“解方程器”软件包(EQNS-SOLVER)

作者提出了对于任意多项式方程组的一种带有普遍性的求解方法。多项式方程组可能没有解,或者有无穷多个解,或者有有限个解,解是实数也可以是复数。在有限个解的情况下,所创建的方法能够求出所有的解。作者完成了一个软料包,称为《解方程器》,曾在微型计算机上用FORTRAN语言完成计算过程。本文是《解方程器》软料包的说明,内容包括基本原理、方法、程序结构、应用举例以及使用的步骤。     

GOSCA－CFAR检测器在干扰边缘中的性能分析

本文研究ＧＯＳＣＡ—ＣＦＡＲ检测器￣［１，２］干扰边缘中的性能。文中推导出了它的干扰边缘环境中虚警概率的解析表达式，分析了它抗边缘干扰的性能，并且与ＯＳ、ＣＡ、ＧＯ和ＳＯ等检测器进行了比较。结果表明，ＧＯＳＣＡ的抗干扰边缘性能比ＣＡ和Ｋ＿（ｏｓ）＝（ｋ＋ｌ）＿（ＧＯＳＣＡ）和ＯＳ相近，比抗边缘干扰性能较好的ＧＯ要差。     

蓄电池监控模块的可扩充性设计

为使蓄电池监控模块在不断扩充的电源监控系统中能可靠、稳定地运行 ,从硬件和软件两个方面进行了蓄电池监控模块的可扩充性设计 ,其中采用多种网络接口并存的硬件结构和对接收数据的特殊软件处理方法 ,该模块能成功地应用于多个通信局 (站 )的电源监控系统     

并行处理可视化监测环境

针对并行程序的工程化开发中缺乏有效的并行程序执行过程的可视化、性能监测与分析工具 ,该文设计和实现了一个面向并行程序的集成开发环境的可视化与监测分析工具。该环境集成并行过程的可视化、并行性能监测和评价于一体 ,根据它提供的直观可视信息 ,程序员能形象化地看到并行程序的运行状况 ,了解并行程序的执行性能 ,并通过性能监测分析比较并行算法 ,找出并行算法的性能瓶颈。该工具已应用于胜利油田的油藏数值并行模拟中 ,有效地支持了油藏数值模拟并行程序设计的开发 ,并获得了较好的效果     

G-X5CrNi13.4不锈钢水斗现场检测方法

针对国内水头最高的水电站——西藏羊卓雍湖抽水蓄能电站4^#机水斗断裂事故，开展了在役机组水斗检测方法的研究，对照各种检测方法的差异，找出了最为有效的检测手段。     

犬复合营养素的研制及饲喂效果试验

试验以研制的由矿物质、微量元素、复合维生素和特殊香料组成的大用复合营养素饲喂２３头小型大和５０头大型犬，收到了明显效果。复合营养素对于预防营养和代谢疾病、佝偻病等有明显作用，亦有益于幼大生长发育及成年犬的繁殖，使用安全、可靠。     

凹坑板式空气预热器的传热特性及多目标优化

以全焊接型凹坑板式空气预热器为对象,基于最优设计试验方案,运用Workbench Fluent软件数值模拟凹坑板片特征结构参数对传热流阻性能的影响。基于参数敏感度分析,得到单因素作用下对传热流阻性能的影响程度为凹坑的纵向间距>长轴>横向间距>深度。基于响应曲面法分析,得到多因素协同作用时,凹坑之间的结构参数横纵距对性能影响比凹坑自身的结构参数深径比大。基于遗传算法以摩擦因子f最小、努塞尔数Nu与综合换热因子J_F最大为优化目标,得到给定范围内的3组较优结构组合。     

基于降维观测器与多胞体方法的执行器故障检测

针对具有执行器故障且状态方程和输出方程同时受到外部扰动影响的离散系统,研究了降维观测器设计方法和基于多胞体理论的区间估计方法,并在此基础上提出了基于区间估计的执行器故障检测方法。首先,通过适当的状态等价变换,将原系统分解成2个降维子系统,使得一个子系统可以直接解耦干扰。然后,在无执行器故障发生的前提下,基于对干扰解耦的子系统,提出了一种降维观测器设计方法,实现了原系统状态的渐近收敛估计。其次,针对具有干扰的子系统,设计了Luenberger型观测器,并结合多胞体理论,提出了一种对可测输出的区间估计方法。之后,基于可测输出的区间估计,提出了一种残差的构造方法,以此提出了一种执行器故障检测新方法。最后,给出了仿真设计和分析,验证了方法的有效性。     

组合桥面板疲劳荷载后剩余承载力试验研究

为了研究高性能混凝土组合桥面板经历疲劳荷载后的剩余承载力,设计制作了两个足尺的正交异性高性能混凝土组合桥面板,通过疲劳和静力加载试验测试了正交异性组合桥面板的静力承载能力、破坏形态与疲劳后剩余极限承载力。试验结果表明：正交异性高性能混凝土组合桥面板经历疲劳荷载后的静力破坏形态为受弯破坏,试件达到极限状态时中支点截面U肋屈曲,受拉钢筋屈服,负弯矩区混凝土板开裂严重,组合桥面板的受力性能发生退化。经过疲劳加载后的桥面板的剩余极限承载力较没有经过疲劳加载的桥面板承载力下降了约11.6%。基于钢筋混凝土黏结滑移理论推导了适用于疲劳荷载作用后的高性能混凝土组合桥面板平均裂缝间距计算公式。对比试验结果,所提出的平均裂缝间距计算公式具有良好的精度,可为实际工程应用提供理论参考。     

基于层次注意力机制的垃圾用户检测模型

目前基于网络的垃圾用户检测方法只考虑了简单社会关系,缺乏对更多复杂社会语义关系的利用,难以达到最优性能.针对这一挑战,提出一种基于层次注意力机制的垃圾用户检测模型(HAM-SD).模型首先使用异质信息网络对社交媒体进行建模,挖掘丰富的语义与结构信息,接着利用节点级注意力层聚合元路径邻居增强节点表示,同时利用自适应层级聚合模块选择不同层级特征提升表征能力,然后通过语义级注意力层融合不同元路径下的节点表示,最后带入分类检测模块实现垃圾用户检测.在公开数据集上的实验结果表明该模型能够有效检测垃圾用户,并在不平衡数据分布时保持较强的稳定性.