一种n值逻辑系统中命题的条件真度

基于条件概率的思想,在n值R0 命题逻辑系统L*n中引入条件真度的概念,并讨论该条件真度的性质及相应的推理规则。     

一类带Holling和Leslie types反应项的捕食系统的分歧解

研究了一类带Holling和Leslie型反应项的捕食系统在Dirichlet边界条件下的平衡态局部分歧解与全局分歧解,给出了局部分歧解存在的充分条件和稳定性,得到了该系统平衡态的全局分歧解及其走向。     

基于DEA的决策单元排序方法研究

针对DEA方法中交叉评价模型在决策单元的评价排序问题上存在的不足--实现完全排序需要进行多次交叉评价,分析了引入差额指标模型的排序机制,该模型得出的评价排序结果较为完整。在此基础上,提出了新的DEA排序模型--综合输入效率模型,给出了具体的评价步骤,可实现与差额指标模型同样的排序功能。进一步通过数值分析对三种不同评价排序模型的排序效果进行对比分析,结论为差额指标与综合输入效率模型在评价排序时更为有效。     

一种光照不均匀图像的自适应校正算法

为了提高光照不均匀条件下采集的图像的视觉效果,提出了一种基于改进二维伽马函数自适应亮度校正算法。首先基于光照反射成像模型,利用快速引导滤波算法提取出光照信息;然后构造了一种改进的二维伽马函数,并利用光照的分布特性动态地调整二维伽马函数的参数,实现对图像亮度的自适应校正处理,提高光照过暗区域图像的亮度值,降低光照过强区域图像的亮度值,得到增强后的图像。对多种场景图像的处理结果表明,本文算法可以有效地降低不均匀光照的影响,提高图像的质量。     

#br# 近场宽带LFM信号被动测向和测距方法

提出了一种采用分数阶傅里叶变换的聚焦波束形成被动定位方法,实现了水声近场宽带线性调频(linear frequency modulated, LFM)信号的被动测向和测距。建立了基于球面波模型的近场宽带LFM信号接收数据模型,应用分数阶傅里叶变换(fractional Fourier transform, FRFT)将LFM信号的时变阵列流形矩阵变换为固定阵列流形矩阵,结合近场声源的聚集波束形成技术,利用多重信号分类算法实现了对多个宽带LFM信号的方位与距离联合估计。数值仿真验证了该方法对水声目标方位和距离估计的有效性,并仿真分析信噪比、声源距离、声源个数等对该算法性能的影响。     

曲江煤矿深部岩巷破坏机理及锚索合理支护时间的确定

以曲江煤矿为例,针对煤矿深部大巷围岩大变形的支护难题,通过理论分析、实验室实验、数值计算、现场调查及监测等方法,对大巷围岩破坏机理及合理的锚索二次支护时间进行研究.研究表明,高应力作用下巷道围岩蠕变、支护方式的不合理等因素是造成大巷围岩大变形的主要原因,但通过顶底角锚杆、锚索的作用可以在很大程度上改善围岩的应力状态,特别是减少两帮对底板的应力传递作用;巷道开挖进行锚网喷支护1个月后进行锚索等二次支护较为适宜.     

临空区回采巷道优化布置防冲技术研究及应用

为提前预防临近采空区侧回采巷道发生的冲击矿压灾害,基于临空区回采巷道冲击破坏机理,提出了降低静载以避开支承应力集中区为原则、削弱动载以增大传播介质衰减指数为原则的临空区巷道优化布置方式,建立了力学模型,理论计算了外错布置的布置参数,并通过数值模拟方法对其进行验证,对比分析了2种不同布置方式的所受动静载情况.结果表明:采用外错布置方式后围岩稳定性好、抗矿震扰动能力强,结合现场工程实践,采用外错布置技术取得了明显有效的防冲效果,实证了其在冲击矿压防治方面的突出性.     

基于自抗扰技术的汽车侧风稳定性研究

随机侧向风影响汽车操纵稳定性,增加驾驶操作难度.针对侧向风干扰,在线性二自由度模型的基础上提出基于自抗扰技术的汽车主动前轮控制器,消除侧向风干扰对汽车行驶的影响.在Matlab软件中建立了人-车-路闭环仿真模型,用以控制Car Sim四轮车辆模型进行双移线道路仿真试验.Car Sim与Simulink联合仿真结果表明:在侧向风干扰下,自抗扰控制器能很好控制车辆模型完成双移线道路仿真试验,且响应的各项性能指标均优于无风情况;同时,控制器对车速适应性好,对模型精度要求不高,鲁棒性强.主动前轮控制器能有效抗侧向风干扰,改善汽车的操纵稳定性和行驶安全性.     

松软破碎围岩巷道注浆参数试验研究

注浆加固能够有效改善巷道围岩的破碎状态,针对火铺矿213石门在采用水灰比2∶1的浆液注浆效果不理想的情况,分析了巷道围岩注浆加固效果的影响因素,并通过水灰比配比实验,最终确定了采用水灰比为0.8的浆液注浆是合理的,并对注浆后巷道的顶板下沉量及两帮移近量进行了监测,监测结果表明,当采用水灰比为0.8的浆液,注浆孔深为4 m的注浆方案时,注浆加固效果比较理想,极大的改善了213石门巷道破碎围岩状态.     

基于局部线性嵌入的多流形学习故障诊断方法

故障样本具有复杂多样性,而不同故障类型存在于不同维数的多流形子空间中,将样本统一降维到同一维数的单流形上则不能进行高效的特征提取.提出了一种基于局部线性嵌入(Local Linear Embedding,LLE)的多流形学习(Multi-LLE)故障诊断方法,将单流形故障诊断方法扩展到多流形,首先利用Multi-LLE分别提取各故障数据集在其本征维数流形上的特征,再通过各特征向量的聚类中心与故障新样本在不同维数下的嵌入向量的距离比较,将距离最近者归为一类实现分类识别.利用转子实验故障数据对算法进行了验证,并将Multi-LLE方法与LLE和海赛局部线性嵌入(HLLE)方法进行了比较,结果表明该方法能够有效的实现故障诊断.