基于3GPP-SCM的智能天线系统信道模型仿真

无线通信信道的空时频特性是决定智能天线系统性能的重要因素。基于3GPP-SCM模型,从理论上对智能天线系统的信道进行了建模,针对3种通信场景,利用数值仿真研究了其空时频相关特性,及对应的波数谱、多普勒功率谱、功率时延谱,对该模型的衰落深度进行了研究。实验结果表明,SCM信道模型能反映智能天线系统空间信道的每次实现的变化特性,且可用于链路级和系统级仿真。     

Ti对Sn-xTi/Al2O3润湿性的影响

针对添加活性元素Ti有利于改善金属/Al₂O₃体系的润湿性、但润湿机制仍不明确问题,研究采用改良座滴法,研究了熔融Sn-(原子分数为0%、2%、5%)Ti合金在973~1 273 K高真空中在Al₂O₃表面的润湿性.研究结果表明:Ti原子分数的增加会显著改善Sn-xTi/Al₂O₃体系的润湿性,润湿性改善的原因在于Ti在界面处的吸附降低了固/液界面自由能,而并非界面析出的反应产物.对此结论,应用吸附的统计热力学模型验证了实验结果,并证明Sn-xTi/Al₂O₃体系的铺展动力学在很大程度上受控于吸附动力学.     

Moore-Hodgson算法最优性的新证明

经典排序论中使误工工件的个数为最少的单台机器排序问题,简称为误工问题,是排序论中最基本的问题之一。著名的Moore-Hodgson算法可以在时间O(nlogn)内得到误工问题的最优解。虽然经过改进,然而Moore-Hodgson算法最优性的证明仍然非常复杂。本文给出Moore-Hodgson算法最优性的一个非常简洁的新的证明。由于误工问题在排序论里的重要性,本文给出的新的证明在理论上是有重要意义的,是可以为排序论的专著和教材所采纳的。此外,对于推广的误工问题,例如,某些工件必须不误工的排序问题,或者工件的就绪时间不相同、但是与交货期有"一致性"关系的排序问题,或者工件的加工时间与工件的权有反向"一致性"关系的排序问题等,也可能有简洁的证明。     

改革药学专业有机化学实验 培养学生创新能力

培养学生的创新能力是有机化学实验教学改革的核心问题。通过在有机化学实验教学中增设综合性、设计性以及研究创新性实验,把对学生创新能力的培养和实现有机实验绿色化结合起来,从而达到培养和增强学生创新能力的目的。     

复合二项模型中的更新方程和渐近解

讨论复合二项模型中破产前一刻的盈余、破产时赤字和破产时刻的联合分布.当初始盈余为零时,得到了此联合分布的显式表达式;对于充分大的初始盈余,得到了此联合分布满足的瑕疵更新方程和渐近解.此外,还得到了导致破产的索赔额的分布满足的瑕疵更新方程和渐近解.     

从不锈钢粉尘中选择性提取Cr、Ni和Zn重金属

基于热力学计算结果,通过配碳还原-熔分工艺,从不锈钢粉尘中选择性分步提取了Cr、Ni和Zn重金属元素.配碳还原实验结果表明,不锈钢粉尘的最佳配碳量为20%,粉尘中Fe、Ni和Zn的最低还原温度为1050℃,Cr的最低还原温度是1 400℃,与热力学计算结果一致,通过控制温度实现了对粉尘中金属的选择性分步还原.直接还原熔分实验说明,Fe-Cr合金最佳熔分温度为1550℃,粉尘中金属以Fe-Ni-Cr合金形式被提取出来,渣金分离状况良好,反应时间5min时金属提取率已达到75%左右,15 min时Fe和Cr收得率达到85%以上,Ni超过90%.通过控制配碳量、还原时间与反应温度,在不改变现有工艺的条件下,不锈钢粉尘直接返回炼钢主流程回收其重金属完全可行.     

内置十字钢板补强圆形钢桥墩的抗震性能

为了研究钢管径厚比和桥墩柱长细比参数对内置十字钢板补强钢桥墩承载力、延性的影响,在确定数值分析与实验数据吻合的基础上,采用MARC有限元程序,对内置十字形钢板圆形钢桥墩柱8个试件进行非线性数值分析,得到了在一定垂直荷载和水平往复荷载作用下荷载.位移滞回曲线.明确了十字形钢板改善桥墩抗震性能的机理:十字形钢板的设置改变了钢管局部变形的模态,从而提高了结构的延性和承载力.     

人工神经网络在车辆故障诊断中的应用

人工神经网络具有适合于解决复杂的非线性问题的特点,因此经常被用于车辆故障诊断。该文介绍人工神经网络的基本原理以及网络结构,通过利用Matlab人工神经网络工具箱,建立某车辆动力总成BP单网络结构的故障诊断模型,提出基于人工神经网络的车辆故障诊断方法。由于各类人工神经网络在处理复杂问题时均有不足之处,该文进一步研究混合网络的工作原理及其在车辆故障诊断中的应用,并认为此类方法将是人工神经网络在车辆故障诊断研究领域的主要发展方向。     

基于SDK的软件设计方法

对现在一些公司所提供的SDK软件包开发程序进行了拆分,清晰地剖析出所需开发的主干内容,从而能有效地提高了软件开发的效率。     

模糊AND-OR神经网络优化建模方法

采用由AND和OR模糊神经元组成的神经网络进行模糊逻辑建模,每个神经元由S和T算子组合而成,并给出单个神经元作用在模糊集上的效果,充分展示了这两种神经元的优越性,以4条规则为例推导出这类神经网络与“if-then”的规则集之间的等价关系。在神经网络的学习过程中,提出了一种混合式的学习方案采用遗传算法优化整个网络的结构,缩小了输入空间的维数,减少了相应的规则数;并在此基础上利用梯度的学习方法继续对相应的参数进行优化,从而使网络具有很好的优越性,为进一步模糊控制创造了良好的平台。