时间Petri网应用及其分析技术

利用带时间的P/ T网建立了客户/ 服务器系统的动态模型, 并通过平衡方程分析其平均客户进程数和客户进程平均等待时间等参数,对进一步研究带时间的Petri网的建模技术及其分析技术的一般方法具有一定的实际意义.     

油藏地质模型数据体粗化技术

在油藏描述过程中 ,由地震解释出的三维地质模型一般产生几十万至几百万个网格数据体 ,由于目前计算机水平的限制和工作效率及费用等方面的考虑 ,需要对该数据体进行合理的粗化。用严格满足渗流流动规律的调和平均方法处理相邻网络之间的渗透率 ,这样求解渗流力学方程组得到的结果与一维理论解完全相符 ;对辽河油田某一大型油藏进行粗化后进行数值模拟 ,结果表明全油藏累积产油量、累积产水量的拟合误差均比较理想。该粗化方法可以应用在整装油田的大规模数值模拟运算上     

潜体在不同浪向的双色波中受到的二阶慢漂力

为了采用谱分析方法预报海洋结构和船舶在随机海浪中所受的二阶波浪力,必须先求得海洋结构物和船舶在任意单色波和双色波中受到的二阶波浪力,本文基于严格的量级分析,对有航速的细长体（浮体或潜体）,建立由不同浪向双色波作用在细长体上产生的二阶波浪力的切片理论;并考察了不同浪向的双色波作用在椭球体上产生的慢漂力及其在不同的频率以及浪向角组合下的变化规律。     

利用支持向量机方法预测储层产能

支持向量机方法(SVM)是基于结构风险最小化原理,采用核函数处理技术,较好的适应小样本、非线性和局部极小点等实际问题,克服了常规统计方法的局限性,避免了维数灾难。能够在有限的样本集基础上,兼顾模型的通用性和推广性,有效解决了学习性和延拓性的问题,预测精度更高。实际生产中影响储层产能因素众多,各因素间相互影响,在综合考虑地层因素的基础上,提取了测井产能预测参数,利用支持向量机方法对产能进行了预测,预测结果与实际一致,并将处理结果与多元回归及BP神经网络处理结果进行了对比分析。实践表明支持向量机方法优于后两种方法,是一种值得推广使用的方法。     

非方阵被控对象闭环增益成形算法及其应用

在被控对象为非方阵的系统中,由于求解控制器时涉及到矩阵求伪逆问题,很大程度上增加了闭环增益成形算法的难度。考虑到此系统的闭环传递函数阵一定是奇异的,将闭环传递函数阵即补灵敏度函数设为奇异阵,设计出鲁棒控制器。将闭环增益成形算法应用于舵阻摇系统。通过观察、分析并比较各仿真曲线,可以看到,航向跟踪效果和减摇效果均较理想。说明设计的控制器具有良好的鲁棒性能和鲁棒稳定性。     

一种基于SNMPv2的中层管理者设计方法

本文在深入分析ＳＮＭＰ协议和远程监控网管技术的基础上,提出了一种基于ＳＮＭＰｖ２的中层定时得设计方法。     

尿素包合法浓缩豆油脱臭馏出物中生育酚

为了有效地回收豆油脱臭馏出物中富含的活性物质——生育酚，选择尿素包合的方法、该方法可以通过尿素对豆油脱臭馏出物中饱和脂肪酸的包合作用，除去饱和脂肪酸，使得生育酚浓度得到提高．研究了尿素用量、甲醇用量、冷析温度和冷析时间对包合效果的影响规律，并对影响因素进行了优化试验．优化试验确定的最佳包合条件为：浓缩20g大豆油脱臭馏出物需尿素60g、甲醇350m1、冷析温度5℃、冷析时间10h，可使α-生育酚纯度提高5倍多，而回收率可保持85％以上，达到了较为理想的浓缩效果．     

半素子模的判别定理

本文中,我们证明了如下主要结果: 1 如果M为任意R—模,K是M的子模,则K是M的素子模当且仅当C(K)=M/K是m—系。2 设M为R—模,K是M的子模,则K是M的半素子模当且仅当C(K)是n—系。     

热管及其应用简介

热管是20世纪60年代发展起来的具有特别高的导热性能的传热元件。它的结构比较简单,图1为其工作原理示意图。管壳采用金属管,内壁贴附丝网状吸液芯,以利用毛细力使工作液体在吸液芯内不受热管位置的限制而移动。管壳两端封死,封死前先将管内抽真空,灌入适量的工作液。工作时,蒸发段（加热段）的工作液被热管外的热流体加热,吸取潜热蒸发,其蒸气经绝热段流向冷凝段（散热段）。在冷凝段,工作液蒸气放出潜热,凝结为液体。工作液蒸气液化释放出来的潜热通过管壁     

平行双回线路单回线不对称故障时提取故障分量的新方法

针对传统的只能在故障后2到3个周波提取故障分量的缺点,提出了单回线不对称故障在整个故障过程提取故障分量的新方法.该方法在平行双回线路的六序故障分量理论和单回线不对称故障复合序网图的基础上,根据同向网正、负序电流分布系数相等和反向网正、负序电流分布系数相等的特点,用正、负序电流反向量和负序电流同向量间接求得正序电流同向量的故障分量,进而合成得到每回线各相电流的故障分量.该方法不受负荷电流和电网参数波动的影响.PSASP和MATLAB仿真表明,通过该方法得到的故障分量同实际故障分量相同,而且可以长时间提取.