形式布尔算子的命题逻辑

在定量的意义下使模糊命题演算完全包容经典命题逻辑是不可能的。布尔算子命题逻辑用算子和算子的演算定性地描述和处理模糊命题的不确定性，将经典命题逻辑作为其特例。在布尔算子命题逻辑中给出了其公理系统和求公式恒真水平的机械推导算法。     

不确定性在推理过程中传播的行为特征

在布尔算子模糊逻辑中，证明了前提的不确定性在推理过程向结论传播时，恒真水平呈递增趋势，而恒假水平保持不变的特性，从而在定性的意义上说明了随着推理过程的深入，结论的不确定性将会越来越分明，但其可靠性不可能有根本性的提高。     

布尔算子Fuzzy逻辑公式的λ—恒假性

在布尔算子Ｆｕｚｚｙ逻辑中证明了任意公式Ｇ是λ－恒假的，当且仅当Ｇ所对应的子句集Ｓ是λ－恒假的。进而有子句集Ｓ是λ－恒假的，当且仅当Ｓ在其所有Ｈｅｒｂｒａｎｄ解释下是λ－恒假的，从而保证了在布尔算子Ｆｕｚｚｙ逻辑中施行归结的正确性。     

布尔算子Fuzzy逻辑公式的λ－恒假性

在布尔算子Ｆｕｚｚｙ逻辑中证明了任意公式Ｇ是λ－恒假的，当且仅当Ｇ所对应的子句集Ｓ是λ－恒假的。进而有子句集Ｓ是λ－恒假的，当且仅当Ｓ在其所有Ｈｅｒｂｒａｎｄ解释下是λ－恒假的，从而保证了在布尔算子Ｆｕｚｚｙ逻辑中施行归结的正确性．     

求模糊逻辑函数范式的方块图法

本文提出了模糊逻辑函数的方块图表示及等效变换法则．并利用方块图化简模糊逻辑函数，给出求取析取范式与合取范式的直观方法．     

关于范式求法解析

离散数学中,主合取范式的目的在于讨论公式的主合取范式.该文中对主合取范式求解方法进一步推广,共给出4种求解方法.真值表法、推演法、用真值表法求的主合取范式、用推演法求的主析取范式等4种方法.     

命题公式主范式的自动生成与形式输出

在文[1]和文[2]的基础上,给出了命题逻辑中任一命题公式的主析取范式和主合取范式的自动生成算法,并实现了多个命题公式主范式的同时形式化输出.     

命题逻辑中主范式的求法

求主析取范式包括真值表法、推演法以及用真值表法求，G的主析取范式、用推演法求G的主合取范式等四种方法。用极小项的性质给出了真值表求法的证明，用公式相等的定义证明了求，G的主析取范式的定理。     

用C程序求解命题公式中的若干问题

本文利用C语言程序实现了对离散数学的数理逻辑中任意命题公式根据其真值表判断其类型、求其主析取范式和主合取范式。在计算机专业的教学中可以培养学生的理论和计算机操作相结合的学习能力。     

命题逻辑中主范式的求法

求主析取范式包括真值表法、推演法以及用真值表法求( )G的主析取范式、用推演法求G的主合取范式等四种方法.用极小项的性质给出了真值表求法的证明,用公式相等的定义证明了求┐G的主析取范式的定理.     

四自由度挖掘装置的力学特性分析

为了分析四自由度挖掘作业装置的力学特性,利用Denavit-Hatenberg齐次变换矩阵建立了作业装置的运动学模型,确定了各个关节相对于基础坐标系的函数关系式。根据作业装置各个关节之间的连接关系和不同的驱动方式,分别建立了斗杆、铲斗挖掘时的最大挖掘力优化求解模型,得到了作业装置在工作空间内的挖掘力、倾翻力矩和水平作用力的分布特性,为作业装置的设计、挖掘机作业稳定性分析和安全控制提供了依据。提出的优化分析方法,具有简单、可靠的特点,有理论和工程应用价值。     

测定某种花岗岩静摩擦系数的试验

为了揭示深部岩体块系构造的特性,以深部岩体的典型岩石-花岗岩为研究对象,利用自行研制的深部岩体动态特性多功能试验系统,对粗糙度为6的细粒花岗岩的单、双面静摩擦进行了试验研究.单面最大静摩擦力试验测量了4种不同工况,双面最大静摩擦力试验测量了2种工况,获得了该花岗岩的静摩擦系数为0.572.通过试验研究,发现了花岗岩块体间静摩擦的规律和特性,当位移响应变粗时,表明试件间的摩擦达到最大值.把测量试块单、双面最大静摩擦力作为基本的测量方法和技术,为下一步深部岩体的动态特性的试验研究奠定了基础.     

基于点线回路优化求解TSP的一个新算法

快速有效地解决TSP问题,有着重要的理论价值和极高的实际应用价值。提出了基于点线回路优化求解TSP的算法,首先将原基本回路切去一些点(线段、路径)变成残缺回路,然后把切去的点(线段、路径)重新插入到残缺回路的所有节点之间,生成新的基本回路,切去点(线段、路径)的数量,从一个变到基本回路节点数的一半。算法实现容易、运行速度快,生成的结果接近其最优解。算法尽量避免了陷入局部极小,使得在短时间内能够求解较大规模的TSP问题。     

低速冲击下钢筋混凝土梁局部变形刚度

研究了低速冲击下钢筋混凝土梁的截面刚度,以及冲击体和结构间接触区域的柔度变化.将梁分成斜裂缝形成以前和斜裂缝形成以后两个阶段来研究.斜裂缝形成以前,梁被看成弹性均质体,接触区的柔度由受压和受拉条件下混凝土的柔度串联而成,根据柔度的定义推导得出该阶段接触区的刚度;斜裂缝形成以后接触区的刚度受高为χw弯—剪式固端梁构件、下部受拉钢筋、冲击体与下部钢筋之间的混凝土柱的制约,从而推导出该阶段的柔度.结合两个阶段接触区域的柔度公式,对低速下钢筋混凝土梁的接触刚度进行了举例计算和分析,表明斜裂缝形成以前的阶段可以忽略不计.     

水平地震力作用下钢筋混凝土异形柱框架结构设计

由于钢筋混凝土异形柱截面几何性质的特殊性,需考虑不同地震作用方向下结构的反应.结合工程实例,对钢筋混凝土异形柱框架结构在不同方向的水平地震作用下进行受力分析,对自振周期、轴压比、柱底层剪力和层间位移角进行分析.结果表明,L形异形柱方向性较强,应考虑45°和-45°地震作用方向的计算,同时应调整异形柱平面布置形式,使其刚度中心尽量与形心重合,以此减小扭转效应对结构的不利影响.     

一种无线认知网络中的自适应波束成型模式选择算法

为了能够在避免对主用户干扰的同时,进一步提高频谱的利用效率,提出了一种自适应的波束成型模式选择算法。针对当前的认知网络很少考虑在空间上将主从用户进行分离,将多天线技术引入无线认知网络,利用其提供的空间自由度,从用户基站在主用户信道的零空间内设计发射波束,这样可以使得2个网络共存时,主用户能够无干扰地进行数据传输。同时,随着发射信噪比的变化,从用户基站自适应地在机会式波束成型和正交空分多址2种模式间进行选择,从而最大化网络的容量。分析和仿真结果都表明,这是一种解决网络共存、提高频谱效率的有效方法。     

1998年7月中高纬阻塞高压对我国东北特大暴雨影响的诊断分析

利用湿位势涡度 ,对 1 998年 7月中高纬阻塞高压存在时期 ,我国东北地区发生的特大暴雨的天气形势进行详细的诊断分析 ,结果表明中高纬阻塞高压稳定维持于 50°N,1 30°E的地区是造成我国东北地区特大暴雨的重要原因之一。同时也对中高纬阻塞高压形势稳定维持于这一地区时的冷暖空气的活动路径、暴雨发生的位置以及产生暴雨的机理进行了较详细的讨论。     

网格并行编程方法及其在地震波场正演模拟中的应用

波动方程的地震波场正演模拟是研究复杂地区地震资料采集、处理和解释的有效辅助手段,其巨大的计算量往往是单台计算机难以承受的.MPICH-G2是传统的紧耦合并行策略在网格中的实现,然而它对网格环境要求高,带宽需求大,且已不能适应目前基于Web Service的网格架构.研究并实现了网格松散耦合并行策略,将任务按照粗粒度方式划分,减少子任务间同步次数和通信量,有机地将网格计算和波动方程的地震波场正演模拟结合起来.由于地震波场正演模拟是计算密集型任务,节点间数据传输量并不很大,非常适合这种松散耦合的并行策略.实验表明,这种网格并行方式可以有效地减少地震波场正演模拟的时间,提高效率.     

柔性动边界梁在横向撞击下的动力响应

研究特定约束条件下梁受横向撞击的动力响应,这些约束表现为弹性支承刚度和阻尼特征,也就是具有柔性动边界.建立了具有动边界梁的力学模型,综合考虑弹性和阻尼支承、集中质量块以及支承不对称等情况.根据撞击局部区域的接触力—嵌入深度关系式,利用拉格朗日方法建立了横向撞击下柔性动边界梁的动力方程,并通过与简支梁在相同撞击条件下撞击力、横向位移的对比分析,说明了柔性支承对结构动力响应的影响.结果表明,低速撞击条件下,柔性支承对撞击力的影响较小,但对结构位移响应的影响较显著,并且弹性支承会使梁受撞击后的变形过程与简支梁相比增加一个变形阶段. 受横向撞击的动力响应,这些约束表现为弹性支承刚度和阻尼特征,也就是具有柔性动边界.建立了具有动边界梁的力学模型,综合考虑弹性和阻尼支承、集中质量块以及支承不对称等情况.根据撞击局部区域的接触力一嵌入深度关系式,利用拉格朗日方法建立了横向撞击下柔性动边界梁的动力方程,并通过与简支梁在相同撞击条件下撞击力、横向位移的对比分析,说明了柔性支承对结构动力响应的影响.结果表明,低速撞击条件下,柔性支承对撞击力的影响较小,但对结构位移响应的影响较显著,并且弹性支承会使梁受撞击后的变形过程与简支梁相比 加一个     

梁桥非线性随机地震响应的概率特性

为了分析随机地震作用下桥梁结构非线性响应的概率特性,采用Monte-Carlo数值模拟的方法,并利用弹塑性纤维梁柱单元模型模拟梁单元的非线性行为,对连续梁桥在不同地震峰值加速度作用下的非线性位移及内力时程响应进行了研究.得到了:墩顶位移非线性包络响应服从对数正态分布;桥墩轴力非线性包络响应的概率分布介于对数正态分布和极值I型分布之间;墩底剪力和弯矩非线性包络响应近似服从正态分布;墩底曲率非线性包络反应服从对数正态分布.研究表明:在相同场地条件下,地震峰值加速度的变化不影响结构非线性响应的分布类型,但对非线性响应的变异性影响较大.