一类分数阶比率依赖型捕食系统的动力学分析

讨论了一类食饵带有疾病的分数阶比率依赖型捕食系统的动力学行为。利用线性化方法定性分析了各类平衡点的稳定性,并给出了其正平衡点局部渐近稳定的充分条件。数值模拟显示,参数和阶数对平衡点的收敛速度及其稳定性产生很重要的影响。     

局部受载工况下的轮胎受力分析

轮胎属于汽车唯一与地面接触的部件。轮胎性能的好坏，对汽车行驶的安全性有着极大影响。以175/70/R14轮胎为研究基础，通过有限元分析软件分析了轮胎在6种不同局部受载工况下的变形、应力、应变情况。分析表明，与正常静载工况相比，轮胎应力、应变和整体变形情况较复杂，且呈不对称性。与异物接触的胎体区域变形较大，胎侧部位和三角胶部位变形较小；应变较大区域主要集中在异物突起部,其它部位应变较为稳定。此分析结果为纠正非正常泊车，降低轮胎受损情况，消除汽车安全隐患有实用性参考价值。     

Gevrey势能的离散拟周期 Schrodinger算子的非扰动Anderson局域化

考虑一类具有Gevrey势能的离散拟周期Schrodinger算子, 其中其势能可写成一维环面上的大值解析函数加上Gevrey小扰动. 用大偏差定理和半代数理论证明在大系数下, 对任意的固定相位以及对几乎所有的频率, 该算子满足非扰动的Anderson局域化.     

埋入式传感器与沥青混合料的交互影响研究

为研究埋入式应变传感器与沥青混合料的交互影响,利用ABAQUS有限元软件,建立了在四点弯曲加载条件下埋入应变传感器的梁试件有限元模型,分析了荷载大小、传感器测力杆长度和传感器封装材料模量等因素对沥青混凝土梁试件及传感器的力学响应与应力集中的影响.研究结果表明:传感器埋入沥青混合料梁试件后,在梁试件上与传感器法兰相接触的沥青混合料发生了应力集中的现象,但应力集中系数较小,最大值仅为2.95.传感器的测力杆也发生了应力集中现象,其应力集中系数最大值为26.83,远高于梁试件的应力集中系数.     

基于熵评价模态分解的雷达信号双谱特征识别

针对在低信噪比下雷达信号调制识别准确率低、抗噪性差的问题, 提出一种基于熵评价模态分解和双谱特征提取的识别方法。利用双谱可以抑制高斯噪声的特点, 分析了在低信噪比下进行信号调制识别的可行性并引入了噪声项。由于噪声项的干扰, 双谱在0 dB以下时, 噪声抑制效果变差, 提出了基于信息熵评价的经验模态化分解对信号进行预处理, 提高信噪比。最后, 设计了卷积神经网络分类器, 实现对不同调制类型信号的识别。仿真实验结果表明, 本文方法相比传统方法具有良好的抗噪性, 能够在低信噪比下对不同类型信号进行有效识别。     

构建吡喃骨架的双环化反应研究

吡喃骨架存在于Warfarin、Oxandrolone、(-)-Penicipyrone等天然产物中,在氧杂环化合物中扮演重要角色.通过单组分,两组分和多组分双环化反应来构建吡喃骨架得到了充分研究.对已有文献进行归纳总结,将为探寻更加绿色高效的吡喃合成新法指明方向.     

信鸽外纹体神经元对习得性目标认知的响应特性

习得性认知是生物通过后天学习,将外部目标与自身行为进行强化训练,形成一种条件反射的认知过程,信鸽外纹体神经元在认知前后响应如何变化尚不清楚。通过训练信鸽识别特定目标,同步记录外纹体神经元集群信号,从动作电位发放率、局部场电位伽马子频带能量、神经元间互信息等角度,分析信鸽在不同认知阶段外纹体神经元响应特征的变化规律,结果表明:习得目标认知建立前后,其神经元的响应从集中在目标呈现阶段调整到决策阶段;不同试次神经元响应间的同步性随着习得性目标认知的建立逐渐增强,表现出更稳定可靠的响应特征;神经元集群间的互信息显著弱于认知前,表明习得性目标认知减弱了神经元集群的冗余信息,提高了编码效率。     

基于布里渊光时域反射技术的断层稳定性监测试验

针对断层稳定性问题,采用BOTDR分布式光纤感测技术对内蒙阿拉善地区贺兰山西麓断层进行了监测分析,研究了自然条件下断层内部应力的变化情况.研究结果表明:贺兰山西麓断层在观测周期内钻孔周围围岩整体发生拉伸变形;断层面附近岩层的应力状态易受断层活动的影响,根据分布式光纤的应变分布曲线能够精确划分出断层活动的影响范围在断层之上9m和之下8m;BOTDR分布式监测技术可以有效捕捉到自然条件下断层微弱活动所引起的应变变化,实现应变的动态实时监测.BOTDR监测技术为长期、精细化评价断层稳定性状态提供了十分可靠的监测手段.     

基于MD-LBP关联方向特征的铁路隧道漏缆卡扣检测算法

全路段跟车拍摄隧道漏缆卡扣图像再进行逐张排查,是实现卡扣故障检测的重要手段.针对目前LBP、CS-LBP等相关变体算法存在描述子质量不佳、特征维度过高的问题,提出MD-LBP关联方向特征提取算法实现故障卡扣的检测工作.该算法首先对输入图像进行高斯滤波预处理,根据图像的全局灰度均值得到图像的自适应阈值;其次计算图像的三层MD-LBP特征图结构,依次经过两次下采样分别得到Cell主方向特征和Block主方向特征;然后再在Block特征图上提取关联方向特征,并以此作为描述子;最后通过SVM区分故障卡扣,完成检测工作.实验还对比了LBP、H OG等9种特征描述子的检测情况,结果表明该算法不仅特征维度低,并且检测故障卡扣的召回率和精准度都达到了85％.     

一种基于局部平均法向变形的网格参数化方法

针对有边界无边界的网格参数化问题, 提出一种局部平均法向变形的网格参数化方法, 以平均曲率流的方式为参考, 将顶点推向其邻居的平均位置, 使网格变形至平面或球面. 首先, 计算每个三角形邻居面的平均法向, 并以该法向为目标, 计算每个面法向变化的旋转矩阵; 其次, 基于Poisson方程将整个网格重新“缝合”, 通过优化拉伸能量, 计算顶点的新坐标. 交替迭代上述两个步骤, 将网格变形至常平均曲率曲面. 该算法与一般的基于能量优化的方法不同, 每次迭代只需求解稀疏线性方程, 因此可以快速处理大型数据集. 通过在形变过程中加入惩罚函数动态地调整全局平均法向量的权重, 避免了变形过程中三角形退化或翻转的问题. 实验结果表明, 与其他参数化方法相比, 该方法具有实用可靠、 计算效率高等优点, 并能在同一框架下计算低扭曲的平面参数化和球面参数化.