一类算子矩阵的谱、点谱和剩余谱

对于斜对角元至少有一个可逆的算子矩阵,刻画了其谱,1、2、3、4-类点谱及1、2-类剩余谱,并举例验证了结果的合理性.     

立方混沌系统的多种目标控制

运用系统变量的状态反馈与参数调整的混合控制策略,对立方混沌系统实施多种目标的混沌控制.理论研究和数值仿真表明:控制方法能实现离散混沌系统的倍周期分岔控制,通过延迟和抑制分岔,确保在较宽的参数范围内达到规则行为;能稳定嵌套在混沌吸引子中的不稳定周期轨道;实现变轨控制,即通过选择合适的调整参数,将系统从一个2n周期轨道控制...     

单位群可表示为(Z2+Zpm)的模n剩余类环

运用群论、环论及初等数论的相关知识,确定当(U(Zn)≌Z2+Zpm)时,n的取值问题,其中m≥3,p为素数.     

单位群可表示为(Z2+Zpm)的模n剩余类环

运用群论、环论及初等数论的相关知识,确定当(U(Zn)≌Z2+Zpm)时,n的取值问题,其中m≥3,p为素数.     

蓄电池数字化的研究应用

<正>二次电池特别是大容量的蓄电池在交通和通讯领域广泛应用,对电池的充放电等日常维护管理显得非常重要。由于现在应用的蓄电池均不带智能检测装置,即不是数字化电池,所以,蓄电池的充放电电流、电压、充放电时间、充放次数、充放电容量、剩余容量、内部温度和使用寿命等基本参数,只能靠人工测量或大概估算,容易出现较大误差,在重要的岗位,不但对正常的生产或工作产生不可预计的后果,而且蓄电池的电气性能和寿命也会遭受极大的损伤,     

基于深度强化学习的机械装备剩余使用寿命预测方法

随着机械装备发展的日益大型化和复杂化,其使用安全性和可靠性也越来越受到重视.剩余使用寿命(remaining useful life, RUL)预测技术,通过分析设备的运行数据,预测设备还能正常运行的时间,利用该技术可有效提升设备运行的安全性和可靠性,同时可为设备的后续维修决策提供关键依据.本文提出一种基于深度强化学习(deep reinforcement learning, DRL)的RUL预测方法,首先通过自编码器(autoencoder, AE)对机械装备的原始信号进行特征提取,利用提取到的特征构成强化学习的状态变量,通过设置合适的动作空间和奖励函数训练强化学习模型,使其能依据样本间的时序相关性对装备的RUL进行准确预测.与其他方法相比,强化学习方法的时序交互决策逻辑可以自然地保留样本间的时序依赖关系,降低了RUL预测的波动性.最后利用涡轮发动机数据集CMPASS对提出的方法进行实验验证,所提出的方法在RMSE和Score两项指标上均优于目前多种RUL预测方法,且所提出方法对于接近退化末期的装备预测效果有明显提升.     

L-Fuzzy理想的L-Fuzzy剩余类的刻画

给出当L是完全分配格时L-fuzzy理想的L-fuzzy剩余类的定义及若干刻画,并证明了若f:X→Y是环满同态,B是Y的L-fuzzy理想,则X关于L-fuzzy理想f -1(B)的L-fuzzy剩余类做成的环X/f-1(B)与环Y同构.     

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．     

关于立方幂补数k次均值的注记

设S(n)是正整数n的立方幂补数.用初等方法探讨了S(n)的k次均值的渐近性质,给出了两个更为精确的渐近公式,补充了有关文献的结论.     

砾间接触氧化反应器中微型动物种类及其贡献解析

通过3组平行试验,验证了生物砾石接触氧化法处理生活污水的可行性.结果表明:连续曝气的处理效果最佳.在3组试验装置的好氧生物膜中,检测出6种微型生物:钟虫、草履虫、轮虫、线虫、盾纤虫和体虫.其中,体虫未在间歇曝气装置中出现.连续曝气装置中检测到的微型生物种类与数量均多于间歇曝气装置.微型动物对剩余污泥减量的贡献可归纳为:增长食物链;直接对污泥进行摄食和消化,在减少污泥容量的同时增加污泥的可溶性;利用微型动物来增强细菌的活性或增加有活性的细菌数量,从而增强细菌的自身氧化和代谢能力,减少剩余污泥量.