通用分布式虚拟现实软件开发平台的研究

为了适应分布式虚拟现实应用系统的开发需要,在通用虚拟现实软件开发平台VRMagic的基础上,结合高层体系结构(HLA),研发出通用分布式虚拟现实软件开发平台D-VRMagic.详细介绍了D-VRMagic的网络架构和对象模型的构建过程,并在此基础上提出了管理者设计规范和通用客户端模型.最后以网络五子棋的实现为例,对D-VRMagic进行了验证.结果表明该平台具有较高的开发效率、可扩展性和通用性.     

缺项P-级数的敛散性

P-级数(广义调和级数) ∞n=1移n1p当p>1时收敛,当0相似文献   

新鲜多孔硅(001)表面结构与电子特性理论研究

在周期边界条件下的k空间中,采用基于密度泛函理论的广义梯度近似(GGA)平面波超软赝势法,建立H12S i31几何模型来对表面主要被H覆盖的新鲜多孔硅(Porous S ilicon,PS)(001)表面最外层的S i—H键的几何结构和电子特性进行初步的理论研究.计算得到氢化PS(001)表面几何结构S i—H键长为0.148 nm、H—S i—H键角为106°,并通过原子布居数、电子密度图分析得到氢化PS表面原子的电子特性.     

防城季节性雨林优势种罗浮柿测树因子曲线回归与通径分析

为探究防城季节性雨林优势种罗浮柿(Diospyros morrisiana)的形态特征及其相关生长规律,本研究基于防城那山子季节性雨林1 hm²群落样地实测数据,对其测树因子进行曲线回归和通径分析。结果表明：罗浮柿株高(H)、胸径(D)和冠幅(W)之间存在极显著的相关关系;胸径-株高、胸径-冠幅、株高-冠幅的最优回归方程均为幂曲线模型,表达式分别为H=3.0248×D^0.4501(R²=0.634)、W=0.6600×D^0.5462(R²=0.613)和W=0.3147×H^0.9108(R²=0.545);胸径和株高对冠幅具有极显著正向作用,胸径对株高的影响大于其对冠幅的影响,其对冠幅的影响大于株高对冠幅的影响。因此,罗浮柿的株高和冠幅可通过测定其胸径来估算。     

技术员工多重价值观一致性知觉对组织变革准备的影响

基于人-组织匹配理论和自我归类理论,探讨了多重价值观一致性知觉对组织变革准备的影响。研究发现：技术员工的多重（组织、领导、团队）价值观一致性知觉增强了技术员工的内部人身份感知,并进一步促进组织变革准备;内部人身份感知在技术员工的多重价值观一致性知觉与组织变革准备的关系中有显著的中介效应;变革沟通质量在上述关系中有调节效应。     

基于非线性输入控制实现受扰混沌系统同步

针对一类受扰混沌系统的同步控制,采用具有扇区非线性输入的自适应滑膜变结构控制器,设计了相应的控制律和自适应律。在该控制器的作用下,实现了驱动系统和响应系统的同步控制,且不受扇区非线性输入、参数失配及外部干扰的影响,具有有很强的鲁棒性。所设计的控制策略简单,易于实现,而且没有强加在系统上的限制条件,因此应用范围较广。理论分析和数值仿真证明了该方法的有效性。     

基于不等概率抽样的不完全信息条件下复杂网络抗毁性模型

为了填补随机失效与故意攻击之间的空白,将复杂网络攻击信息的获取抽象成无放回的不等概率抽样问题,建立了不完全信息条件下的复杂网络抗毁性模型.其中网络攻击信息可以通过信息广度参数和信息精度参数调节控制,随机失效或故意攻击是该模型的两个特例.利用母函数方法解析推导出了任意度分布广义随机网络在随机不完全信息和优先不完全信息条件下的两个重要抗毁性度量参数——临界移除比例和巨组元规模,得到的解析结果可以分析和预测不完全信息条件下复杂网络的抗毁性.以无标度网络为例对一般攻击信息参数组合进行了仿真分析,发现随机隐藏少量节点信息将大幅度提高复杂网络的抗毁性,获取少量重要节点的信息可以大幅度降低复杂网络的抗毁性.     

注塑机注射速度的模糊控制及其仿真

注射速度控制是注塑成型工艺里极其重要的一环。由于注塑过程的时变和非线性特点,注射速度控制成为较为复杂的一个课题。在一个螺杆往返式注塑机通用模型的基础上,给出了注塑机速度模糊控制系统的一般性设计方法:输入输出量定义域的选择,隶属度函数的形状,使用相位面分析设计知识库,前馈控制器的设计。通过仿真说明了该方法设计的控制系统能有效的跟踪快速变化的速度设定曲线,在模型参数发生变化时也能够得到良好的控制效果。     

考虑悬架几何特性及作动器延时的整车模糊控制

利用ADAMS软件建立了整车悬架及转向机械模型,考虑了悬架的几,阿特性,结合变论城模糊控制方法,设计了主动悬架变论域模糊控制器,同时考虑了作动器的延时特性,通过matlab/simulink联合仿真,并与被动悬架模型进行了对比,得出所设计的模糊控制器对汽车的平顺性有较大改善.     

向量矩阵迭代自组织XML辅助聚类算法

为了提高海量XML文档集的聚类质量,提出了一种基于向量空间模型的矩阵迭代自组织XML辅助聚类算法。该算法以XML键为基础,把XML文档转化为向量矩阵,通过矩阵迭代自组织学习对XML文档实施取消、分裂与合并等优化措施。为了加速算法的收敛性,在算法中引入辅助策略,虽然不一定达到矩阵向量分类间隔最大化的目标,却在尽可能分类的情况下使得运算时间缩短,其XML键权重调整更有利聚类效果。对比其它向量聚类算法,一系列仿真实验表明所提出算法具有一定的有效性及合理性。