正交矩阵的进一步探究

利用欧氏空间的理论得出了正交矩阵的子式的性质,并从代数余子式、相似形、特征向量等方面刻画正交矩阵,同时,研究正交矩阵的对角化问题.     

叶型逼近求解水泵水轮机双向流动的方法

为了求解水泵水轮机转轮内部的双向流动,提出了基于全三维转轮叶片设计模型的叶型渐近方法.该方法从水轮机方向设计目标叶型,并得到水轮机方向流场.再利用设计程序,从水泵流动方向设计叶型,用单纯形加速法控制速度矩分布变量,使得该叶型逐步逼近目标叶型,并得到水泵方向的流场,即得到同一叶型的双向流场.根据计算出的流场可以预估转轮的双向能量性能与气蚀性能.对一高水头水泵水轮机进行了设计计算,结果表明,该方法是可行的.     

全平方数集中的除数问题

令δ(n)表示全平方数的特征函数,d(n)为n的所有除数的个数, θ(n)为n的无平方因子的除数个数.对于和式∑nxδ(n)d(n),∑nxδ(n)θ(n),给出了它们的渐近公式, 进一步改进了前人的结果.     

多孔介质中可压缩驱动问题的全离散分裂正定混合元方法

提出了数值模拟多孔介质中可压缩驱动问题的全离散分裂正定混合元方法.引入分裂正定混合有限元方法来求解抛物型的压力方程.混合有限元方程组是对称正定的,并且流函数方程不依赖于压力方程.采用标准的Garlerkin方法来处理对流－扩散型的饱和度方程.给出了此方法的全离散格式,并分析了该全离散格式的收敛性.     

产业融合背景下的新能源汽车技术发展趋势

发展新能源汽车是促进未来可再生能源应用和电气化交通运输技术发展的重要途径,是保证未来能源安全、缓解能源紧缺、提高环境质量的重要手段.目前发展新能源汽车已成为全球共识和共同行动.我国新能源汽车产业发展取得了巨大成就,呈现出多产业融合的特点.基于新能源汽车发展现状,分析我国汽车产业融合与变革趋势,从六个方面提出未来新能源汽车技术发展热点.围绕高效节能、安全舒适、全气候目标,提出产业融合背景下新能源汽车十大核心关键技术发展趋势和方向,指导未来新能源汽车产业的发展.在大数据体系的助推下,新能源汽车将加速实现大规模商业化应用,产业实现深度融合与可持续健康发展.     

江苏制造业全要素生产率多维度测评研究

基于2011年以来的最新行业分类标准,构建2011—2016年江苏省制造业31个细分行业的面板数据,采用DEA-Malmquist模型对江苏省制造业全要素生产率及其构成从时间的维度、细分行业的维度、基于研发强度的行业类别维度进行测评。结果表明,2011—2016年间江苏省制造业全要素生产率平均增长率为负值,且自2012年开始由技术进步推动转为由技术效率推动;全要素生产率存在明显的行业间差异,低技术制造业为全要素生产率发展的瓶颈。提升江苏省制造业全要素生产率的主要路径包括提升资源配置效率、加强自主创新、实施精细化管理等。     

基于全过程控制的建筑项目施工进度规划

由于传统方法设计的建筑项目施工进度规划方案在实际应用中,会严重增加建筑项目施工成本,为此提出基于全过程控制的建筑项目施工进度规划.将建筑项目施工阶段进行划分,利用全过程控制模型对建筑项目施工工程量进行统筹,结合项目现有劳动力规划出各个施工阶段所需要的工期.经实验证明,设计方法建筑项目施工成本低于传统方法.     

一种低解码复杂度的全分集全码率空时编码

针对Beyond 3G MIMO系统下行链路中发射天线数大于接收天线数的特点,通过构造码字结构,根据编码增益的表达式,得到具有高编码增益的参数,提出了一种适合于4根发射天线、具有低解码复杂度的全分集全码率空时编码方法.该方法具有编码增益高、误码性能好和解码复杂度低等优点.仿真结果表明,与传统的空时编码方案,如酉空时码、空时分组编码和全分集全码率空时编码方法相比,新编码方法具有很好的误码性能,同时具有很低的解码复杂度.     

Altman型不动点定理

针对Altman型不动点定理,讨论了在第一个指数在0和1之间和第二个指数不大于0,以及只有一个小于0指数情形范数不等式条件下全连续算子不动点的存在性.证明了几个新的不动点定理.对应最近文献中第一个指数大于1,第二个指数不小于0在范数不等式条件下的不动点定理,推广和补充了这些文献中的结果.     

术后机械通气患者的呼吸频率与氧合指数分析

通过19例接受胸部及上腹部手术后并发呼吸功能不全患者在控制模式下机械通气时自主呼吸的观察,对氧合指数（PaO₂/FiO₂）与自主呼吸频率超过机控呼吸频率的比值（RRsuper）进行相关性分析,探讨患者出现呼吸功能不全原因.结果表明：开胸及上腹部手术后并发呼吸功能不全患者呼吸频率受氧合功能的影响,PaO₂与RRsuper 呈负相关,相关系数（r）是-0.575 ;氧合指数与RRsuper呈负相关,相关系数（r）是-0.571; PaCO₂ 与RRsuper不相关.