关于F.Smarandache函数与素因数和函数的一个混合均值

对于任意正整数n,若它的标准分解式是n=Pα11 Pα22…Pαkk,著名的F.Smarandache函数S(n)定义为:存在最小的正整数m,使得n|m!,即:S(n)=min{m∶n |m!,m∈N},素因数和函数定义为:(ω-)(n)=P1+P2+…+Pk,利用初等及解析的方法研究了F.Smarandache函数S(n)与素因数和函数(ω-)(n)的加权均值分布,得到了新混合函数S(n)(ω-)(n)的均值性质,并给出一个有趣的加权均值分布的渐近公式.     

基于AP算法支持向量机的设计与应用

设计一种基于AP聚类算法和SVM分类器相融合的新的混合分类器, 使用AP聚类算法优化数据集, 得到了高质量、 小样本的SVM分类器训练集. 实验结果表明: 与传统的SVM分类器相比, 混合分类器具有更高的分类精度; 在心脏病预测上, 该分类器的效果较好.     

电动汽车永磁同步电机无传感器FOC DTC混合控制系统

针对电动汽车中永磁同步电机(PMSM)的高效控制问题,提出一种基于磁场定向控制-直接转矩控制(FOC-DTC)混合系统的无位置传感器控制系统.首先,在考虑FOC和DTC的各自优势下,构建FOCDTC混合控制系统,提高系统的稳定性和鲁棒性.然后,融入弱磁控制技术,提高电机高速运行时的控制性能.最后,利用滑模观测器,根据电机αβ轴的电流信息来估计电机转速,实现无位置传感器的PMSM控制系统.仿真结果表明,提出的系统能够准确且稳定地控制电机转速,具有可行性和有效性.     

斜弯独塔混合梁斜拉桥参数敏感性分析

为研究斜弯独塔混合梁斜拉桥在成桥状态下受结构设计参数的影响程度,对结构设计、施工监控和关键控制量制定等提供参考,以张家口纬二桥为工程背景,建立有限元模型。基于结构参数敏感性分析的摄动原理,引入敏感度分析指标,选取塔梁固结处弯矩值、桥顶纵向位移值、背索索力、主梁最大挠度为控制目标,对桥梁钢混结合段位置、桥塔局部温度荷载、斜拉索初拉力和背索竖向倾斜角度等结构参数进行敏感性研究。分析结果表明：桥梁钢-混结合段位置、斜拉索初拉力、背索竖向倾斜角度对斜弯独塔混合梁斜拉桥主梁挠度和桥塔线形影响较大。其中,混凝土梁和钢梁的跨度比变化15.73%,塔顶纵向位移、主梁最大挠度将分别变化30.3%和29.4%;桥塔局部温度荷载主要影响此类桥塔的纵向变形,对桥塔受力敏感度较低;背索竖向倾斜角度对斜弯独塔混合梁斜拉桥影响最为显著,背索竖向倾斜角度变化7%,塔顶纵向位移较初始位置最大变化也达到205.8%。     

α-混合序列生成的平稳线性过程矩完全收敛性的精确渐近性

利用α-混合序列的矩不等式及α-混合序列生成的平稳线性过程部分和的渐近分布,得到α-混合序列生成的平稳线性过程部分和的矩完全收敛性的精确渐近性.     

混合单调映象的耦合不动点及其迭代定理

在半序Banach空间中,取消对导出半序的雄或者映象的连续性的限制的情况下,获得了两类非连续混合单调映象的耦合不动点定理．     

废弃轮胎橡胶颗粒轻质混合土无侧限抗压强度试验

为了研究以废弃轮胎橡胶颗粒作为轻质材料的拌合轻质混合土的配比和强度的关系,通过室内土工试验,分析了橡胶颗粒含量、水泥含量、含水量和养护龄期对该混合土的无侧限抗压强度的影响以及橡胶颗粒含量、水泥含量对其应力—应变曲线形态的影响。得到了试样强度和变形随混合土配合比变化的规律。试验表明,在一定范围内改变这种混合土的配合比,可以调节混合土的强度和和易性,使其满足工程应用的需要,为下一步研究这种新型材料的本构关系和轻量性奠定基础。     

商用车子午线轮胎滚动噪声仿真研究

商用车产生的噪声对道路两侧的行人与住宅造成极大的危害.研究轮胎不同部位的噪声分布,对分析轮胎噪声的产生机理与控制车辆行驶噪声有非常重要的意义.本文利用Abaqus和LMS Virtual.Lab软件对商用车子午线轮胎进行动力学和声学仿真,通过混合拉格朗日-欧拉方法(MLE),将轮胎有限元动力学参量映射到声学有限元网格节点上,最后在自动匹配层技术(AML)基础上进行了轮胎振动噪声的有限元仿真,得到轮胎周围声场的噪声分布云图和频谱曲线.块状花纹载重子午线轮胎的仿真结果与试验结果吻合较好,通过MLE方法可以得出轮胎噪声声源主要位于轮胎接地点前/后部,而不是轮胎接地正中间.     

基于BP神经网络的离线迭代混合试验方法研究

利用反向传播(误差逆传播算法back propagation algorithm,BP简称反向传播算法)神经网络对非线性结构位移-力系统进行拟合,将训练好神经网络作为试验子结构与数值子结构联合求解,省去了混合试验中试验子结构与数值子结构之间的实时数据交互,并通过迭代训练样本的方法不断逼近真实响应,克服了神经网络需要大量训练样本的问题。通过对两个自由度的非线性结构进行混合试验数值仿真,验证了该方法的可行性。以实际工程的一榀框架为混合试验对象,取一个隔震垫作为试验子结构进行数值仿真,进一步验证了该方法的有效性。     

人工蜂与K-means混合算法在VANETs的应用

针对车载自组织网（Vehicular Ad Hoc Networks,VANETs）拓扑结构经常变化导致通信链路容易断裂而通信质量不可靠的问题,将人工蜂与K-means混合算法应用在VANETs中。在成簇阶段,该混合算法利用人工蜂算法较强的全局搜索能力确定初始聚类中心,代替传统的K-means对初始聚类中心的选择,这样就消除了K-means对随机初始聚类中心的依赖。在簇头选取阶段,类内具有最小的速度方差以及到其他节点最小平均距离的车辆节点被选择为簇头。在簇的维护阶段,当最优节点即簇头有变化时,次优节点被选为临时簇头,直至更新为最优节点的簇头信息。为测试该混合算法的性能,将其和PSO与K-means混合算法、经典K-means算法进行实验对比,结果表明,该混合算法能够更加稳定VANETs通信链路,具有更高成簇质量和更高通信质量。