零件加工路线柔性的测度及其应用

指出平行操作和多个可供选择的机器的存在是零件加工路线柔性产生的原因．采用根据熵的概念建立的零件加工路线柔性的测度，这一测度包含了所有的操作和机器特征（如机器可靠性等）．提出了制造系统中动态确定零件加工路线的算法．通过实例模拟对本算法和基于最短加工时间原则的算法进行了比较，结果表明基于最小熵原则的算法在提前期和机器利用率方面优于基于最短加工时间原则的算法     

信号的时频分析评述

从信号的时频局部化分析着手，分析了傅里叶变换在信号分析中的重要作用，指出傅里叶交换在刻划信号的时间信息和频率信息上的矛盾所在．比较了加窗傅里叶分析的优缺点，由于其分析所加的时频窗口有确定的时宽和频宽，所以不能敏感地反映信号的激烈变化程度．对前沿领域小波变换作了理论探讨，小波变换理论灵活的“变焦”特性，为信号的时频局部化分析提供了一条切实可行的方法．     

时间序列分析预测

将RFDE(Retarted Functional Differential Equation)和NFDE(Neutral Functional DifferentialEquation)引入到时间序列单元分析预测中,建立了RFDE和NFDE进行预测的理论基础和几个新的预测方法,并解决了其它一些预测方法难以解决的预测问题。     

物价变动下项目投资评价指标计算方法的改进

指出了目前假定物价不变，仅根据货币时间价值计算项目投资评价指标，以确定投资方案的可行性的缺陷，提出了根据物价指数，采用货币时间价值的现值计算法，以确定不同时期货币的实际价值，真实地计量项目投资的经济效益，达到节约建设资金，避免不合理的投资，减少决策失误的目的。     

共析碳钢过冷奥氏体—珠江体转变的理论计算

据晶体相变的成核理论及晶体原子扩散的计算，定量出推导出了共析碳钢的过冷奥氏体－珠光体转变的时间－温度－相转变开始的函数关系式。与此相变的实验曲线的定量表明；推导与实验曲线在形状上符合。     

气水合物形成时的诱导时间定义辨析

以气水合物形成过程中的诱导现象为基础,借助于微观和宏观概念对各种理论模型提出的诱导时间定义进行了归纳和总结,分析了其中的区别和联系.进一步明确了诱导时间及其相关时间间隔段的含义及特殊状况下诱导时间的确定方法.为使诱导时间的测量更具操作性和定义具有普遍适用性,切实将其作为判断促进剂或抑制剂影响水合物形成动力学的依据,建议将诱导时间定义为从反应开始到系统某状态参数发生急剧变化所经历的时间,即系统从水合反应开始到产生大量可视晶体所需要的时间.     

一致性测试中的时间约束及测试用例生成算法

针对协议测试理论中的时间约束问题，从不同的一致性测试方法出发对协议测试中的时间参数做了严格的约束，同时给出了基于等待、协调和同步时间的严格约束下的测试用例生成算法．在控制流测试中，先生成引导序列，然后按照测试拓扑环境设置和事件约束对引导序列、测试序列的时间进行约束设置．在数据流测试中，等待时间只需按照需求描述和约束来设定．对边界网关协议进行测试的结果表明，所提算法能适应不同的网络拓扑环境，其生成的测试用例在测试中能够有效降低测试代价．     

滑坡灾害短期临滑预报监测新途径研究

由于滑坡灾害的复杂性,迄今为止,尚未形成经得起大量实践验证的预报理论与方法,现仍然是地质灾害学中正在探索研究而未完全解决的难题.通过对滑坡灾害研究史、预测预报、监测技术的分析,认为在滑坡进入加速变形至剧变形破坏阶段,地表及深部监测网点及其设施遭受破坏,无法继续利用“点”式测量方法采集监测数据的情况下,地面三维激光扫描仪可不受干扰独立进行滑坡的“面”式测量,为预测预报滑坡的发生时间提供第一手连续可靠的数据资料,可进一步提高滑坡灾害预测预报的精度.     

影响地表动态移动和变形的因素

以Knothe模型的函数为基础,对不同推进速度和不同时间影响系数下动态地表移动和变形进行研究.结果证明:提高开采速度有利于减小地表采动损害;时间影响系数c较小时,下沉迟缓,最大动态变形值较小,随着c的增大,地表动态变形值增大.     

Research on Chaotic Time Series Prediction Based on K-entropy and RBF Neural Networks

In this paper, a method of direct multi-step prediction of chaotic time series is proposed, which is based on Kolmogorov entropy and radial basis functions neural networks. This is done first by reconstructing a phase space using chaotic time series, then using K-entropy as a quantitative parameter to obtain the maximum predictability time of chaotic time series, finally the predicted chaotic time series data can be acquired by using RBFNN. The application considered is Lorenz system. Simulation results for direct multi-step prediction method are compared with recurrence multi-step prediction method. The results indicate that the direct multi-step prediction is more accurate and rapid than the recurrence multi-step prediction within the maximum predictability time of chaotic time series. So, it is convenient to forecast and control with real time using the method of direct multi-step prediction.