无穷时间多维不确定线性二次最优控制

研究了一类无穷时间区间多维不确定系统的线性二次最优控制模型,推导出求解该模型的最优性方程,并证明了该模型最优控制存在的充分和必要条件.     

改进二次型Boost变换器的研究与分析

传统二次型Boost变换器具有较高的升压能力,但其开关器件的电压、电流应力较大,增加了电路的体积与成本。笔者在传统二次型Boost 变换器的基础上,结合高增益Boost 三端网络,提出改进二次型Boost变换器,并对其连续工作模式下的工作原理及各开关器件的电压、电流应力进行了分析。分析结果表明,改进二次型Boost 变换器不仅升压能力有所提升,而且在输出电压相同的情况下,开关器件的电压、电流应力有所降低。最后,通过仿真分析验证了该变换器的正确性和可行性。     

太阳影子拍摄时间和地点的定位方法

根据直杆在太阳下影子的长度确定拍摄地点和日期。首先,确定影响影长变化的5个因素,建立影长变化关系式,并分析单一参数变化对影长的影响规律。其次,在影长已知的情况下,采用非线性回归模型和最小二乘法,相对精准地确定直杆所处地点和拍摄日期。并针对一影长渐变的视频进行模型应用。最后,运用Matlab对影长变化规律、非线性回归模型、灰度读帧处理分别编写算法并描述。     

基于模型分解的车辆侧倾控制器设计

八自由度车辆模型所包含的控制量较多, 对其直接分析控制有一定的难度, 为此, 提出一种模型分解方法。将原有整车模型分解成3 部分, 使每部分模型包含的控制量较整车模型明显减少, 便于对每部分单独设计控制器。同时对分解后模型的车辆侧倾角及其速度部分, 使用线性二次型最优控制方法, 设计状态最优控制器实现车辆稳定性控制。计算结果表明, 该控制器具有较好的控制效果, 既降低了分解后模型的分析难度又保证了车体控制的精度。     

遥感估算植被覆盖度的角度效应分析

植被覆盖度是植被在地面的垂直投影面积占统计区总面积的百分比.由于植被反射的二向性特性,不同角度估算的植被覆盖度原则上不可比,另外,不同观测角度对应像元不同的采样面积,对于非均一地表这种面积差异引起的角度效应也非常显著.本文除了考虑植被的二向性反射,还重点模拟分析了由于像元的采样面积差异引起的角度效应及其带来的植被覆盖度估算误差.模拟结果表明:相比天顶观测,在倾斜40°观测时,对于作物和裸土混合,由于面积误差带来的红光波段反射率差异已高达56%,同时引起的植被覆盖度估算误差达到23%,因此研究植被覆盖度的角度效应问题很有必要.     

基于偏最小二乘的BP网络模型及其应用

基于BP网络模型具有拟合非线性数据的特性,提出一种基于非线性迭代偏最小二乘算法(NIPALS)的BP网络的构造策略,构造了新的PLS-BP网络模型,使BP网络减少迭代步数,提高学习效率.采用非线性迭代偏最小二乘算法预处理数据,将得到主成分数、自变量和因变量的主成分数的权重以及主成分间的关系矩阵B,以此用来确定BP网络的隐节点数和输入层、输出层的初始权值以及隐节点的关联系数.最后,进行仿真实验,并将它与PLS模型、标准的BP网络模型进行了比较,仿真结果表明,拟合和预测效果较好.     

二硫基二苯并噻唑的绿色合成

以2-巯基苯并噻唑(M)为原料,于水相(含少量丙酮)体系中,在过氧化氢的氧化下发生反应,高产率获得二硫基二苯并噻唑(DM)。     

阳离子聚合物对喷墨记录材料性能的影响

研究了不同阳离子聚合物聚二甲基二烯丙基氯化铵(PDMDAAC)和二甲基二烯丙基氯化铵－丙烯酰胺共聚物(PDMDAAC-AM)对喷墨记录材料的吸墨速度、清晰度以及耐水性能的影响。结果表明,当PDMDAAC和PDMDAAC-AM的添加量为每10mL涂布液中加入0.4mL时,喷墨记录材料的记录性能达到最佳。且通过扫描电镜照片显示,向喷墨记录材料的涂层中添加PDMDAAC-AM比添加相同量的PDMDAAC能得到更好的记录性能,可使喷墨记录材料的吸墨速度加快13倍、清晰度提高0.76%、耐水性能也得到明显的改善.     

建立吸附动力学方程的"多化一"方法

建立吸附动力学方程的关键是求出吸附动力学方程(如Elovich方程qt=A B lnt)中的参数A和B.该文提供了一种建立吸附动力学方程的新的"多化一"方法,即用作图软件GRAPHER对不同浓度时的数据进行拟合,求出各浓度时的吸附动力学方程中的参数A1,A2,A3,A4和B1,B2,B3,B4;再分别用这两组数据对浓度作图,求出用浓度表示的A和B,代入所选取的吸附动力学方程中即得最终所要建立的吸附动力学方程.以某放射性废物处置预选场址土壤对锶的吸附动力学方程的建立为例,与常用的最小二乘法比较可见,该方法更简单易行,准确度也较高.     

基于RS与LS-SVR的储层参数预测

该文提出结合粗糙集(RS)和最小二乘支持向量回归(LS-SVR)的方法.该方法利用RS对原始数据进行约简,更好地减少了支持向量的维数;同时采用LS-SVR解决了常规SVM计算速度慢、抗噪能力差的缺点.实例证明该方法应用在复杂地层储层参数预测中具有优越性.