具有外部干扰的耦合时滞神经网络固定时间二分同步

针对结构平衡图与结构非平衡图的网络拓扑,考虑了一类具有外部干扰的耦合时滞神经网络模型,分别设计了其固定时间同步控制协议.借助固定时间稳定性理论与不等式技巧,获得了耦合网络在固定时间内达到同步的充分性判据,给出了具体的收敛时间上界,并验证了固定时间同步网络的鲁棒性与抗干扰性.为了扩大网络模型的适用性,考虑的神经网络激活函数为非连续的函数,可借助微分包含与集值李导数理论解释非连续微分方程的动力学行为.最后,分别在结构平衡图和非平衡图下对耦合神经网络的固定时间二分同步进行了数值仿真,验证了控制算法的有效性及理论结果的正确性.     

中间包永久层正交设计试验

中间包是连续铸钢系统的重要组成部分。本文采用正交设计法,以铝酸盐水泥、微硅粉、高温氧化铝微粉三种微粉作为影响因素,制成9组铝硅质低水泥中间包永久层浇注料试样,检测试样中、高温性能指标。结果表明,最优方案为A_2B_2C_3,即铝酸盐水泥、微硅粉、高温氧化铝微粉质量百分含量分别为3wt%、4wt%和2wt%。     

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.     

基于信息化知识管理系统的中医拔尖人才培养模式

中医拔尖人才的培养是新时期中医院校和中医医院发展的"核心竞争力",信息化知识管理系统是运用信息技术将名老中医的隐性知识转化为显性知识,利用网络存储、系统开发、资源共享的便捷性探索适用面更广、形式更灵活多样、可操作性更强的中医拔尖人才培养模式.     

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.     

氯乙烯精馏过程模拟优化与节能降耗的研究

针对某聚氯乙烯厂精馏过程中氯乙烯产品纯度低、能耗高的问题,利用化工流程模拟软件Aspen Plus对氯乙烯精馏系统中的T-203塔进行模拟优化,选择适合氯乙烯体系的NRTL模型进行计算,确定理论板数为28块。根据灵敏度分析和正交试验得到最佳操作参数为:回流比为0.8,进料位置为第2块理论板,侧线采出位置为第18块理论板。产品中氯乙烯质量分数达到99.999%,低沸物质量分数小于1×10-6,高沸物质量分数小于5×10-6。同时对精馏系统提出两项节能降耗技术,其中循环水改造技术预计为企业带来经济效益1034.85万元/a,高效导向筛板技术可以有效提高分离效率和生产能力。     

西方社会救助中政府与非政府组织的协作状况与经验

社会救助是保障人们最低生活水平的最后一道防线,社会救助措施由政府与非政府组织提供。社会救助有调整资源配置、实现社会公平、保持社会稳定的作用。从多种现象来看,我国的社会救助存在很多的不足点,如在社会救助中政府与非政府组织的协调程度低,协调手段单一等。文章将角度转向西方国家,分析西方国家在社会救助中政府与非政府组织的协调状况以及借鉴经验。     

一个包含Smarandache Ceil函数的对偶函数的方程

利用初等方法研究了一个包含Smarandache Ceil函数Sk(n)的对偶函数-Sk(n),给出了当k=6时方程-S6(1)+-S6(2)+…+-S6(n)=6Ω(n)的具体正整数解。