一族非线性色散偏微分方程的指数函数型和三角函数型精确解指数函数型和三角函数型精确解

利用辅助方程法和指数函数法,研究了由Degasperis,Holm 和Hone3人导出的一族非线性三阶扩散方 程.借助于Maple程序的辅助计算,获得了大量的指数函数型、双曲函数型和三角函数型精确解,这些精确解包 括孤立波解、扭子波解和周期波解,并分析和讨论了几种典型类型的精确解的动力学性质,给出了几种代表性精 确解的波形图.     

根—土复合体强度及其非线性特性试验研究

[目的]研究根—土复合体的非线性破坏准则,并结合不同含根量(G=0.12%,0.24%,0.36%)、不同含水率(w=13.22%,16.22%,19.22%)条件下根—土复合体强度,开展根—土复合体非线性特性研究,为生态水土防治工作提供科学参考。[方法]采用GDS三轴仪开展了根—土复合体的固结不排水三轴试验,获得根—土复合体应力—应变曲线及抗剪强度指标。[结果]素土与根—土复合体应力—应变关系曲线为硬化型。含根量与根—土复合体峰值强度成正比关系,但含水率对其峰值强度的影响表现出反比关系。当G=0.36%时,根—土复合体峰值强度的最大增幅为70.1%;当w=13.22%时,根—土复合体峰值强度最大增幅为86.7%。根—土复合体非线性破坏准则在正应力低于临界应力时呈非线性,在正应力高于临界应力时呈线性。c,k为根—土复合体非线性破坏准则中描述根系作用的关键参数,其中c与含根量和含水率均成正比关系,c越大,根系对根—土复合体强度的贡献程度越大;k与含根量成反比,与含水率成正比,k越小,根—土复合体强度包线的非线性化特征越明显。[结论]含根量(G)和含水率(w)对根—土复合体强度有显著影响。...     

我国杉木通用性立木生物量模型研究

以我国南方地区的最重要针叶树种杉木为研究对象,综合利用非线性混合模型、哑变量模型和误差变量联立方程组方法,建立了适合杉木不同生长区域（总体）应用的一体化一元和二元地上生物量方程及根茎比函数.结果表明：不同总体的地上生物量模型之间存在显著差异,总体（一）的估计值要大于总体（二）,而地下生物量则差异不明显;地上和地下生物量方程的平均预估误差分别在5％和10％以内,可应用于不同区域的杉木林生物量估计.     

冷却剂参数对铣槽喷管低周疲劳寿命的影响

采用有限体积流固耦合计算方法、非线性有限元热结构耦合分析方法和局部应变法研究大面积比铣槽喷管三维再生冷却槽道在循环工作条件下的热结构变形与低周疲劳寿命,并对比分析了冷却剂质量流量与入口温度对铣槽喷管疲劳使用寿命的影响。计算结果表明,铣槽喷管热结构响应呈现复杂的三维效应,应变较大位置主要分布在与肋连接的内衬区域,喷管中部的残余应变量最大;冷却槽道低周疲劳寿命分布和热结构响应基本一致,最小寿命位于喷管中部与肋相连的内衬区域燃气侧;随冷却剂质量流量增加,铣槽喷管低周疲劳寿命不断提高;随冷却剂入口温度增加喷管尾部低周疲劳寿命值不断降低,而喷管中前部的低周疲劳寿命值却不断提高,当冷却剂入口温度为280K左右时,本文的铣槽喷管总体使用寿命达到最大。      

工程机械噪声及控制技术的研究

分析了工业噪声的主要来源,从噪声源的控制、噪声传播途径的控制和个人防护的角度探讨了目前的噪声控制技术。指出了我国目前噪声研究中存在的不足,并提出了未来的发展方向。     

基于蚁群算法的RBF神经网络在冲量式谷物流量传感器中的应用

针对压力传感器存在温度漂移的问题,提出了一种基于蚁群算法的RBF神经网络优化算法。首先根据压力传感器测量电路得到电压U_b与电流I的关系,因其存在很大的温度误差,须要采用适当的补偿方法对外界温度造成的误差加以修正。然后通过压力传感器输出电压U与温度T、压强P、电源波动γ的关系建立压力传感器温度补偿模型,分别在18.4、32.5、41.8、65.6℃共4个温度点进行试验数据采集并对试验结果进行归一化处理。最后利用蚁群算法进行寻优和自适应调整发挥系数的特点作为聚类算法确定RBF神经网络基函数中心,选取BP算法、RBF算法、基于蚁群的RBF算法3种方法对压力传感器进行非线性温度补偿仿真试验。结果表明:基于蚁群算法的RBF神经网络模型补偿精度最高,收敛速度最快。将此研究应用于冲量式谷物流量传感器中,可大大提高传感器的稳定性和准确性。     

基于多目标全息反馈的UPFC非线性控制策略

文章选取UPFC两侧逆变器的SPWM脉宽调制比和调制相角作为控制量,进行UPFC装置数学建模。基于非线性多目标全息反馈控制原理,构建含有8个控制目标的跟踪方程组,得到非线性多目标控制律,并利用包含发电机组的单机无穷大系统进行暂态仿真。仿真结果证明,该控制方法在简化传统非线性控制方法的同时,能充分发挥UPFC的潮流控制性能,增强输电线路供电可靠性,提升电力系统的动、静态稳定性。     

基于SVM的RBF网络在农机总动力预测中的应用

径向基神经网络是一种单隐层的三层前向网络,具有结构简洁、学习速度快等优点。为此,分析了径向基神经网络采用传统聚类方法确定基函数中心存在的问题,提出了一种基于支持向量机聚类确定径向基网络基函数中心的方法。该方法以最大间隔原理和结构风险最小化原则为前提,利用核方法把输入空间的样本映射到高维特征空间完成聚类工作来确定基函数的数量。采用改进的方法训练的径向基神经网络对黑龙江省农机总动力进行非线性时间序列预测,结果表明:改进的网络在确定网络结构、学习速度和提高网络预测精度方面都有较好的效果。     

基于组合核非线性退化模型的遥感图像复合分类

遥感数据的多空间分辨率复合分析是遥感处理技术的重要发展方向。为了解决低分辨率图像混合像元分类精度低、高分辨率数据分类处理时间长以及大区域高分辨率数据获取困难等实际应用问题,该文改进了传统基于线性退化函数模型的复合分类模型,提出了基于组合核函数的非线性退化模型复合分类算法,分析了纹理信息对于提高复合分类精度的作用,并通过实际遥感数据试验分析比较了两种模型的分类精度。试验结果表明新方法可较大程度地提高总体分类精度,在分类过程中引入纹理信息有助于进一步改善分类精度。     

幼虫期降水对马尾松毛虫发生量影响研究

通过安徽省潜山市监测数据实证分析表明,降雨对于马尾松毛虫发生量的影响线性关系不明显,但非线性关系很明显,其中基于多层感知器分析结果表明,第1、2龄降雨量(mm)自变量重要性值为0.867,规范化后的重要性值分别为100.0%。因此,第1、2龄降雨量(mm)可以作为马尾松毛虫精细化预报建模主要因子之一,对马尾松毛虫进行预报,实现马尾松毛虫灾害精细化管理。