欧式看跌期权定价问题的紧致有限差分格式

针对单个的Black-Scholes方程,提出一种紧致差分格式.首先,利用指数变换消去方程中的空间一阶导数;接着,在时间方向上采用CN格式,空间二阶导数采用四阶Padé逼近,构造精度为O(Δt~2+h~4)的紧致差分格式;然后,利用一种较为不同的离散能量法分析差分格式的稳定性和收敛性;最后,通过数值算例验证理论分析的有效性.     

机床电动机保护电路引起的故障分析与改进研究

机床设备在生产领域中占有不可取代的地位,其运行质量直接影响到车间的生产质量,而当前大多数机床设备使用电机驱动的方式,其中更大一部分机床使用的是交流异步电机。与直流电机相比,交流异步电机的运行更稳定可靠、使用寿命长且不需要耗费大量的维护成本,具有明显的优势。但是在实际运行过程中,仍然存在电机造成的故障,影响到生产效率。该文主要对机床电动机保护电路引发的故障进行分析,然后提出相关的改进策略。     

2种煤液化残渣氧化萃余物中杂原子化合物的鉴定

在40℃恒温水浴下用次氯酸钠对2种煤液化残渣进行氧化,将反应所得混合物用滤膜过滤,滤出液依次用石油醚、二硫化碳、四氯化碳和乙酸乙酯萃取,得到的萃取物用气相色谱/质谱(GC/MS)分析.根据分析结果系统地考察了2种煤液化残渣中所含杂原子化合物的分布,为从煤液化残渣中选择性地脱除这些杂原子化合物及提取高附加值化学品提供了一条路径.     

基于Sobol法的车身抬高量的全局敏感性分析

为分析前轮转向时车轮中心主销拖距和车轮定位参数对车身抬高量的影响,建立了车身抬高量模型,并采用图形变换的方法进行求解,再应用改进的Sobol法对车身抬高量进行全局敏感性分析,比较了主销内倾角、主销后倾角、前轮外倾角、前轮前束角、车轮中心主销拖距对车身抬高量的贡献度。结果显示,车轮中心主销拖距、主销后倾角、主销内倾角对车身抬高量影响较大,其总效应指数分别达到0. 7323、0. 0270、0. 0219,说明车轮中心主销拖距是一个对车身抬高量影响较为明显的参数。     

LC-MS/MS法测定比格犬血浆中Epacadostat的浓度

本文旨在建立快速、灵敏、可靠的液相色谱串联质谱(LC-MS/MS)方法以测定IDO抑制剂Epacadostat在比格犬血浆中的浓度,研究其在比格犬体内的药代动力学特征.色谱柱为Waters symmetry C18 (150 mm×2. 1 mm,3. 5μm),流动相为乙腈-水(80∶20,含0. 02 mmol/L乙酸铵),流速为0. 2 m L/min,采用负离子选择性反应监测模式监测.在此实验条件下,方法的灵敏度高,专属性好,分析物在0. 025～5μmol/L范围内线性关系良好(r 0. 992 5),批内批间变异系数小于12. 5%,偏差在±5. 1%以内,该方法已成功应用于比格犬血浆中的Epacadostat药物浓度测定.动物实验结果表明,Epacadostat在比格犬血浆中的药时曲线下面积(AUC0-24)为19. 7±1. 65 h·μmol/L,末端消除半衰期为7. 05±2. 73 h.     

生活中的对称及对称性的刻画

文章通过对一些具体的对称对象进行分析，得到了对对称的基本特性的认识，并给出了对称的精确刻画。     

多铰接结构的现代无轨列车路径跟随研究

现代无轨列车是一种新型公路运输车辆,其融合了汽运车辆建设成本低和轨道车辆载运量大的技术优势.针对多铰接现代无轨列车车体编组多,运动自由度大,曲线路径行驶时后方车辆会偏离前方车辆的运动轨迹的问题,建立了跟随误差模型,分析影响路径跟随性的因素,提出一种曲线路径行驶的路径跟随策略.采用航向角预测跟随控制策略,设计中间车轴的铰接角和后车轴的转向角控制规律,以增量PID算法补偿阿克曼转向模型误差,提高系统稳定性.最后在圆曲线路径和"S"曲线路径工况下测试车辆各轴的行驶轨迹.仿真结果表明:车辆的位置跟踪误差保持在0.03 m以内,航向跟踪误差最大在4.5°以内,车辆具有较好的路径跟随性能.     

《分压式偏置共射放大电路》教学设计

以“模拟电子技术”课程中《分压式偏置共射放大电路》为例,分析教学设计方法。采用“项目引领,任务驱动”教学模式和“小组合作,自主探究”学习模式,并辅以信息化手段配合教学,可以调动学生学习的主动性和积极性。     

基于数据场联合PRI变换与聚类的雷达信号分选

基于脉冲描述字进行雷达信号分选时,传统聚类算法需要预先人工设定聚类中心和聚类数目。针对该问题,提出一种基于数据场理论联合脉冲重复间隔(pulse repetition interval,PRI)变换与聚类的雷达信号分选新方法。首先,依据数据场理论,基于势值大小实现干扰点剔除,而后利用PRI变换算法进行PRI估计,依据PRI估计值将归一化脉冲描述字数据预分类,进而以各类数据集中心间的欧氏距离小于辐射因子为准则进行类别合并,自动得到初始聚类中心和聚类数目,最后通过改进K-Means算法完成聚类分选。仿真实验表明:所提方法能够应对存在频率捷变,重频参差、抖动、参数交叠、局部脉冲丢失的复杂信号环境,分选正确率明显提升。