复合跟踪微分器在电容式位移传感器中的应用

针对从含噪原始信号中提取位置以及速度信息,经典跟踪微分器存在不能很好兼顾相位滞后和噪声放大问题、参数多,调试复杂等不足.在跟踪微分器等效线性分析基础上,提出复合形式跟踪微分器,用于电容式位移传感器位置信号跟踪以及速度信号估计,通过MATLAB\SIMULINK仿真以及实验平台测试,结果表明:在跟踪频率1 Hz、幅值1含噪声正弦信号中,复合跟踪微分器能光滑逼近原始位置信号,且能有效进行速度估计,相较于经典跟踪微分器,复合跟踪微分器跟踪相位滞后小0.03 rad,能更好兼顾跟踪信号相位滞后及速度信号噪声放大.     

P3HT∶Ag@C复合膜的制备及其光学性能

采用一步水热法制备了用于聚合物太阳能电池受体材料的核壳结构碳银复合材料(Ag@C),并以聚3-己基噻吩(P3HT)为给体材料,旋涂制备P3HT∶Ag@C复合膜。通过场发射扫描电子显微镜、热重分析仪、透射电子显微镜及电化学工作站,对Ag@C的形貌、热稳定性和能级结构进行表征分析,并用荧光分析仪和紫外分光光度计对复合膜的光学性能进行表征分析。结果表明,Ag@C具有良好的热稳定性且与P3HT能级相匹配,满足作为聚合物太阳能电池受体材料要求;与纯P3HT薄膜相比,复合膜发生荧光猝灭现象,光生激子在复合膜界面处可得到有效分离;光谱吸收范围变宽,增强了对太阳光的吸收。     

几乎无偏刘估计的不可容许性

考虑了线性回归模型中,在Fisherian和Mahalanobis损失函数下,几乎无偏刘估计对于最小二乘估计的不可容许性;结论表明:几乎无偏刘估计在Mahalanobis损失函数下是不可容的;最后进行了数值模拟来表明结果.     

基于分层贝叶斯模型的损失准备金估计

传统的准备金模型主要是通过加总个体数据得到聚合损失三角形数据建立的,然而,这种数据的加总对原始个体数据产生不可避免的信息浪费.虽然这种方法简单,但可导致准备金估计的较大偏差.近年来提出的个体数据准备金模型中大都没有考虑保单合同之间的相依性.本文假设相同事故年的保单产生的索赔具有某种共同效应导致的相依情形,通过建立个体数据准备金的分层贝叶斯模型,利用信度理论的思想,得到每个事故年的准备金估计,从而得到总准备金的估计.进而,讨论了发展因子和结构参数的估计及其相应的统计性质.最后,给出数值例子表明本文给出的准备金估计的计算方法,并且比较了个体数据和聚合数据下准备金估计的均方误差.     

公理化局部有限空间中映射连续性的扩展

用公理化方法研究了局部有限空间中的连续映射及其扩张问题。给出了局部有限空间的公理化定义方法;利用邻近关系研究了局部有限空间中的连续映射、同胚和局部同胚等问题;通过对局部有限空间变形的研究,定义了局部有限空间的一种特殊收缩核,有效地解决了局部有限空间中连续映射的扩张问题。     

开一辆核电池汽车周游世界

<正>电动汽车非常环保,大家都知道,但它"叫好不叫座",主要原因是——电池储电量有限,电动汽车常常无法长时间连续行驶;配套的充电站在街头仍是"少数派",不像加油站呈网点式分布。现在,有一种超级电池可以装配到电动汽车上,让电动汽车在不充电的状态下长时间连续行驶,它叫核电池!核电池与核电站提起用核能发电,大家或许最先想到核电站,那么核电池是不是微型核电站呢?     

带变量核的分数次积分交换子在变指数Herz-Morrey空间上的有界性

证明了带变量核的分数次积分算子T_(Ω,μ)与Lipschitz函数b生成的高阶交换子[b~m,T_(Ω,μ)]在变指数Herz-Morrey空间MK_(q,p)~(α,λ)(·)(R~n)上的有界性.     

Koch曲线的Hausdorff测度的改进下界估计

为了研究Koch曲线的Hausdorff测度的下界,本文在Koch曲线上定义了质量分布函数μ,对任意覆盖U导出了关系式μ(U)≤1. 876|U|s,利用质量分布原理,得到了Koch曲线的Hausdorff测度下界的更好估计值Hs(K)≥0. 533 049 041.     

Research on Tracing Evaluation System in Virtual Enterprise Based on Neural Network

The tracing evaluation index system was designed to be used in virtual enterprise and established neural network trace evaluation model. As a result, it was more simple and nicer than the traditional method, so it had wider application foreground.