用毛主席的哲学著作指导学习《金属材料与热处理》

伟大领袖和导师毛主席的光辉哲学著作是认识世界和改造世界的强大思想武器,也是我们学好文化科学知识的指南。下面谈谈用毛主席的《矛盾论》指导学习《金属材料与热处理》课程的几点体会。 一、用矛盾的同一性与斗争性认识Fe——Fe_3C状态图 毛主席教导我们:“一切矛盾着的东西,互相联系着,不但在一定条件之下共处于一个统一体中,而且在一定条件之下互相转化,这就是矛盾的同一性的全部意义。”钢铁是由多种元素组成的合金,但其基本成分以铁碳为主,起着决定作用的是铁素体与渗碳体这两种基本相。它们同处在一个统一体中,但随着温度的变化,它们所处的状态不同。这就     

外墙外保温专用聚合物改性砂浆的研究

研究了水泥、可再分散乳胶粉、纤维素醚等因素对抹面砂浆抗裂性能和粘结砂浆粘结性能的影响,并进行了分析,得出了抹面砂浆和粘结砂浆的最优配比。     

面向连续离散系统的自适应最大相关熵滤波算法

针对目标跟踪中运动模型不精确和测量异常导致的传统滤波算法精度下降问题,提出了一种鲁棒平方根连续-离散自适应最大相关熵容积卡尔曼滤波(RSRCD-AMCCKF)算法。在目标跟踪问题中采用了精度更高的连续-离散时间模型,提高了目标跟踪的解算精度;将加权最小二乘方法与传统最大相关熵准则相结合,得到改进的相关熵代价权函数,之后引入连续-离散时间滤波框架,提高了滤波算法在测量异常情况下的鲁棒性;以高斯核函数作为相关熵的调整因子,依据不同测量环境选择自适应因子,进而对观测噪声的协方差矩阵进行调整。仿真结果表明：与传统算法相比,当测量噪声为高斯噪声时,RSRCD-AMCCKF算法对目标位置和速度估计的精度分别提高了38.4%和27.3%;当测量噪声为非高斯噪声时,RSRCD-AMCCKF算法对目标位置和速度估计的精度分别提高了23.5%和23.9%;当测量值发生突变时,RSRCD-AMCCKF算法对目标位置和速度估计的精度分别提高了12.6%和7.1%。RSRCD-AMCCKF算法在各类测量条件下都具有更高的精度和鲁棒性,更接近目标跟踪的克拉美罗下界,能够较好地实现滤波精度和抗异常测量的统一。     

基于M估计的自适应鲁棒平方根连续 离散CKF算法

针对测量中出现的异常情况,提出了一种基于M估计的自适应鲁棒平方根连续 离散容积卡尔曼滤波算法。该算法将目标跟踪问题建模为连续 离散时间模型,将改进的M估计的思想融入连续 离散容积卡尔曼滤波算法当中,通过Mahalanobis距离对异常测量进行门限判别,引入校正因子,根据观测残差自适应地调整观测噪声协方差矩阵的大小,进一步提高滤波算法的鲁棒性;通过将连续 离散模型与校正因子结合,实现了滤波精度和抗异常测量值的统一。仿真结果表明,与传统鲁棒算法相比,该算法在单点测量异常和多点测量异常的条件下都能够更加准确地对目标进行跟踪,且鲁棒性更强。