点方法求解,特解则利用径向基函数近似.该方法只需要边界上离散的点,域内少数的点仅仅是为了径向基函数插值.通过数值算例对影响该方法性能的参数进行了研究.数值算例表明,该方法在求解Helmholtz方程时有较高的精度和数值稳定性.     

高职院校教学基本建设探析

教学基本建设是教学工作的重中之重,加强教学基本建设是贯彻落实《教育部关于全面提高高等职业教育教学质量的若干意见》的重要步骤,是推动高校教育改革和发展的重要举措。在强调内涵发展、工学结合、能力本位的今天,如何推动实施教学基本建设已成为摆在高职院校教育管理者面前的重要课题。以职业技术学院为例,结合当前教育教学建设与改革实践,探索了如何对高职院校教学进行合理建设。     

英汉领属短语的共同认知基础

对传统语法中对领属结构的认识提出质疑,进而从认知的角度分析对比汉语“NP1的NP2”与英语“NP1’SNP2”这两种领属短语。最后得出结论：英汉领属短语内部的语义关系虽然多种多样,但它们反映了人类共同的认知模式,即“参照点一目标”模型。其中参照点和目标的不对称性又受人的认知规律影响。而短语中间的领属形位“的”和POSS具有同一语法功能,即限定功能。     

强磁场对中心放置正电荷的GaAs量子环能量的影响

 利用B样条技术研究强磁场中GaAs量子环的能量和量子尺寸效应。计算结果表明: 强磁场下 （B>3T）, 量子环的基态能量E1和库仑能的绝对值EC随着磁场强度B的增大而增大。对应不同角动量（m=-1,-2,-3）,E1-B曲线的间距被放置在中心的正电荷的库仑场拉宽; 基态能量E1随量子环半径r0的变化曲线出现一个极小值位置r00,r00随着B的增加而减小。在不同磁场下的E1-r0曲线的间距被放置在中心的正电荷的库仑场拉近, 库仑能的绝对值EC随着r0的增大而线性减小; 基态能量E1随着谐振子势ω0的增大而增大。库仑场使不同角动量(m=-1,-2,-3）下的E1-ω0曲线出现交叉现象,能级次序发生了变化。库仑能的绝对值EC随ω0的增加而非线性减小。     

BL△*系统中理论的△-根及广义△-MP问题

对BL*系统进行了研究.结合Petr Hajek的观点,在BL*系统中添加了一元逻辑连接词△,得到BL*系统的一种扩张BL△*系统.随后在BL△*系统中提出了理论的△-根的概念,并对其基本性质进行了研究.最后提出了广义与集体广义△-MP问题,定义了上述问题在语构意义下的解,并对解的存在性进行了讨论.     

基于改进的双并联动态过程神经网络的旅游需求预测

为克服前向过程神经网络收敛速度慢、精度低的问题,提出了一种改进的双并联动态过程神经网络,对于给定的全连接的过程神经网络,通过优化其连接权值和网络结构,删除冗余连接使之成为部分连接的过程神经网络系统,并给出了基于正交基函数展开的学习算法,从而降低了计算的成本。改进的双并联动态过程神经网络应用于旅游预测问题,结果表明其预测精度能够满足工程需要。     

基于DDST的MIMO时频双选信道的信道估计

针对多输入多输出时频双选择性信道,提出了一种基于信息叠加训练序列和最小二乘相结合的信道估计方法.基于基扩展模型构建MIMO时频双衰落系统,采用DDST算法估计信道矩阵,对误码率进行分析.训练序列采用等幅度的周期指数序列,同时在基于叠加训练序列估计的基础上叠加一个基于信息的周期序列.实验表明,基于DDST的MIMO时频双选信道估计方法比传统的估计方法显著降低了信道估计的均方误差和误码率,并能保持较高的频带利用率.