基于G2连续桥接的微小线段刀具轨迹压缩方法

针对在高速加工中微小线段轨迹会导致数控系统前瞻距离短,须要利用样条曲线对微小线段轨迹进行压缩的问题,采用三次B样条压缩微小线段轨迹,采用五次贝塞尔(Bezier)桥接曲线改善三次B样条之间的连续性．基于离散曲率积分,选取合适的初始压缩节点,减少拟合迭代次数,提升轨迹压缩效率．通过在相邻B样条间插入Bezier曲线的方法,用带有微分因子(differential factor,DF)μ的边界约束条件,保证桥接曲线与相邻B样条在衔接处G2连续,满足误差和保型约束．通过模拟插补实验,分别对比桥接算法实施前后轨迹曲率与单轴加速度,结果表明所提出的轨迹压缩算法减小了单轴加速度波动．     

施肥对羊草叶面积与穗部数量性状关系的影响

羊草在自然条件下有性繁殖能力低下,种子产量少,严重制约了对其的人工利用。本文从羊草源库关系的角度出发,运用正交实验设计的方法结果研究表明,N、K肥和施肥时间能极显著的影响叶面积以及单穗籽实的重量,从而影响羊草的生殖分配（P＜0．01）,P肥虽对叶面积有极显著影响（P＜0．01）,但对生殖分配的影响只接近显著水平,早期施肥对提高羊草的叶面积、结实率、种子产量和生殖分配的影响更大,叶面积与羊草种群结实率和生殖分配相关系数分别为r=0．875和0．827,说明叶面积和结实率、种子产量、生殖分配三者的关系极为密切,叶面积严重地影响着结实率和种子产量等穗部数量性状的高低．     

Brookite-TiO2晶体光学、弹性和晶格热力学性质的第一性原理计算

基于密度泛函理论的第一性原理计算, 研究brookite-TiO₂晶体的光学、 弹性和晶格热力学性质. 结果表明： brookite-TiO₂晶体的等离子振荡频率对应能量分别为22.4,40.4 eV; brookite-TiO₂晶体结构是力学和热力学稳定的.     

吉非罗齐纳米脂质体的制备及降脂功效的研究

制备吉非罗齐纳米脂质体并对其进行质量评价,研究其体外缓释和体内降脂作用.方法:建立吉非罗齐HPLC体外分析方法测定含量.通过乙醇注入法制备吉非罗齐纳米脂质体,考察脂质体理化性质.进行体外溶出实验检验吉非罗齐脂质体的缓释效果,小鼠体内实验检验降脂功效.结果:制得脂质体外观呈淡蓝色乳光,无沉淀,透射电镜图显示其呈类球状,分布均匀.最优处方包封率为(80.73±1.65)％,粒径为(122.82±3.61)nm,PDI为0.181±0.01,Zeta电位(-23.77±0.60)mV.吉非罗齐纳米脂质体体外24h累积释放量达到90.45％.在药效学实验中,吉非罗齐高剂量组降脂效果最好,各血浆指数均有显著变化.结论:乙醇注入法制备吉非罗齐纳米脂质体操作易行,包封率高、粒径小而均一、稳定性强,释放缓慢无突释,降血脂效果显著,为后期吉非罗齐新剂型的设计提供依据.     

基于Web和Matlab自动控制原理虚拟实验平台的设计

该文设计了基于Web和Matlab的自动控制原理虚拟实验平台,并以二阶系统时域分析为例详细介绍了此虚拟实验平台的实现过程。     

量子线与量子点中的量子态

本文简要地介绍了量子线与量子点的概念，并说明可利用电容测量研究低维系统的性质。     

不确定重尾量测噪声干扰下的鲁棒目标跟踪算法

在大多数目标跟踪方法中,通常假设量测噪声服从参数已知的高斯分布或对称重尾分布,但其非常受限并且在实际过程中常常无法得到满足。因此,针对存在不确定重尾量测噪声干扰下的目标跟踪问题,提出基于变分推理的鲁棒容积卡尔曼滤波算法。该算法利用Skew-T分布对不确定重尾量测噪声进行建模,在基于容积规则的数值积分过程中,结合变分推理将Skew-T分布量测噪声参数与系统状态变量进行联合递归计算,通过对近似后验概率密度函数进行变分迭代,获得系统模型和不对称重尾量测噪声参数。仿真结果表明,该算法相比变分贝叶斯扩展卡尔曼滤波算法具有较高的滤波精度。     

工程项目施工阶段进度延误原因分析

工程项目在施工阶段经常会由于各种原因造成进度拖延，使工程项目不能按预定时间交付使用，这会给项目的参与者带来较大影响。文章分析了由承包单位责任造成的施工阶段进度延误的主要原因。     

曲线段车速和轨距对悬挂式单轨车辆导向力影响研究

结合悬挂式单轨车辆的结构特点,采用多体动力学理论建立了动力学仿真模型,分析计算了曲线段车速和轨距对悬挂式单轨车辆导向力的影响.结果表明:列车通过曲线段时,车速对车辆导向力影响明显,导向力与速度基本呈线性关系;轨距对车辆导向力影响不明显,工程设计时应尽量考虑不加宽轨距.     

基于SVM的核电站环境辐射监测网络中传感器节点缺失值估计算法

传感器节点监测数据缺失会影响核电站外围环境辐射监测的有效性,需要对缺失数据进行准确估计.提出一种基于支持向量机的监测数据缺失值估计算法,对传感器节点缺失监测数据进行估计.用实际监测数据对算法进行了验证,用均方误差和相关系数评价实验结果.并与现有的基于神经网络的估计算法进行了性能比较.实验结果表明,本文所提出的算法具有较高的估计精度.