细支纱摩擦纺初探——尘笼胆结构及其安装角α对纺纱的影响

本文以细支纱摩擦纺为研究对象,利用实验测试手段研究了尘笼胆结构对吸口轴向负压和尘笼胆安装角α对加捻区轴向负压和流速分布的影响。最后,基于类似于控制论中的“黑箱”原理,采用二次正交回归设计在实验室自制单头机上进行了32支纱的纺纱试验,建立了加捻辊加稔效率、纱线品质指标及CV值与尘笼胆几何尺寸、尘笼胆安装角α、摩擦辊转速及纺纱速度间的关系,并作了分析,由此得到选取α=0°、S=6毫米左右较好的结果。     

关于拉氏积分计算中的条件验证谈《微积分学教程》中的一处错误

菲赫金哥尔茨著《微积分学教程》中在计算拉普拉斯积分中称根据更序定理可施行积分次序的变更以求其值,原书未作验证。本文指出该积分不满足更序定理的条件,但在去掉积分变量t的下限O这一点后,积分就满足定理的条件了,然后通过极限步骤以求积分的值。     

基于模糊C均值聚类的二维直流电阻率与射频大地电磁联合反演

为结合直流电阻率（direct current resistivity, DCR）与射频大地电磁（radio-magnetotelluric, RMT）法反演优势,开展了二维DCR与RMT数据联合反演研究。在经典最小结构模型正则化的基础上,采用平衡算子调节两个数据间的权重,引入模糊C均值（fuzzy C-means, FCM）聚类对电阻率模型进行约束,根据数据均方根误差自动调整FCM聚类项的权重,提高了联合反演效果。通过单独反演与联合反演结果的对比,分析了两种方法的反演能力,总结了联合反演的优势。模型试算表明,DCR与RMT数据联合反演得到的电阻率模型较单独反演更接近实际模型,FCM聚类约束的应用可进一步提高联合反演的效果。     

水滴在撞击不同厚度水膜条件下产生的二次液滴特性

采用高速相机对水滴撞击水膜的飞溅过程进行了详细测量,分析了水滴撞击水膜的飞溅临界值、二次液滴的直径分布和二次液滴的速率等飞溅特性。结果表明,在实验参数范围内,当韦伯数增大时发生飞溅现象。此外,可以使用量纲为一参数K 来描述飞溅临界值,K=We·Oh^-0.4。当K值大于2 100时发生飞溅现象,二次液滴的量纲为一直径和二次液滴的量纲为一速率随着K值的增大而增大。水膜量纲为一厚度对二次液滴直径分布的影响不明显,但由冠状水花产生的二次液滴的平均量纲为一速率随水膜量纲为一厚度的增加而减小。     

强化型硫铁矿自养反硝化工艺深度处理城市二沉尾水研究

为实现硫铁矿自养反硝化工艺快速启动,提高出水稳定性,将以硫铁矿为填料的硫自养反硝化生物滤池反应器(1号反应器)作为对照组,分别构建了以硫铁矿/石灰石和硫铁矿/硫黄为填料的强化型硫铁矿生物滤池反应器(2号、3号反应器)处理城市污水处理厂二沉尾水,从去除效果、出水水质的角度来评价强化工艺的可行性,并通过微生物群落分析来探究强化工艺的强化机理.结果表明：当反应温度为31～33℃,水力停留时间(HRT)为2.2 h时,3个生物滤池反应器总氮(TN)去除率分别为91.3%(1号反应器)、84.5%(2号反应器)、100%(3号反应器),出水TN浓度均小于5 mg/L;总磷(TP)去除率分别为91.4%(1号反应器)、85.0%(2号反应器)和100%(3号反应器),TP去除效果随TN去除效果的提升而提升;出水pH基本均能维持在6.8～7.6,体系内硫酸根生成量较低,维持在4.99～5.91 mg(每mg NO^-₃-N).Thiobacillus作为硫铁矿自养反硝化工艺的核心功能菌属在3号反应器内占据优势地位.以硫铁矿/硫黄为填料的生物滤池反应器不仅可以...     

Hammerstein系统遗忘因子有限窗口分解辨识

提出一种带遗忘因子和分解辨识策略的有限数据窗口递归最小二乘Hammerstein系统辨识方法。针对Hammerstein系统具有耦合参数的问题,将Hammerstein系统分解为2个子系统：一个子系统包含线性子系统参数,另一个子系统包含非线性子系统参数;提出一种基于遗忘因子的有限窗口递归最小二乘方法对分解模型进行在线递归估计;仿真示例验证了所提算法能够快速跟踪参数,实现对Hammerstein系统的精确辨识。     

类乘法半模和类余乘法半模

作为类乘法模和类余乘法模的真推广,引入了类乘法半模和类余乘法半模的概念.设S是交换半环,M是S-半模.若对M的任意非零子半模N,有Ann_S(M)?Ann_S(M/N),则称M是类乘法S-半模;若对任意真subtractive子半模N,有Ann_S(M)?Ann_S(N),则称M是类余乘法S-半模.讨论了类乘法半模与类余乘法半模的性质;证明了M是次S-半模当且仅当对M的任意真subtractive子半模N,Ann_S(M/N)=Ann_S(M)当且仅当P=Ann_S(M)是S的素理想且M是可除S/P-半模;证明了类乘法半模是semi-hopfian半模且类余乘法半模是semicohopfian半模.     

基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。     

图的一种加权邻接矩阵谱半径和能量的界

图G的一种加权邻接矩阵记为A_db(G)=(a^db_ij)_n×n,若顶点v_i和顶点v_j相邻,则$a_{i j}^{d b}=\frac{d_{i}+d_{j}}{d_{i} d_{j}}$, 反之a^db_ij=0.给出图G的加权谱半径的上下界,并在此基础上给出加权谱半径的Nordhaus-Gaddum-type关系.得到了图G的加权能量的几个上下界,并在此基础上给出加权能量的Nordhaus-Gaddum-type关系.     

关于二重极限教学的一点注记——与《微积分解题方法与技巧》一书的作者商榷

本文首先对《微积分解题方法与技巧》一书中某题的解法提出质疑;然后研究了三种不同情形下可以得出不同的结果;进而否定了该书的解法;最后指出,被高等数学广泛采用的“极坐标代换法”不能直接用于二重极限,并给出了理论上的解释和证明。