New Develoopment of the Basic Theory of Extenics

In this paper,the new development of three basic theories of Extenics,incluing basic-element theory,extension set theory and extension logic theory ,has been introduced.And the new theoretical frame of Extenics has also been set forth.     

高校图书馆“读者数据库”的建立与管理

根据高校图书馆读者群的特征，从理论与实践两方面提出了建立与管理好“读者数据库”的若干建议。     

预测我国钢铁工业发展趋势的递归模型

本文根据我国钢铁工业生产特点,建立了60多个变量、28个方程的递归模型,描述了钢铁工业生产的结构形式,确定了主要生产环节的生产函数,给出了各种经济变量间的相互关系,预测了我国矿、铁、钢、钢材、产值等28个主要的内生变量的未来值,分析了“七五”、“八五”、“九五”三个五年计划可达指标、发展速度及保证条件。经过1984年的实际检验,证明模型的预测效果良好。     

Z域正实函数及其定理

定义了一种新的函数──Ｚ域正实函数（Ｚ－ＰＲＦ）；导出了该函数的一些性质和定理．     

偏最小二乘紫外分光光度法同时测定萘，1－甲基萘和蒽

用偏最小二乘法（ＰＬＳ）进行校正和预测，不经分离同时测定了混合体系中的萘，１－甲基萘和蒽。萘，１－甲基萘和蒽的浓度分别在０～２８ｍｇ／Ｌ，０～４０ｍｇ／Ｌ和０～４０ｍｇ／Ｌ的浓度范围服从比耳定律。对合成样品中这三种组分进行分析，结果令人满意。     

实现“（dE／dt）~（－1）－E”倒数示波图的模拟电路参数选择和单板机装置

对实现“（ｄＥ／ｄｔ）－１－Ｅ”倒数示波图的实验装置进行了进一步深入研究：改进了以往的模拟电路，考察了电参数的影响；研制了一台单板机装置．     

论大学思想政治教育网站建设

网络的出现已影响到青年大学生的世界观、人生观、价值观的形成，这是一种不以人的意志为转移的新的社会现象。为了应对网络给青年学生带来的负面影响，应该以网络手段解决网络带来的学生思想政治教育问题的观点，并结合工作实际讨论在思想政治教育网站建设中需要注意的问题。     

泥岩地基及嵌岩灌注桩的承载特性试验

红土崖组(KwH)泥岩是一种分布于青岛地区的白垩系王氏群泥岩,是一种非典型的黏土岩,其透水性弱,具有一定的膨胀特性。为研究泥岩的物理力学性质、变形特性及嵌入泥岩中灌注桩的承载特性,以红土崖组(KwH)泥岩为试验对象,在青岛某地区开展了泥岩常规物理力学试验、泥岩地基及泥岩地基中嵌岩灌注桩的静载荷试验。试验结果表明,红土崖组(KwH)泥岩含砂,吸水膨胀率较小,是一种非膨胀性岩;全风化及强风化泥岩地基的P-s曲线基本呈缓变型;而中风化泥岩地基在破坏时发生了压裂及隆起,P-s曲线呈陡降型,而且变异性较大。该场地泥岩地基中灌注桩分别加载至10800 kN、12960 kN,试桩均未发生破坏,嵌岩灌注桩的桩侧摩阻力和桩端阻力均未充分发挥;中风化泥岩的承载力较高,可作为桩基理想的持力层;泥岩具有初始损伤特性,且随着应力水平的提高其损伤逐渐加剧。研究成果对青岛地区泥岩地基中的工程建设具有参考价值。     

玻璃纤维增强聚合物腰梁受力性能试验与有限元模拟

为探究基坑支护工程中玻璃纤维增强聚合物(glass fiber reinforced polymer, GFRP)腰梁的应力分布规律和变形特性,结合GFRP腰梁力学性能试验及数值模拟,依托于青岛某深基坑工程,利用ABAQUS有限元软件对不同工况下双腹板GFRP腰梁进行了有限元模拟。研究结果表明,与钢材相比,GFRP材料具备较高的抗弯强度,但弹性模量较低;最大加载至700 kN时,双腹板GFRP腰梁变形的室内试验结果和数值模拟结果的变化规律相似,随着荷载水平的增加,呈线性变化,说明GFRP腰梁始终处于弹性工作状态,整体稳定性强。明确了预应力锚杆轴力为300 kN时GFRP腰梁在两端自由、两端约束以及一端约束一端自由3种情况下的应力分布规律和变形特征;对于两端自由的GFRP腰梁,预应力锚杆轴力为150 kN时的应力、位移约为预应力锚杆轴力为300 kN时的50%。研究结果可为类似工程提供借鉴与参考。     

基于粒子群优化支持向量机康复下肢外骨骼的脑电控制研究

为解决失能人群自主移动的问题,脑机接口(brain computer interface, BCI)已广泛应用于外骨骼领域,但脑电(electroencephalogram, EEG)信号因信噪比低等原因导致识别率一直难以提高。为提高基于脑机接口下肢外骨骼的信号识别率,采用粒子群优化支持向量机(particle swarm optimization-support vector machine, PSO-SVM)算法提高脑电信号识别率,取得了86.52%的脑电信号识别率。首先建立共空间模式(common spatial pattern, CSP)数学模型对脑电信号进行特征提取,随后建立基于粒子群优化的支持向量机分类模型,优化脑电信号分类关键参数,将最终的实验数据与传统的支持向量机分类方法比较,最后进行算法的验证及下肢外骨骼实验。实验结果表明：经过粒子群优化的支持向量机分类准确明显高于传统支持向量机分类。所提出粒子群优化支持向量机对脑电信号的特征识别方法可实现运动想象(motor imagery, MI)的精确识别,为脑机接口技术在康复外骨骼领域的应用提供理论基础和技术支持。