球极坐标系下角动量平方算符与拉普拉斯算符的推导——多元复合函数微商法则在量子力学中的应用

采用引入变量的多元复合函数微商法则,将直角坐标系下的1阶偏微分形式变换成球极坐标形式,进而推导出球极坐标系下角动量平方算符与拉普拉斯算符的表达式.这将使得在量子力学中求解Schr?dinger方程、各角动量算符对应的各角量子数变得更加简单.     

跨域云环境下基于动态异构网络的风险访问模型

针对在动态异构网络中传统的访问控制机制复杂度高、灵活性差、数据安全性支持不足的问题,提出一种引入风险管理机制的多级安全访问模型。为每一个域设定动态风险阈值,对发起访问的主体和被访问的客体进行风险预审核。在设定的访问周期内对访问次数、累计访问风险值、最大访问风险值进行比较并给出限制条件,对频繁发起访问的低风险主体给予风险预支额度,在未透支风险额度的情况下允许其进一步访问。访问结束后,会动态调整本域风险阈值,使之具有一定的动态适应性。     

部分充填式钢箱-混凝土连续组合梁刚度分析

为探讨部分充填式窄幅钢箱-混凝土连续组合梁的变形情况,设计3片不同抗剪连接度的试验梁,并进行单调加载实验.考虑边界条件对刚度的影响,结合组合系数法,推导出适合部分充填式钢箱-混凝土连续组合梁的刚度计算式.理论分析与试验结果表明:在钢箱-混凝土连续组合梁的钢箱中部分充填混凝土可以提高梁体的刚度,当钢箱-混凝土连续组合梁的钢箱中充填60%的混凝土时,其刚度提高最明显,最为合适.     

影响驾驶员心生理变化的高速公路路侧植物的选择原则

为了合理地选择高速公路路侧的绿化植物,通过心电仪和眼动仪对驾驶员在驾驶过程中的心生理数据进行采集.对驾驶员的视点区域进行灰度处理,得到不同视点区域的明暗程度等级,然后通过对比分析,选择有助于改善驾驶员心生理变化的植物.研究结果表明:当植物表现出的明暗程度等级为3~5时,可有效减缓驾驶员的紧张程度,提高行车的安全性.     

运动想象脑机接口系统的Petri网建模方法

针对脑机接口(BCI)中的共享控制问题,提出一种BCI系统的Petri网建模方法.首先,将共享控制策略与BCI系统的内外部信息相结合,构建运动想象BCI系统的Petri网模型,描述系统的运行状态,分析和改进共享控制策略.然后,加入控制库所描述系统的外部输入,并通过合成Petri网的方法简化Petri网的建模过程.结果表明:所提方法能够正确地演化BCI系统的运行过程,提高BCI系统的适用性,可用于设计、验证和执行共享控制策略.     

采用Bootstrap抽样的靖远黄河大桥 模态参数识别不确定性量化

提出一种基于Bootstrap抽样的模态参数识别不确定性量化方法,从整体和局部的角度评价模态参数识别结果的可靠性.首先,基于动力测试的加速度时程数据,采用协方差驱动随机子空间(SSI-COV)法识别不同测试组的模态参数;引入Bootstrap抽样方法,对多组模态参数识别结果进行B次重复抽样,得到Bootstrap样本数据,并通过其概率统计特征值衡量整体不确定性.然后,对单个测试组中不同时间段的识别结果进行重复抽样,分析并量化单个测试组的模态参数识别的不确定性.最后,以靖远黄河大桥试验数据为例,对靖远黄河大桥竖向单个及多个测试组下的模态参数进行不确定性量化.结果表明:不同测试组识别的前3阶固有频率的均值分别为1.553 9,1.720 6,2.165 2,方差分别为0.076 1,0.042 9,0.096 5;单个测试组识别的前3阶固有频率的均值分别为1.526 5,1.788 0,2.306 0,方差分别为0.015 3,0.049 6,0.018 2;文中方法识别的固有频率值总体较为稳定.     

模糊广义决策信息系统的证据特征与信任约简

探究模糊广义决策信息系统的证据特征和信任约简.首先,给出模糊广义决策信息系统中的模糊上、下近似算子及其相关性质.然后,基于证据理论探讨模糊广义决策信息系统的数值特征,并在模糊广义决策信息系统中,利用证据理论中的模糊信任和模糊似然函数对模糊近似集进行刻画.最后,根据模糊信任函数定义的属性重要度,提出模糊广义决策信息系统信任约简的算法,并给出实例验证其有效性.     

集中荷载下钢筋混凝土简支T型梁剪力滞效应

通过对钢筋混凝土简支T型梁进行两点加载试验,研究T型梁翼板内不同截面的剪力滞效应,并通过Abaqus有限元软件对T型梁的加载全过程进行模拟.试验结果表明:简支T型梁在靠近支座位置存在负剪力滞区,随着荷载增大,负剪力滞效应逐渐增强,并且负剪力滞区出现受拉现象,拉应力达到2.34 MPa,而在纯弯段,荷载的增大对剪力滞系数影响不大;T型梁翼板内的剪力主要发生在翼板和腹板交界处,剪力在向翼板边缘传递的过程中快速衰减,在翼板没有出现裂缝前,剪力滞效应随着腹板厚度的增加而降低,但是降低的程度随着腹板厚度的持续增加而减小.     

结合时间序列分解和神经网络的河流溶解氧预测

为克服小流域数据资料少,河流溶解氧的非平稳特性及动态变化造成的预测困难,提出结合具有自适应噪声的完整集成经验模态分解(CEEMDAN)和Elman动态神经网络的预测方法.使用CEEMDAN方法对原始溶解氧时序数据进行平稳化处理及降噪,提取溶解氧随时间变化的波动特征、周期特征,以及长期趋势,通过计算样本熵(SE)值,将相似的特征序列合并,以减小误差累积,对合并后的新序列分别采用布谷鸟搜索(CS)算法优化的Elman模型进行预测,将各预测值叠加,得到最终预测结果.实验结果表明:CEEMDAN-SE-CS-Elman方法平均绝对误差(E_MA)为0.14;平均绝对百分误差(E_MPA)为2.07%;均方根误差(E_RMS)为0.24;可决系数(R²)达到0.951 6,精度较其他时间序列预测模型有所提高.