基于非对称离散分数傅里叶变换双相位编码技术对二维条码图像加、解密的研究

在现有光学图像加密一种方法(分数傅里叶双随机相位编码技术)的基础上,提出一种改进的基于非对称离散分数傅里叶变换双相位编码光学加密方法,并用计算机模拟两种方法对二维条码图像进行加密、解密的过程,比较两种方法的仿真实验结果中两种方法的加密性能和解密图像的质量优劣.     

关于一类立方图的可圈性研究

设G为无向图,如果对G的每一个定向D,都存在S（D）包含V（G）使在D中改变所有恰与S（D）中一个顶点相关联的弧的方向后所得的图为有向哈密尔顿图,则称G为可圈图．Klostermeyer和Soltes证明了P4k^3（k≥1）是不可圈图,现证明对任意整数n≥3,Pn^3是可圈图当且仅当n为奇数．     

带有恐惧效应的捕食-食饵模型动力学分析

为了研究恐惧效应对捕食-食饵系统的影响,通过在原有捕食-食饵模型中加入恐惧因子,建立功能反应函数为Holling-Ⅲ型的捕食-食饵模型.运用线性化方法和Dulac函数,讨论平衡点的局部及全局渐近稳定性,并利用第一 Lyapunov系数分析了分支周期解的方向和稳定性.结果表明:恐惧因子可以通过排除周期解的存在性使系统稳定...     

双属性概率图优化的无人机集群协同目标搜索

为了提高不确定环境下无人机（unmanned aerial vehicle,UAV）对目标捕获能力,进而提高多UAV协同搜索效率,提出了基于双属性概率图结合改进的协同进化遗传算法（improved co-evolutionary genetic algorithm,ICEGA）的多UAV协同目标搜索方法。首先,根据环境的先验信息,在原概率图基础上引入标志位,建立基于双属性矩阵的待搜索环境概率模型,提高环境和目标的信息感知准确度;其次,定义UAV的飞行规则并结合目标先验概率图信息,建立UAV运动模型及确定最大收益的目标函数;最后,建立分布式UAV之间的信息交互模型,运用ICEGA算法优化产生最优协同决策输入航向角集合,在线实时滚动优化产生最优协同路径。实验结果表明,基于双属性概率图结合ICEGA算法更能够保证最优路径的产生,使得UAV能够准确地搜索到目标;同时,对比仿真验证了ICEGA算法能够提高UAV之间的协同性,保证了路径可行性及提高了目标搜索效率。     

基于概率图的作战任务智能规划方法

针对人工调配作战资源及规划方案效率低下的问题,本文提出一种基于概率图的作战任务智能规划方法,通过统计分析判定任务间因果关系,采用GNN抽取任务中的关键事件构建概率图并计算任务规划方案成功的概率,进而基于时间序列方法预测战场态势变化,实现辅助指挥员智能决策。最后,本文在某联合登岛案例中开展了方法验证,结果表明,所提出的方法可成功实现任务规划并具有可解释性,可实现对战场态势变化的预测和快速响应,在战场上为军队提供强有力的支持。     

基于有限时间LaSalle不变集的PMSM混沌控制

为有效地抑制永磁同步电动机系统的混沌行为,基于有限时间理论和LaSalle不变集定理设计了一种自适应控制器。分析了永磁同步电动机系统的混沌动力学特性,确定了系统处于不同运动状态的参数域;在理论上证明该控制器能够在有限时间内稳定到平衡点且能自动跟踪系统平衡点;仿真实验证明,该控制方案形式简单,快速性更好,稳定性更高。研究结果对保证永磁同步电动机的稳定运行具有重要意义。     

香樟叶生物质炭制备及其吸附孔雀石绿性能研究

该文在温度300℃、450℃、600℃、750℃下热裂解香樟叶制备香樟叶生物质炭,采用比表面积仪、扫描电镜、热失重仪表征了香樟叶生物质炭的物理性质,并研究了不同温度下制备的香樟叶生物质炭吸附阳离子染料孔雀石绿的性能.结果表明:450℃、600℃、750℃制备的香樟叶生物质炭为一种对热稳定的大孔和介孔吸附材料,并对孔雀石绿呈现优良的吸附性能,吸附过程遵循Langmiur模型.结论:在450℃、600℃、750℃条件下制备的香樟叶生物质炭可作为一种潜在的处理含阳离子污染物废水的吸附材料.     

K型线与回旋线在卵形曲线上行车稳定性分析

为研究K型线作为公路缓和曲线的可行性,对比分析K型线和回旋线在卵形曲线中车辆横向加速度、横摆角速度、横向荷载偏移率及横向加速度变化率4种指标的差异,分析车辆在K型线上行驶的行车稳定性.根据K型线数学模型和设置方法,求解K型线的逐桩坐标,并将其导入动力学仿真软件CarSim,建立小客车在K型线上行驶的仿真模型.通过改变缓...     

统计模型在污水处理厂试运行评价中的应用

运用进、出水时间序列的统计学模型对南京城北污水处理厂试运行状况和稳定性进行综合评价,并对实时监控数据进行了分析和验证。针对试运行期间出现的问题,提出长期和短期的整改措施和建议,为污水处理厂后期运行提供参考。     

正则图研究热点与周期演变的知识图谱分析

从Web of Science核心合集获取正则图研究全部期刊的文献数据,借助科学知识图谱绘制正则图研究2008-2022年的全时段高频关键词共现图谱,以及分时段高频关键词共现图谱(以每三年为一个时段)。通过比较全时段和分时段高频关键词的周期演变,识别正则图的整体研究概况与热点,以及各周期的研究热点及变化规律。结果显示：（1）正则图2008-2022年的四大研究热点为：正则图的参数与相关性质、正则图的特殊图类、正则图的应用、正则图的代数刻画;（2）在正则图的热点研究主题中,强正则图、距离正则图、复杂网络与算法等各周期稳定且变化极少;（3）从2011年开始,正则图热点主题数量显著增多,出现了线性码、深度学习、机器学习等研究主题。