基于滑移/非滑移异质界面的动压润滑性能优化

合理布置的滑移/非滑移异质界面可以提高流体动压润滑性能,但目前滑移区和非滑移区的组合方式大多采用单一的直线拼接法,没有针对流体润滑摩擦副的各类工况设计出相应的优化方案,为此本文建立了一组离散式二次方程来描述滑移区和非滑移区拼接轨迹,并引入计算域单元的宽长比作为优化变量,分别以液膜刚度和摩擦因数作为优化目标,通过MATLAB数值仿真求解不同宽长比条件下滑移区和非滑移区的最优拼接轨迹。结果表明,与直线拼接法相比,选取二次方程所描述的抛物线作为滑移区和非滑移区拼接轨迹的方法使流体润滑摩擦副在摩擦因数和液膜刚度等性能指标上都有所改善,而且根据不同的优化目标参数可以方便地绘制出最优拼接方案,验证了本文方法在改善动压润滑性能上的可行性和普适性。     

基于单目视觉的移动机器人伺服镇定控制

针对轮式移动机器人的单目视觉伺服镇定问题,在深度信息、机器人坐标系与摄像机坐标系间平移参量未知、摄像头光轴具有固定倾角的情况下,建立了移动机器人在摄像机坐标系下的运动模型.针对该模型提出了一种基于平面单应矩阵分解的鲁棒自适应控制方法,保证了误差的全局指数收敛.仿真和实验结果表明:所设计的控制器可以保证移动机器人指数收敛到期望的位姿,同时所设计的鲁棒自适应控制器对参数不确定性具有一定的鲁棒性.     

符号和指号在塑造林黛玉形象中的作用

从非语言交际方式的角度选取了副语言、客体语、环境语等内容,分析它们在塑造林黛玉形象中的作用,并试图用符号和指号的概念来给副语言、客体语、环境语定位。     

Plasma welding焊接系统在汽车行业的应用

为解决汽车车门外观质量、减少传统人工弧焊的焊渣堆积和焊接强度等问题，应用Plasma焊接系统，在保证焊点强度达到要求的前提下，使产品外观质量得到很大的提升，同时获得了更快的焊接速度，大大的提高了焊接效率。这项新技术的应用，使Plasma焊接系统在汽车行业的各种应用都具有可靠性高、产品外表面质量好的优点，是未来高端汽车逐步应用的技术之一。     

体育运动与青少年心理问题的项群特征研究

该文采用文献资料法、专家访谈法、逻辑分析法等研究方法,从竞技体操、竞技武术套路、竞技跳水这些具体项目去分析表现难美性项群所具有的共性特征和个性特征,分析了促进个性形成和发展的体育因素,说明了体育运动与青少年个性心理形成与发展之间的关系,提出了体育运动中促进青少年个性形成与发展的解决方法及策略,旨在为进行青少年心理问题研究者提供参考。     

瓦斯综合治理措施在非突出区域全层放顶煤工作面中的应用

突出煤层非突出区域的瓦斯综合治理工作,是回采工作面安全生产的关键。鹤煤五矿2302工作面通过采取瓦斯综合治理措施,有效防止了工作面的瓦斯超限事故,确保了工作面的安全正常生产。     

一种非接触式平面应变测量传感器的设计

设计了一款应变测量传感器,该应变测量传感器由安装在同一印制板上的三个专用芯片组成,每一个专用芯片上的CMOS感光器用于测量所在位置上的平面位移量.通过对传感器的建模分析,确定了传感器的结构设计,并针对设计传感器的误差来源,研究了传感器与被洲表面的粘贴方式和误差修正方法.实验表明,设计的传感器能够实现毫米级形变范围内的应变测量要求,同时设计的传感器可以作为一个传感器节点,应用于无线传感的应变监测网络中.     

求解非对称代数黎卡提方程的一种新交替线性隐式迭代法

提出了一种新交替线性隐式迭代法来求解非对称代数黎卡提方程的最小非负解,证明了该算法的单调收敛性,并且估计了该算法的渐进收敛因子.与已有的交替线性化隐式迭代法相比,该算法在迭代次数、CPU时间以及误差3个方面均有一定优势.     

自杀式袭击者是如何产生的

<正>人们认为,自杀式恐怖分子是理性的政治行为者,自杀式的枪手则是精神错乱、性格孤僻的人,其实这两类人的共同点远远比我们认识到的要多,但区别在于,他们为何种文化力量所塑造以及想要模仿哪些毁灭性的行为。梅·爱摩·康斯、阿里·阿布·卡马尔、希沙姆·穆罕默德·哈达耶以及尼达·马里克·哈     

Semiparametric Preference Learning

Unlike traditional supervised learning problems,preference learning learns from data available in the form of pairwise preference relations between instances.Existing preference learning methods are either parametric or nonparametric in nature.We propose in this paper a semiparametric preference learning model,abbreviated as SPPL,with the aim of combining the strengths of the parametric and nonparametric approaches.SPPL uses multiple Gaussian processes which are linearly coupled to determine the preference relations between instances.SPPL is more powerful than previous models while keeping the computational complexity low （linear in the number of distinct instances）.We devise an efficient algorithm for model learning.Empirical studies have been conducted on two real-world data sets showing that SPPL outperforms related preference learning methods.