二重积分的Romberg算法

针对—型区域的二重积Df(x,y)dxdy分给出了误差"事后估计"的Romberg算法。     

接咀粘接预加热系统的研制

在引进的高速卷接机组PROTOS70生产过程中,经常出现水松纸粘结不良、掉咀、水松纸翘边等现象。经分析确定了影响粘接质量的主要因素是加热温度与打胶深度,对粘接部分增加了预加热装置。通过对加热温度和打胶深度进行两因素三水平正交试验,找出了合适的工艺参数。     

温度对夹竹桃蚜实验种群生命表参数的影响

在室内4个温度(15、20、25和30℃)下分别测定、比较夹竹桃蚜实验种群的存活曲线和生命表各参数差异.结果表明:夹竹桃蚜在15℃下呈Ⅱ型存活曲线,而在其他3个温度下都呈Ⅰ型存活曲线.夹竹桃蚜的平均世代历期T随温度的升高而缩短,分别从15℃的24.4 d到30℃的8.2 d.夹竹桃蚜的瞬时增长率r和周限增长率λ在15℃最小,分别为0.045和1.046;相反二者在20℃最大,分别为0.136和1.146.净增殖率R0在20℃最高(9.170),其次为25℃(4.669)、15℃(3.017),最小为30℃(2.825).可见20℃是饲养夹竹桃蚜的最适温度,本研究可为采用夹竹桃蚜大规模扩繁捕食性天敌提供依据.     

矩限制下次序统计量均值的界

设X_1 X_2…,X_n为随机变量,它们的次序统计量为X_(14)A≤X_(26a)≤…≤X_(n.n),记E(X_(itn))=μ_(iln),当X_1…,X_n有共同的均值μ,方差σ~2时,〔1〕中得出了其次序统计量均值的界,本文在E(X_i)=μ,E|X_i|p=c<∞(p>1)时,得出了相应的结果。特别,如对任p>1.E|X_i|p=c(p)≤k<∞,i=1,2,…时,我们得出     

基于Gamma-SLC混合密度估计的雷达目标识别

通过分析高分辨距离像(HRRP)的统计特性,提出一种Gamma模型与基于累积量的随机学习算法(SLC)相结合,估计HRRP概率密度的新方法:Gamma-SLC方法。该方法具有Gamma分布针对性强,估计准确与SLC适应性强的优点,同时回避了二者的缺点。另外,借鉴最大熵原则的非高斯性测度,设计了一个新的评价概率密度估计效果的准则。基于外场实测数据的实验证明了Gamma-SLC方法的有效性。     

滇黔川地区灯影组储层特征及其主控因素

滇黔川地区灯影组时代老、埋藏深,经多期构造运动改造,成岩演化复杂。为摸清灯影组储层特征及优质储层发育的控制因素,利用宏观露头-岩心及微观薄片、储层物性测试及地球化学资料对储层进行系统分析。综合研究表明:滇黔川地区优质白云岩储层岩石类型主要为藻丘亚相的藻纹层云岩、藻云岩,浅滩亚相的藻砂屑云岩,云坪亚相的粉-中晶白云岩;主要的储集空间为溶蚀孔洞、粒内孔和粒间溶孔、晶间孔和晶间溶孔及微裂缝与溶缝,整体上表现为低孔低渗特征;优质储层受控于沉积相、岩溶作用及构造破裂作用的叠加效应。藻丘、浅滩及云坪亚相的有利岩相为储层发育提供物质基础。岩溶作用是优质储层形成的重要机制,灯二段与灯四段上部受大气淡水与混合水改造形成有效的次生溶蚀孔洞缝,从而改善了储层的储集品质。     

新型双机身鸭式布局无人机气动特性

优化载重性能的气动布局设计是当前无人机研究重要方向,为提高物资运载能力和结构性能,基于连接翼、双机身、鸭式布局设计,提出一种新型双机身鸭式布局无人机,采用FLUENT详细研究了两种飞行速度下的升阻特性、压力云图、涡量分布等。研究结果表明,双机身鸭式布局无人机具有较高的升阻性能,速度提高时,升力系数增加而阻力系数减小,速度由30 m/s增加到60 m/s时,最大升力系数增加7.6%,升阻比增加4.8%;从表面压力云图看,升力主要贡献为前机翼、鸭翼和后机翼,失速迎角前后,后机翼未受前机翼和鸭翼气流干扰,提高了无人机的失速特性;巡航迎角状态的涡量较弱,仅在翼梢及部件连接处出现,失速迎角前后,翼梢、部件连接处涡系增强,且产生了干扰,机翼表面趋于分离。     

基于Matlab的GA-BPNN遥感图像分类

在高原山地等地类复杂地区,传统遥感分类方法和标准BP神经网络分类方法存在一定的局限性,提出了基于Matlab的遗传算法优化的BP人工神经网络遥感图像分类方法。以Matlab神经网络和遗传算法工具箱为平台,在对数据源进行主成分分析特征选择的基础上,用量化共轭梯度法改进标准BP算法,采用GA优化BP网络的隐层神经元数目和初始权重,并以香格里拉县ETM+遥感图像为例,在DEM地形数据辅助下,训练网络使其收敛,仿真输出。结果表明,该方法分类总精度为84.52%,Kappa系数为0.8317,比最大似然法分类精度提高了9.08个百分点,验证了GA优化的BP网络遥感图像分类的可行性和有效性。     

法向约束的多幅点云数据融合算法

针对光学测量中多幅点云的数据融合,提出了一种基于法向约束的多幅点云融合算法.该算法首先对多幅点云法向滤波,通过2幅点云的双向查找来寻找种子点,在点的法向方向寻找2幅点云中对应的k邻域,计算邻域点的加权和,而融合点是种子点沿其法向移动的结果.与平均聚类法相比,该方法获得的模型表面更加光顺,特征更明显,点的分布也更均匀,对于包含粗大匹配误差的多幅点云模型的融合具有较好的效果.