有限群的弱c-正规子群及其性质

称群G的子群H为G的弱c—正规子群，如果存在G的次正规子群K，使得G=KH且K∩H≤HG，其中HG=∩g∈gH^g，本讨论了弱c—正规子群的性质并给出一个群为可解群的一些条件。     

金属氧化物对霍林河褐煤催化热解行为的影响

选用4种金属氧化物(CaO、Al2O3、Fe2O3、NiO)作为催化剂对霍林河褐煤进行热解,利用热重分析技术和动力学模型对褐煤热解行为进行分析,研究不同金属氧化物对褐煤热解催化效果的影响。结果表明,4种金属氧化物催化剂的加入均能有效提高褐煤热解的转化率,其对褐煤热解转化率的促进作用顺序为:NiOCaOFe2O3Al2O3;在褐煤整个热解过程中,CaO、Fe2O3及NiO均表现出良好的催化作用,而Al2O3仅在热缩聚阶段有一定的催化效果;褐煤在活泼热解阶段和热缩聚阶段的热解过程分别可用一级单一反应模型和二级单一反应模型进行描述,4种金属氧化物在活泼热解阶段对褐煤的催化效果为:NiOFe2O3CaOAl2O3,在热缩聚阶段对褐煤的催化效果为:Fe2O3CaONiOAl2O3。     

国产CF-62钢及对焊接头缺陷失效评定曲线研究

分别基于弹塑性有限元法和EPRI工程估算方法建立了国产CF-62钢及其焊缝区的失效评定曲线(FAC),并与R6第3版的通用失效评定曲线进行比较,得出了CF-62钢压力容器的缺陷安全评定可采用通用失效评定曲线的结论.     

基于模糊控制的光伏微电网复合储能控制策略优化研究

微电网中复合储能的功率分配问题一直是业内研究的热点,以光伏微电网为应用场景,电源功率波动和负载功率波动在时间上呈现出的非线性特性会对储能系统控制产生影响。针对这一问题,在基于源-荷功率预测的复合储能控制策略上进行优化,利用模糊算法对非线性问题的处理优势,在储能元件功率分配的情况中加入模糊控制器,兼顾考虑储能电池SOC(State of Charge)与微电网功率波动之间的非线性关系,设计微电网预测能量与实际并网能量的差额分配算法,对储能系统有功率参考值进行实时修正,从而达到调节储能系统SOC的效果。实现了在长时间尺度中,实际并网功率能准确跟踪并网调度,储能元件不会产生过充或过放的现象,从而降低了储能元件的损坏率,提高了复合储能系统运行的安全稳定性能,延长了储能系统使用寿命的目的。实验结果表明：与优化前的控制策略相比,在相同工况下优化后的控制策略使蓄电池SOC波动范围缩小15.6%,一直保持在40%～60%之间波动。     

山地校园空间特色的营造——潍坊教育学院新校区规划

因势利导、灵活布局;以人为本、塑造山地特色,从整体入手,解读地形,营造出了富有山地特色的校园环境。     

关于弱s-可补子群的几个定理

称群G的一个子群H在G中是弱s-可补的,如果存在G的一个子群K,使得G=HK且H∩ K≤HsG,其中HsG是包含在H中的G的最大的s-置换子群.利用弱s-可补子群研究有限群的结构,推广了前人的一些结果.     

基于MPSO-BP的RBF网络自构建学习算法

采用PSO混合编码,提出了一种基于混合MPSO-BP的RBF自构建学习算法。该算法中,每个粒子由整数与实数两部分构成,分别对RBF的基函数个数及相关参数(中心、宽度和输出层权值)进行编码。同时设计了一个特殊的适应度函数,在保证精度的前提下,使网络的结构相对简单,以增强网络的自适应与泛化能力,减少主观因素设计对网络性能的影响。仿真实验表明,相对于RBF其他学习算法,所提算法隐节点少、精度高、泛化能力强。     

苦难的磨练与人性的升华——论严歌苓的女性苦难书写

严歌苓作品深刻揭示女性生存状态的艰难现实,着力描述女性在苦难压迫下的不幸遭遇和奋力抗争的艰辛与痛苦,充分展示女性丰富细腻的情感世界和历尽磨难的心路历程,深刻表现了女性多灾多难的悲惨命运,真实揭示了女性在受苦受难的过程中表现出坚强的生命意志和明智的抗争策略。尤其是很多女性在苦难中还能挺身而出,对同样处在困境中的弱者伸出救助之手,在救苦救难的过程中使自己的心灵得到净化,人性得到升华,这种慈悲为怀的人生境界,充分体现了苦难中的女性善良、坚韧和伟大的人格力量。     

基于自组织映射与概率神经网络的增量式学习算法

为解决传统学习算法不能有效利用新可用数据这一不足,提出一种基于自组织映射(SOM)和概率神经网络(PNN)的增量式学习算法——增量式模块化自组织映射概率神经网络(IMSOMPNN)。使用模块化SOM对每类训练数据进行学习,以训练后SOM的原型向量作为此类别的模式神经元来构建PNN。IMSOMPNN可以方便地实现对不同类型的新数据进行增量式学习,并且在进行增量学习时,不再需要利用到原始的训练数据,仅使用新的数据对已有模型进行局部调整;最后,IMSOMPNN还具有较强的抗噪能力。在UCI Landsat Satellite数据集上的实验验证了该文所述方法的有效性。