编织重经织物时经纱张力分析

本文是研究在单针床经编机上编织重经织物。为了减少编织过程的张力、作者设计了一个测量系统。借助于信号分析技术研究了纱线的张力波动规律。结果表明,在编织过程中纱线张力呈周期性变化,在一个周期中至少有三个峰值,编织过程中成圈机件位置变化对经纱张力有很大影响。通过调整机器,成功地编织出一些重经织物。     

非平稳随机过程谱密度函数的另一定义及实例分析

用时变谱描述非平稳过程的谱密度能够反映非平稳过程频率成份的时变特点，但是其物理概念仍不是很明确。为此，文章给出一种非时变谱的定义形式以及在此定义下的一个实例分析。     

三维表面裂纹扩展过程中的形状变化

本文对拉伸、弯曲以及它们的组合载荷作用下三维表面疲劳裂纹扩展过程中其形状的变化规律进行了理论推导和实验验证，并提出了弯曲载荷作用下裂纹形状比的实验公式。     

面部三维形状的光波调制图象测量方法

提出了一种图象光波调制三维形状全场数据的测量方法，该方法尤其适用于人面部这类光滑曲线面的无接触测量场合，并且在精度，速度，智能化方面具有很强的适应性，结合图象处理技术，可构成自动化较高的实用测量系统，文中对方法的原理及系统的构造了进行了论述，并给出了测量实例。     

高储能密度电容器复合介质材料的研究

对高储能密度电容器复合介质材料作了研究。采用介电陶瓷／有机聚合物作复合介质材料的实验中，研究了复合材料的介电系数与组成成分的关系，研究发现，ε随陶瓷成分的增加而增大，并且存在一个临界组。     

表面综合形貌的小波分离法

用小波分析将曲面表面误差分离为三项之和：形状误差、表面波度和表面粗糙度，同时得出三种误差的分布及其特性，克服了传统统计参数法的某些不足，有利于对表面的分项及总体特征进行综合评定     

自动网格形状测试技术

采用网格投影和亚象素技术，成功地进行了自动网格法的三维形状自动测量．提出了一种新的网格点分割法——全场阈值函数法，加快了分割速度，提高了分割质量．并且还提出了一种利用网格相邻位置关系进行搜索编码的新方法，解决了大变形或含空缺点网格点阵的自动编码和匹配问题．通过对标准斜面和圆柱面进行的实测研究，验证了自动网格形状测试法可以快速自动地进行高精度测量．文中给出了部分实验结果     

原子簇Fe3BP异构体稳定性的DFT研究

利用含相关能校正的DFT方法在B3LYP／Lard2dz水平下，对原子簇Fe3BP16种可能构型进行单重态下的全参数优化和频率计算，分析比较了优化结果的能量、结合能和过渡态．结果表明：原子簇Fe3BP有5种稳定异构体，具有立体构型的异构体1、2、3和4共存的可能性较大，其中异构体1最稳定，而平面结构的异构体5存在的可能性较小。     

Reconstruction of Temperature Field in 3-D, Absorbing, Emitting, and Anisotropically Scattering Medium

IntroductionRecently ,theinvestigation on numerical radiative heattransfer has been focused onthe reconstruction of temperatureprofile in target space according to its boundary heat fluxgained by detectors[1 8], whichis a kind of inverse problemofradiation. Among these investigation, Li HY[1 4]hasresearched on one-di mension or two-di mension rectangular ,spherical or cylindrical medium which is absorbing ,emitting , and isotropically scattering ; Liu LH[5,6]hasresearched on the semitranspar…     

Combined Density-based and Constraint-based Algorithm for Clustering

We propose a new clustering algorithm that assists the researchers to quickly and accurately analyze data. We call this algorithm Combined Density-based and Constraint-based Algorithm （CDC）. CDC consists of two phases. In the first phase, CDC employs the idea of density-based clustering algorithm to split the original data into a number of fragmented clusters. At the same time, CDC cuts off the noises and outliers. In the second phase, CDC employs the concept of K-means clustering algorithm to select a greater cluster to be the center. Then, the greater cluster merges some smaller clusters which satisfy some constraint rules.Due to the merged clusters around the center cluster, the clustering results show high accu racy. Moreover, CDC reduces the calculations and speeds up the clustering process. In this paper, the accuracy of CDC is evaluated and compared with those of K-means, hierarchical clustering, and the genetic clustering algorithm （GCA）proposed in 2004. Experimental results show that CDC has better performance.