小卫星分布式雷达

小卫星分布式雷达是一种新概念雷达系统 ,具有重要的应用前景。本文讨论了小卫星分布式雷达的基本概念 ,探讨了其在未来航天装备中的作用和地位 ,阐明了小卫星分布式雷达技术的科技内涵 ,最后提出了对我国发展天基雷达的几点思考     

Growth of Magnetite Nanoparticles under Magnetic Fields

1 Introduction Over the past several years, the preparation and characterization ofnanoscale magnetic materials, especially one-dimensional (1D) nanostructure, have attracted much attention as the nanomaterials would allow investigating the fundamental aspects of magnetic-ordering phenomena in magnetic materials with reduced dimensions and could lead to new potential applications such as data storage technology[1-6].     

高速压力机液压系统性能分析与仿真

通过时液压系统的建模，建立起比例阀控非时称液压缸系统的数学模型，并运用Matlab仿真软件分析了系统的模型。     

基于业务过程的生产系统仿真模型

提出了一种基于业务过程的、融合了PETRINET等分析语义、面向对象的生产系统仿真建模方法．文中将生产系统分解成概念模型、环境模型和语义模型，描述了每层模型的建模方法，最后以敏捷制造条件下的生产系统模型为例，描述了这种建模方法的面向对象建模过程．     

关于H型钢后滑的研究

利用显式动力学有限元方法模拟了不同轧制参数条件下H型钢的变形过程,得出了一些主要参数对H型钢后滑的影响规律,并对这些规律产生的原因进行了分析·研究结果表明:压下率对H型钢后滑的影响非常明显,随压下率的增加,后滑急剧地增加·此外,轧件的腿宽、腿腰延伸比、内宽以及轧件的初始厚度对H型钢的后滑也有较明显的影响·     

富勒烯化合物研究进展

介绍富勒烯的发现过程、独特的结构特征,综述了富勒烯及其化合物的结构特点、物理和化学性质,并预测了该类化合物应用前景.     

干扰条件下的景象匹配模型分析

在景象匹配系统中，实时图由于受到噪声和畸变等因素的影响，经常无法有效、准确地找到其实时匹配位置。建立了实时图的受干扰模型，得出了信噪比和相关值之间的定量关系式；然后通过分析实时图的畸变模型，得出了可匹配条件下，实时图畸变方差的上限值。这些研究工作，对于分析受干扰实时图对景象匹配的影响，具有重要意义。     

南美白对虾苗种淡化期间异养细菌和弧菌的数量动态

采集南美白对虾苗种淡化期间各阶段的水样和虾苗,用平板计数法对水体和虾体的异养细菌和弧菌进行计数,采样时间从淡化开始到淡化结束.结果表明:南美白对虾虾苗经逐步淡化,随着盐度从14.36降至1.000,水体异养细菌从3.21×107CFU/ml降至(5.05～6.27)×105CFU/mL,弧菌数从1.57×106CFU/mL降至(2.63～16.8)×104CFU/mL;虾体中的异养细菌从3.24×104CFU/mL降至(1.19～1.66)×103CFU/mL,弧菌数从2.30×104CFU/mL降至(4.30～6.90)×102CFU/mL.通过苗种淡化,水体和虾体的异养细菌和弧菌数量都明显下降,虾体内的弧菌数量占总菌数比例由淡化开始时的71.6%下降到39.6%.实验结果表明南美白对虾淡化养殖可减少弧菌的数量,减少弧菌病的发生.     

An extended nonlinear state predictor for a class of nonlinear time delay systems

An extended nonlinear state predictor (ENSP) for a class of nonlinear systems with input time delay is proposed. Based on the extended Kalman filter (EKF), the ENSP first estimates the current states according to the previous estimations and estimation errors, next calculates the future state values via the system model, and then adjusts the values based on the current errors. After a state predictive algorithm for a class of linear systems is presented, it is extended to a class of nonlinear time delay systems and the detailed ENSP algorithm is further proposed. Finally, computer simulations with the nonlinear example are presented, which demonstrates that the proposed ENSP can effectively and accurately predict the future states for a class of nonlinear time-delay systems no matter whether the state variables change quickly or slowly.