具有常余维数2k+2l不动点集的(Z2)k作用

设(Z₂)^k作用作用于光滑闭流形Mⁿ, 其不动点集具有常余维数r, J^r_n,k是具有上述性质的未定向n维上协边类［Mⁿ］构成的 集合.J^r_*,k为未定向上协边环MO_*的理想. 通过构造MO_*的一组生成元证明由所有维数大于2^k+2^l的上协边类及分解式中每个因子的维数都小于2^k的2^k+2^l维可分解上协边类构成.     

基于网络考试系统的UML建模

通过统一建模语言(UML)对网络考试系统进行了分析和建模,建立了系统用例图,并结合主要用例-学生考试模块,建立了类图、顺序图、活动图.描述了系统的功能需求、功能流程、类的结构与关系、对象之间的交互.最终采用面向对象语言实现在线考试系统.使用这种方法对系统进行建模,优化了开发过程,并有利于提高系统的稳定性、可维护性和可重用性.     

运动体信号监测与瞬态无线光传输系统的研制

通过研究运动体的信号采集及信号传输的光通信互联模型,分析了瞬态光传输窗口的可行性.利用中断嵌套在系统软件中实现了周期性采样与瞬态数据传输.设计出基于电池驱动低功耗微处理器的运动体信号采集与瞬态无线光传输系统.该系统能在最高速率为25 m/s的周期运动机体上实现以0.7 ks/s的采样速率采样,1 Mb/s 的传输速率瞬时传输数据.     

具有多地形运动能力的双模块软体机器人

针对现有爬管机器人应用范围有限、运动场景单一和多地形运动机器人无法攀爬、空间运动受限等问题,提出一种新颖的具备多地形运动能力的双模块软体机器人,每个软体模块由四气室全向弯曲软体气动驱动器组成.通过建立全向弯曲软体驱动器的弯曲模型,分析了全向弯曲软体驱动器的变化规律;提出了一种新型的旋转运动模式,使该机器人能通过旋转运动模式在多种复杂环境中运动;提出基于脉冲宽度调制(PWM)的步态控制方法,使该机器人能够更加简单快速地实现多地形运动功能,并通过实验验证其可行性.实验结果表明,基于四气室全向弯曲软体驱动器的双模块软体机器人能够沿圆形管道、方形管道及不规则杆状物(人体小臂)进行垂直攀爬运动,爬行速度达到11.7 mm/s,还能在平地、人造草皮、崎岖路面、斜坡等复杂地形进行快速移动,爬行速度达到14.0 mm/s,弥补了现有爬管机器人和多地形运动机器人的不足.该模块化软体机器人能在多种地形下进行稳定快速运动,适应性强,在管道检测和复杂地形探测等方面具有潜在的应用价值.     

你家换无油烟锅了吗

天裕科技公司和你身边的邮递员帮你从“无油烟锅大战”中精选出非常实惠的好锅同样的厨房油烟产生原因普通铁锅受热时产生局部高温,通常靠近锅底的地方温度达240℃,食油开始裂解和挥发,裂解和挥发的小油分子遇冷凝聚成微小颗粒,形成肉眼看得见的油烟。那么,如果能在一定时间内,将锅体温度恒定在180℃至240℃,不产生局部高温,做菜时就不会产生油烟,从而可远离油烟的困扰,同时也可避免食油裂解产生致癌物及食物高温下焦锅、粘锅、营养结构被破坏等问题。同样的炒菜油烟消除原理一般情况下,我们平常炒菜的温度都是在180℃至220℃之间,理论上讲,…     

基于对偶四元数的航姿系统姿态更新算法研究

以微小型捷联航姿参考系统为研究对象,建立基于对偶四元数的导航系统姿态更新解算参数模型。该方法区别于描述刚体纯旋转变换的四元数方法,将载体系与地理系之间坐标转换的旋转与平移过程进行统一、融合,通过建立最小方差目标方程,求解最优的姿态更新矩阵。构建Kalman滤波方程,最终确定载体姿态,航向角实时信息。仿真表明,对偶四元数所建姿态四元数误差的均值与均方差均小于0.002。Kalman滤波器构造符合实际系统要求,在传感器测量精度有限的情况下,可使俯仰角、横滚角、航向角误差分别减小到0.1°,0.1°,0.2°。     

行人运动仿真研究综述

行人运动仿真是近年来仿真领域研究的热点之一。从行人运动仿真的研究意义和研究内容出发,介绍了国内外行人运动仿真研究发展历程和研究现状,论述了行人运动仿真模型的三种类型,分析了成本效益元胞模型、元胞自动机模型、磁场力学模型、社会力学模型、排队网络模型五种典型的行人运动仿真模型的原理和适用条件。最后探讨了目前行人运动仿真研究中存在的问题及未来的发展前景。     

临近空间慢速平台SAR结合运动补偿的SCFT算法

针对临近空间慢速平台SAR轨迹运动偏差的空变性进行了分析.在二维频率域利用系统传输函数(STF)和变尺度傅里叶变换(SCFT)处理算法有效补偿了距离迁移和关于快时间波数的高阶相位,指出在运动补偿过程中,可将轨迹运动偏差分解成空不变项和空变项.在二雏频率域,结合一阶、二阶运动误差补偿的方法,提出了临近空间慢速平台SAR结合运动补偿的SCFT处理算法.最后,通过计算机仿真,验证了本算法的正确性.     

基于动态贝叶斯网的时变样本空间无监督学习

提出了针对概率分布参数时变的样本空间的参数估计问题,由于一般的聚类和EM算法等参数估计方法是针对概率分布时不变的样本空间的问题所采用的。因此,对于概率分布时变的样本空间而言,这些方法均不能有效、准确地估计实时变化的样本参数。通过构建动态贝叶斯网,利用先验和后验的知识进行预测和滤波,结合贝叶斯增量式学习方法并充分利用了其学习所获得的样本空间概率模型变化演进的规律,这样可以较准确、平滑地学习实时概率模型及其分布参数。     

向量矩阵迭代自组织XML辅助聚类算法

为了提高海量XML文档集的聚类质量,提出了一种基于向量空间模型的矩阵迭代自组织XML辅助聚类算法。该算法以XML键为基础,把XML文档转化为向量矩阵,通过矩阵迭代自组织学习对XML文档实施取消、分裂与合并等优化措施。为了加速算法的收敛性,在算法中引入辅助策略,虽然不一定达到矩阵向量分类间隔最大化的目标,却在尽可能分类的情况下使得运算时间缩短,其XML键权重调整更有利聚类效果。对比其它向量聚类算法,一系列仿真实验表明所提出算法具有一定的有效性及合理性。