基于熵评价模态分解的雷达信号双谱特征识别

针对在低信噪比下雷达信号调制识别准确率低、抗噪性差的问题, 提出一种基于熵评价模态分解和双谱特征提取的识别方法。利用双谱可以抑制高斯噪声的特点, 分析了在低信噪比下进行信号调制识别的可行性并引入了噪声项。由于噪声项的干扰, 双谱在0 dB以下时, 噪声抑制效果变差, 提出了基于信息熵评价的经验模态化分解对信号进行预处理, 提高信噪比。最后, 设计了卷积神经网络分类器, 实现对不同调制类型信号的识别。仿真实验结果表明, 本文方法相比传统方法具有良好的抗噪性, 能够在低信噪比下对不同类型信号进行有效识别。     

动力学模态分解方法重构及预测流场误差分析

利用动力学模态分解(dynamic mode decomposition,DMD)方法可以实现非定常流场的分解、重构和预测,但该方法重构和预测流场的误差需要给出定量分析.鉴于此,提出了定量描述动力学模态分解重构和预测流场的误差分析方法,以雷诺数Re=80的圆柱绕流二维流场数值模拟结果为例,研究了非线性流动和周期性流场重构和预测误差的动态变化情况.结果表明:依据能量大小确定的模态反映了流场的主要相干结构;低频、低增长/衰减率和大尺度的相干结构能量占比大,对流场的影响较大;DMD方法可以准确重构非线性和周期性变化流场,重构的误差小于10-10,预测流场的误差较重构流场出现跳跃增大现象;DMD方法预测非线性变化流场的误差在样本时间区间内较小(小于10-3),超出样本区间误差的发展急剧增大,变化情况依赖于数据样本;预测周期性流场的误差稳定在10-4左右.     

次酉极因子的扰动界

矩阵扰动问题不仅对矩阵论,而且对控制论、力学、线性系统以及工程都有着重要的意义.主要利用矩阵特征值与奇异值的性质,对广义极分解中次酉极因子的扰动界进行研究,得到F范数下新的扰动界,并利用最新的换子不等式,对李仁仓的研究结论重新证明,该证明更加简短有趣.     

降雨条件下考虑非饱和渗流的黄土滑坡灾变分析

采用滤纸法测试,并根据SWCC理论模型Van Genuchten方程拟合,得到非饱和土-水特征曲线,同时根据Van Genuchten统计传导模型估计渗透系数曲线.针对降雨诱发型黄土滑坡,建立边坡二维分析模型,以Mohr-Coulomb准则作为滑坡破坏依据,以非饱和土渗流理论为依托,进行渗流分析和稳定性分析.通过分析降雨不同持时坡体内部孔隙水压力的变化规律,揭示降雨入渗机理.结果表明,随降雨时长增加,滑坡土体由非饱和状态向饱和状态过渡,坡体孔隙水压力不断增加,水位线不断向上抬升.稳定性分析结果表明,降雨持续时间越长,滑坡稳定系数越低,降雨开始前滑坡稳定系数为1.005,滑坡处于蠕动变形阶段,与现状滑坡体上裂缝发生发展相符合;雨强120 mm/d持续降雨48 h时稳定系数为0.978,滑坡为不稳定状态;降雨持续2.5 h时,滑坡由欠稳定状态转为不稳定状态,由蠕动变形阶段进入滑动阶段,反映了滑坡稳定状态对降雨极为敏感.     

巨灾风险大数据处理应急分类、分解、分拣算法与应用

本文主要研究巨灾风险大数据处理的应急分类、分解、分拣算法,给出了相应的算法原理和可操作的步骤.首先根据巨灾风险大数据灾害规模巨大的特征,提出了一种用来解决巨灾风险大数据中一级事件的应急分类与二级事件及以下更低级事件的应急分解算法,并以特大地震灾害作为实例进行了算法应用.接着定义了事故灾难度,用来对巨灾风险大数据处理过程中,对各种级别的事故灾难后果进行不同的数字标识.然后提出一种用来解决巨灾风险中大数据快速处理的应急分拣算法,并在汶川地震中大规模灾害的应急救援计划中进行应用.经过采用这样的应急分拣原理,就可以在面对巨灾风险大数据的复杂、繁多和零乱的重灾事件状态下,使整个应急救援方案优化,并能够有条不紊地进行救援.     

电动汽车将受到油价暴跌冲击

<正>国际可再生能源机构总干事阿德南·阿明近日称,比起绿色能源产业的其他部门,油价暴跌对电动汽车和生物燃料行业的冲击会更大。这是因为它们直接的竞争对手是使用汽油做燃料的汽车,而油价暴跌后这种车会变得更便宜。阿德南表示,风力发电场、太阳能发电厂和其他可再生发电厂应该不会受到油价暴跌的影     

带有白噪声的Berger方程随机吸引子

考虑带有白噪声的Berger方程解的随机渐近性行为, 用渐近先验估计技术和算子分解方法, 通过引入同构映射构造等价过程, 证明随机吸引子在(H²(U)∩H¹₀(U))×L²(U)中的存在性.     

CRH380A型动车组转向架检修及分解工艺

介绍了CRH380A型动车组转向架三级检修工作的主要内容，以及三级检修过程中的分解工艺和检修注意事项，为日后检修工作提供必要的理论依据。