X控制图的两类误判概率及其计算

本文提出了控制图的两类误判概率的概念,並给出了它们在头十点的逐点计算公式及相应的值。在进行上述讨论时,我们把所有的判别规则看作一个整体,同时也把从第一点开始的各点也看作一整体来加以考虑。此外,文中还对头50个点的两类误判概率作了模拟计算。这些计算出来的值可以作为使用控制图时的可靠性指标。同时,所有这些讨论对研究、补充或修改现行的判别规则将是有益的。     

异面效应织物组织设计方法

本文根据省综设计呢地组织和双层组织的构作原理,分析解剖了 A 面为平纹组织,B 面为呢地组织的双层结构,提出了这种结构的一般的设计方法。文章又对设计方法进行了展开,讨论了 A 面改为斜纹或其他基础组织,B 面仍为呢地组织的设计方法,以及 A 面组织改变之后会给织物带来的影响。又讨论了正反面若采用不同的纱线性质、不同的纱线条份、不同的纱线色彩、上下层经纬纱不同的排列比等,来配以异面效应的组织,会给织物的功能、机理、色彩等带来影响。     

关于准对称离散无记忆信道容量两个定理的等价性

本文针对准对称离散无记忆信道中，计算信道容量的两个定理给出等价证明，在准对称离散无记忆信道中，主要是通过给定转移概率p（yj/xi）-计算信道容量，这两个定理都能得到正确的结果，但是后一种计算方法简单，给这种信道容量计算带来方便．     

试析采煤机截齿排列方式的改进

采煤机截齿的排列方式对于提高块煤率意义重大,合理改进排列布置能有效减少切削过程中的能耗和粉煤量。     

高强度聚焦超声相控阵列的优化设计方法

高强度聚焦超声相控阵列的诸多参数直接影响着该系统的性能和制作成本。为此，提出了一种高强度聚焦超声相控阵列设计参数优化方法，用此法优化球面相控阵列的参数，合理地选择阵列排列方式、激发频率、阵元大小和球面曲线，可大大减少阵元的数目，从而实现了具有高性价比的高强度聚焦超声相控阵列。该方法对球面不等间距同心圆阵列的优化设计结果，既表明了这种优化设计方法的可行性，又给出了阵列优化设计中的一些有价值的规律。     

红腹锦鸡肝脏的显微结构观察

用组织学方法对3只红腹锦鸡（Chroysolophus pictus）的肝脏进行了显微结构观察，结果如下：红腹锦鸡的肝脏由许多肝小叶组成；中央静脉位于其纵轴中央，围绕中央静脉，两层肝细胞组成的肝细胞索（肝板）不连续的呈放射状排列，肝血窦呈辐射网状排列；肝血窦的窦壁由一层内皮细胞和枯否氏细胞组成，内皮细胞不连续，枯否氏细胞常见于肝血窦，有几个突起；肝细胞索的两层肝细胞之间见有胆小管，另外，对红腹锦鸡的肝脏与其它动物的肝脏进行了比较。     

光综合孔径望远镜直线阵最优排列方案

通过旋转一个小孔径光学望远镜阵列依次测出物光在每一对孔径的互相干谱,从而综合成物体的u,v谱覆盖,经反变换后得到分辨率远高于单个望远镜所得到的图像,讨论了小孔径排列成线阵的方案,给出了判断排列方案优劣的方法,引入判断因子ε对排列方案进行定量计算。对于11个孔径,排列的可能性有1.5×1011之多,故编制了计算程序对可能排列的方案进行筛选找到了最优方案,还给出了线阵综合孔径的模拟效果,其模拟方法也适合非线阵孔径。     

KPCA与LTSA融合的转子故障数据集降维算法

针对核主成分分析(kernel principal component analysis,KPCA)和局部切空间排列算法(local tangent space,LTSA)在降维过程中无法兼顾保持数据全局结构特性和局部结构特性的问题,利用核函数的可线性叠加性质,提出一种将KPCA算法与LTSA算法融合的非线性降维算法....     

基于组分浓度的LNG-柴油燃料反应机理简化

以甲烷-正庚烷-异辛烷-环己烷-甲苯混合物作为LNG(液化天然气)-柴油模型燃料,构建了包含1 425种组分和5 597个基元反应的LNG-柴油模型燃料详细燃烧反应机理.以重要组分摩尔分数为目标参数,通过基于误差传递直接关系图法对该详细机理进行了简化,分析了简化阈值与机理规模的关系,结合反应路径研究了机理简化的规律.结果表明:随着简化阈值增大,机理规模逐渐减小,但减小的速度逐渐降低,当阈值增大至0.8时,简化机理规模基本恒定.结合简化阈值与误差,确定合理的简化机理包含208种组分和1 087个基元反应,该机理可准确预测模型燃料的着火延时与层流燃烧速度.简化机理保留了H2/CO/C1子机理、C2-C3半详细机理和C4-C8骨架机理,去除了约85%冗余组分和81%的基元反应.     

基于奇异谱分析的航空客运需求分析与分解集成预测模型

考虑到航空旅客运输需求影响因素复杂以及航空客运需求序列非线性非平稳等特征,本文提出了一个基于奇异谱分析(SSA)的航空客运需求分析与分解集成预测模型.需求分析阶段,首先使用SSA对航空客运需求序列进行有效分解,接着借助奇异熵理论,将序列重构为长期趋势项、中期市场波动项和短期噪声项;预测阶段,使用排列熵(PE)判断各重构序列复杂度的高低,并依据序列复杂度分别选择粒子群算法(PSO)和布谷鸟算法(CS)双优化的支持向量回归模型(SVR)或单整自回归移动平均模型(ARIMA)进行预测,结果表明,该分解集成预测模型较ARIMA、SVR等基准模型有着更好的预测性能.