关于一维射影映射的一个注记

给出了一维射影映射的一个等价刻画，证明了射影直线ξ1到ξ2上的连续映射φ:ξ1→ξ2是射影映射当且仅当存在常数κ≠0，1，使得φ保持交比κ，这一刻画改进了STEINER及VAN STAUDT关于一维射影映射的一些相关结果。     

YST25水压凿岩机配流阀的性能研究

配流阀是水压凿岩机的重要部件,阀芯的质量、结构、运动行程直接影响冲击活塞的频率,同时也影响凿岩机冲击机构的效率。为了减少水压凿岩机配流阀的泄漏及其能量损失,设计出一种新型配流阀。其阀口采用锥面形式,另外还采用了优化的不等阀开口量技术,并且阀芯中空结构减少了阀芯质量,经理论分析和计算表明,新型配流阀泄漏少,压力损失小,能耗低,且提高水压凿岩机的冲击效率。图3,参10。     

力素比对预应力混凝土复合受力构件强度及破坏形态的影响

构件的受力特征及承载力大小与许多因素有关,当构件其他内在因素不变时,力素比对构件的强度及破坏形态有很大影响。以预应力混凝土构件在弯、剪、扭复合受力下的板-桁模型理论为基础,按照力的平衡、力矩平衡、变形协调及材料本构关系等建立了相应的计算方程及全过程分析程序。利用此方法分析了在小扭弯比情况下,不同力素比对复合受力构件强度及破坏形态的影响,经试验值和理论值对比符合情况较好。     

考虑水温变化的热水管路水头损失计算公式

根据已有的热水管道水头损失计算基本公式，采用多元线性回归计算方法，提出了新的热水管道水头损失计算公式。该公式同时考虑了流速、管径、水温等因素的影响，具有较强的适用性。通过分析认为，该公式能满足工程设计要求，可用于热水管道工程的设计计算。     

旋叶式压缩机的气缸型线研究

根据旋叶式压缩机的工作原理，提出了气缸型线设计的基本原则。通过泄漏分析，设计出由密封圆弧、过渡曲线、主曲线所组成的气缸型线并推导出各段型线的通用方程。压缩机的吸气容积、内容积比等与主曲线的函数形式相关。以抛物线、椭圆、三次曲线以及三角函数为例的研究表明，三次曲线构成的气缸型线具有最大的吸气容积而内容积比最小，适用于大排气量低压比的机器；椭圆型线的吸气容积最小而内容积比最大，适用于小气量高压比的机器；三角函数型线介于两者之间；抛物线不适宜作为气缸型线。型线的最小曲率半径一般出现在过渡曲线段的拐点上，可通过改变曲线形式及扩大过渡曲线范围得到理想的最小曲率半径值，以利于机器的加工。     

关于加权组合旋流强度的研究

通过理论分析表明，传统的组合旋流强度定义不能充分体现组合旋流的流体动力学规律．在冷态实验中，用热线风速仪测量研究了旋流燃烧器喷口的流场特性．通过对实验结果的分析，严格证明了组合旋转射流的各层射流对流场的贡献并不相同．对射流的最大回流率而言，燃烧器内层的射流贡献大于外层的射流．在此基础上，提出了“加权组合旋流强度”的概念，使用权函数来体现各层风对流场特性影响的作用大小．实验数据的分析证明，加权组合旋流强度可以将实验范围内各工况的最大回流率分布拟合为一个线性的公式，相关系数的数值约为0．9，这优于使用传统的组合旋流强度拟合的公式．     

Gallopheasants中协同进化性状的似然比检验

基于细胞色素b基因全序列的贝叶斯系统树，应用似然比检验方法比较研究了Gallopheasants类群的2个性状对的进化格局和过程．结果揭示了栖息地结构和海拔高度的密切关系．完全性成熟年龄和卵大小显示了协同进化格局；时序分析表明在进化过程中，前者先于后者出现．该结论暗示了生活史类型的转变．     

光电成像系统分析中大气传输特性计算的几个问题

利用美国大气传输特性软件LOWTRAN，对常用的基于气象学能见距离的大气透射比公式及中波和长波红外透射比进行了分析．结果表明：气象学能见距离透射比公式可以较好地描述美国标准大气下可见光的光谱透射比和平均透射比，但其向紫外和红外波段的适用性需要慎重处理；在高温和潮湿条件下，中波红外波段的大气平均透射比在路径的起始阶段衰减较快；但在一定距离外，中波红外波段的大气平均透射比优于长波红外波段。     

似然比检验和贝叶斯推论在雉科分子系统学中的应用

应用似然比检验和贝叶斯推论进行雉科分子系统学研究．所用的56条纫胞色素b基因全序列代表了雉科24属50种以及作为外类群的6个相关属．等级制似然比检验表明该数据集的最佳进化模型为GTR I——G。建立在坚实的统计学基础上的贝叶斯系统树表明雉科可以分为3个分支．特别是包括角雉、松鸡、火鸡和gallopheasant等在内的第3分支的单系群性质得到了充分的支持．深层分支格局的高分辨率和高支持率说明将雉科划分为雉族和鹑族是人为的．结果表明，似然比检验和贝叶斯推论是分子系统学研究的强有力工具．     

中位数无偏和Pitman准则

利用Pitman准则考虑了随机变量的预测问题。在平方损失及Linex损失下证明了MU预测量是某一给定的预测量集合中的Pitman—closest预测量。