Остроградский──Gauss定理的一个注记

本文给出在一定条件下，即使在闭曲面围成的空间区域内有奇点公式也同样成立。     

子群是正规子群的一个充分条件

判断子群是否为正规子群有多种方法,本文从有限群与其子群阶的关系上,给出子群是正规子群的一个充分条件。     

系统设计的正式方法和模型

微电子设计的规模和设计能力之间的鸿沟正在越变越大，需要工具和技术去填补这一鸿沟。另外，我们也需要更新颖的方法以使理论能变为实际。本书正是出于这个目的而编写的。全书总结了以往各种正式的结构分解、抽象和精练的方法，重点强调了系统的行为和结构特性。书中的内容是以一系列学术论文的形式呈现给读者。论文的作者都运用自己的正式方法以完成软硬件设计，提供开发方法和工具的优化，或形成理论公式。     

分解炉虚拟样机的开发

以水泥生产过程中的分解炉为对象，分析了分解炉内具体的物理化学过程，同时开发了反映分解炉工作过程(流体力学、燃烧学、分解动力学、颗粒动力学)的数学模型，借助数值模拟方法进行了分解炉虚拟样机的开发，为分解炉的设计与开发提供了试验平台。     

2-(9-蒽基)-2-羟基乙酸及其衍生物的外消旋体拆分

以键合有β-环糊精的硅胶为手性固定相，对2-(9-蒽基)-2-羟基乙酸及其3种衍生物2-(9-蒽基)-2-甲氧基乙酸、2-(9-蒽基)-2-羟基乙酸乙酯和2-(9-蒽基)-2-甲氧基乙酸乙酯的外消旋体进行薄层色谱分离．结果表明，当以环己烷／丙酮／甲醇(V：V=3：2：1)为展开剂时，两种酸的相对比移值分别为8．47和12．57；以甲苯／氯仿／丙酮(V：V=5：2：1)溶剂系统作为展开剂时，两种酯的相对比移值分别为9．25和20．81．     

双密度层空气重介流化床的研究

对双密度层空气重介流化床的形成和分选过程进行了研究,论证了现有的空气重介流化床难于进行有效的三产品分选,确定了具有锥形过渡段的特殊床型结构,形成了可用于三产品分选的双密度层空气重介流化床.     

基于多尺度排列熵和正则化RVFL的高压隔膜泵单向阀故障诊断

高压隔膜泵单向阀运行工况复杂,运行时产生的振动信号具有非线性、非平稳特性,导致信号特征提取困难,故障状态难以识别.为了提取单向阀运行状态的非线性动力学特征,提升故障诊断模型的识别精度和泛化能力,提出了一种基于多尺度排列熵（Multi-scale Permutation Entropy,MPE）和正则化随机向量函数链接（Random Vector Functional Link,RVFL）网络的单向阀故障诊断方法.首先,对工况下采集的单向阀振动信号进行变分模态分解（Variational Mode Decomposition,VMD）获得既定的若干本征模态函数（Intrinsic Mode Function,IMF）分量;然后,计算IMF分量的多尺度排列熵,构建表征单向阀运行状态的特征值向量;最后,基于运行状态的特征值向量,建立正则化随机RVFL的故障诊断模型,并应用于单向阀的运行状态监测与识别.实验结果表明,构建的故障诊断模型能够精确地识别单向阀的故障类型,准确率达到98.89%.     

基于SSA-LSTM-GF的混凝土坝变形预测方法

针对混凝土坝变形分析预测的复杂性,应用相空间重构思想和融合建模理念,提出了一种基于SSA-LSTM-GF的混凝土坝变形分析预测方法。SSA-LSTM-GF方法利用奇异谱分析法(SSA)将变形实测数据序列分解为趋势分量、周期分量和剩余分量,并将剩余分量视为噪声分量予以剔除;采用长短期记忆神经网络(LSTM)模型和高斯拟合(GF)算法分别进行周期分量和趋势分量的分析预测,并将二者结果进行叠加重构,得到最终预测结果。实例验证结果表明,SSA可以达到较好的数据分解和消噪效果,LSTM模型针对周期分量的预测性能优越,GF算法能够很好地实现趋势分量的拟合预测和部分信息的挖掘提取,LSTM模型和GF算法的成果重构效果良好,SSA-LSTM-GF方法具有一定的可行性和应用价值。     

基于经验模态分解特征的无线电引信抗扫频式干扰方法

针对目前调频无线电引信在复杂电磁战场环境中对抗扫频式干扰能够力弱的问题,提出一种基于经验模态分解(empirical mode decomposition,EMD)特征的无线电调频引信对抗扫频干扰的方法.对基于目标和扫频干扰作用下的调频无线电引信检波端输出信号进行EMD分解,得到10层本征模态函数(intrinsic mode function,IMF)分量,提取每层IMF分量中本征模态函数能量占比、能量聚集度和Renyi熵特征,并利用主成分分析算法对于特征进行降维,保证累积解释差异在95%以上,以降维后的特征矩阵作为支持向量机的输入对目标和扫频式干扰信号进行分类识别.实测数据结果表明,所提方法能够有效对目标和扫频式干扰信号进行分类识别,分类识别精度可以达到98.06%±0.003 8,目标检测率达到96.65%±0.003 7,虚警率为3.35%±0.003 7.