浅析我国注射死刑制度

中国将逐步以注射方法执行死刑的消息引起社会的广泛反响，它标志着我国在严厉打击刑事犯罪的同时，死刑执行制度正向文明化、人道化迈进。就我国采用注射方法执行死刑的现状做了说明，分析了我国采取注射方式执行死刑的必然性和正确性。同时，也就其在执行过程中产生的问题和争议谈了看法。     

线性状态多时滞系统鲁棒故障诊断滤波器设计

研究一类具有外部扰动的不确定线性时滞系统的鲁棒故障诊断滤波器设计问题。通过引入一种广义坐标变换,使得线性连续状态多时滞系统变为输出灌入(outputinjection)系统;据此,引入一种体现残差对故障信号具有灵敏性同时对不确定性扰动具有鲁棒性的性能指标,应用H∞最优控制理论,借助线性矩阵不等式(LMI)技术设计系统的状态全维鲁棒故障诊断滤波器,并给出该滤波器问题解的存在条件和求解算法。最后给出一个仿真算例,仿真结果表明了该算法的有效性和可行性。     

高压注水泵动力学仿真分析

简要地分析了中国石油机械设备的发展现状，提出了在我国石油机械装备企业运用现代设计方法的必要性。简要地介绍了动力学仿真及其相关技术。并选取典型的3H-8/450型高压注水泵作为研究对象，完成了泵仿真模型的建立；对泵进行运动学和动力学仿真分析，系统所需电机驱动力矩计算；并用理论解对仿真模型和仿真结果进行了验证；对仿真结果进行分析，提出了改进意见，并对改进设计进行仿真实验，仿真结果表明改进设计显著地改善了泵的受力状况。     

农民工的流动趋向差异分析

农民工个体的特殊经历、社会性别、年龄、在城市工作与生活的时间长度、族群、职业群体、社会阶层和自我满意度等变量与其流动趋向密切相关。     

天气图上的涡旋动力学

天气图上有许多种涡旋型式。本文说明了天气图上的流场可以分解为旋转场和变形场:地转无摩擦的气旋、反气旋的涡旋型式是围绕中心点的闭合环流流;考虑摩擦的气旋、反气旋的流型是围绕焦点的螺旋型式;鞍型场有4个涡旋中心点(2个气旋和2个反气旋)与1个鞍点;阻塞高压和切断低压由1个涡旋中心点与1个鞍点组成。从以上结果可以清楚地了解实际大气涡旋形态的动力和形成机制。     

微机化在线实时两相流测量用相关仪的研制

提出了一种快速极性相关算法,该算法利用标准8位微处理器具有的按位和处理8位数据的功能,采用了查表方式计算相关值,并以二分法进行峰值搜索。在Z8671单片机(晶振7.3728MHz)上执行该算法,允许的最高采样频率为18.08kHz。如果取相关计算长度为256点,测量窗口为127点,采样后只需10ms便可以给出流体流经距离L的渡越时间,从而使以微处器为核心的相关仪,可以满足实时应用的要求。     

用重整化群流方程研究重费密子系统的重整杂化带模型

重整化群流方程方法是一种非常有用的理论研究工具,它可以用于各种物理系统中,求取系统的能谱和期望值,由此获得系统的一些属性.用该方法研究重费密子系统推广后的重整杂化带模型,求得相应的两支准粒子能带,这些结果与用常规的格林函数方法求得的结果完全一致.     

Fe-6.5％Si钢中温变形过程本构方程

利用Gleeble 3500开展了Fe-6.5%Si(质量分数)钢在变形温度300,400,500,600℃及应变速率为0.05,0.5,5s^-1条件下的单道次压缩实验.在初始均匀塑性变形阶段,加工硬化作用使流动应力迅速增加,随着变形继续动态软化机制启动,流动应力增加量减弱.随着温度升高和应变速率降低,应变硬化指数减小.提出了通过变形温度、应变速率描述应变硬化指数的方法构建Fe-6.5%Si钢中温变形过程本构方程.构建的本构方程对不同变形条件的应力预测结果和实测值吻合良好,平均相对误差约为5.35%,预测精度较高.     

蒸汽-兰炭换热与余热回收特性实验研究

利用自行搭建的蒸汽–兰炭气固换热实验系统,研究了整个料层内兰炭与蒸汽的换热及余热回收特性,分析了颗粒平均粒径、料层厚度、蒸汽流量对兰炭余热回收量和蒸汽?增的影响规律。实验结果表明:随着换热时间的增长,料层整体平均温度以先快后慢的趋势逐渐降低,有效换热系数逐渐减小,热回收量和蒸汽的?增上升;增加料层厚度、减小兰炭颗粒的粒径、提高蒸汽流量有利于有效换热系数的增加,有效换热系数的范围在3.5～52.0 W/(m~2·K)之间。此外,拟合出了粒径、料层厚度、蒸汽流量、料层整体平均温度与有效换热系数的实验关系式。     

基于XGBoost的短时交通流预测模型

为提高路段短时交通流的预测精度,选取路段平均旅行时间作为预测指标,建立了一种基于极端样度上升(extrem gradient boosting,XGBoost)的短时交通流预测模型。首先通过对交通流数据的分析,在考虑交通流时空特性的基础上,分别构建目标路段时间序列训练集、测试集以及时空序列训练集、测试集,然后基于XGBoost模型以及构建的训练样本集建立时间序列预测模型以及时空序列预测模型,并利用训练好的模型进行预测,最后将模型预测结果与线性回归模型、神经网络模型预测结果进行比较。实验结果表明:基于XGBoost的短时交通流预测模型能够对路段未来时段平均旅行时间进行比较准确的预测,其中时间序列预测模型均方根误差为5. 32,时空序列预测模型均方根误差为4. 82,均低于线性回归模型和神经网络模型,且相比于仅考虑时间因素的短时交通流预测模型,同时考虑时空因素的预测模型得到的误差更低,预测效果更好。