无虚拟节点罚函数位移协调法

基于罚函数提出了一种界面协调技术——无虚拟节点罚函数位移协调法,推导了该界面协调技术的耦合公式,证明了当惩罚参数y趋于无穷大时该方法的解趋于理论解.该方法的刚度矩阵具有对称性、带状性,同时该法还有精度高、计算效率高等优点.最后,通过算例分析,验证了其合理性.     

任务教学法在ESP阅读教学中的应用

以实证研究的方法来检验任务教学法在ESP阅读课程中的实际教学效果。实验对象是48名大三本科生,为期11周的任务教学法对比实验教学,通过对两组被试者的阅读能力的各项测试结果进行组内对比和不同组对比,分析表明任务教学法能够显著提高学生的阅读能力及其ESP学习的兴趣。     

全样本场合几何分布产品步进应力加速寿命试验TFR模型下的统计分析

本文首次将步加试验中的损伤失效率模型应用于离散型寿命分布场合,给出了TFR模型几何分布产品全样本场合多步步加试验下参数的极大似然估计。并通过一例子来说明方法的可行性。     

一种STBC-OFDM系统中的盲和半盲信道估计

针对尾部补零(Zero padd ing,ZP)的空时分组编码正交频分复用(Space-tim e b lock cod ing orthogona l fre-quency d iv is ion m u ltip lex ing,STBC-OFDM)系统,提出了一种基于子空间分解的信道估计算法。首先利用STBC的编码结构和OFDM信号中由ZP和虚载波(V irtua l carrier,VC)引入的冗余,推导了该算法的盲估计形式,然后对其可辨识性进行了理论分析,证明了该盲方法可以在一个标量因子模糊度的意义上辨识出多个信道的冲激响应。通过结合使用导频信息形成半盲算法,可以消除模糊度。仿真结果表明,该算法的信道估计准确度较高,可以有效地跟踪衰落信道,在低信噪比时性能良好。     

一种面向对象的Petri网

柔性制造系统属于离散事件动态系统,具有实时、并发、异步等特性,由于Ｐｅｔｒｉ网模型的图形表述和数学描述,使它既可以采用数学分析,又可以通过图形形象地表述出离散动态系统,故广泛应用于制造过程动态行为建模与分析。而面向对象建模与设计是一种围绕真实世界的概念来组织模型的全新的思考问题方式,面向对象的模型能帮助对问题的理解,有助于同领域专家通讯交流。本文在Ｐｅｔｒｉ网基础上,引入面向对象技术,提出了一种面向对象Ｐｅｔｒｉ网（ＯＰＮ）模型,并以企业中的一项生产活动——二次电源生产过程为实例,建立了描述这一活动系统的完整的ＯＰＮ模型,真实地反映了系统的动态特性,从而为制造过程建模和分析提供了一个更为有效的工具     

基于神经网络的智能刀具状态检测系统

可靠的在线刀具磨损状态检测是柔性制造系统、计算机集成制造系统以及自动化机床必不可少的一个环节。文中论述了用反传神经网络与一类模糊神经网络分析处理由力传感器和声发射传感器所测得的刀具状态信号,识别出刀具的磨损情况,从而进一步实现刀具磨损状态的在线检测,控制自动机床及时更换刀具。本研究对四种规格的钻头的磨损情况进行了全程检测,并比较分析了反传神经网络与模糊神经网络对这一问题的有效性。实验结果表明,这两种方法对处理刀具磨损状态检测均有显著的效果与很高的准确性。用一类模糊神经网络处理多传感器信息是实现刀具状态在线检测的一个极为有效的方法。     

基于MPP编程环境的一种并行子空间迭代法

子空间迭代法是科学与工程计算中求解广义特征值问题的有效方法 ,针对向量机和共享内存的多处理机 ,前人已成功地作了并行处理。文中给出了适合 MPP大规模并行计算机的并行子空间迭代法。该算法将广义特征值问题转换为一般特征值问题 ,其计算工作量主要体现在矩阵乘法 ,通过对该方法作并行处理 ,使矩阵求逆及一部分乘法运算转换为各结点机上三角形方程组的并行求解。在大规模并行计算机 PA R95上结合 J8- II机翼的动力特性问题对该算法作了数值试验 ,结果说明所给算法是非常有效的     

一类有阻尼的强非线性自由振动问题的一种解法

本文用插值摄动法及改进的Ｌ－Ｐ法相结合的方法求解了一类有限尼的强非线性自由振动问题,得到了一级近似解。     

小波分析和人工神经网络在金属超声无损检测缺陷分类中的应用

基于金属超声检测中的缺陷脉冲回波为非稳态信号的特点，对高温合金材料超声检测信号的小波变换进行了特征分析，提取了各级小波分解信号的能量分布特征，最后将这些特征输入人工神经网络进行训练和分类，实验表明，这种方法具有良好效果。     

求解大型非对称线性方程组的拟最小残量IOM（q）算法

不完全正交化算法（IOM（q））由于存储量和计算量小，常用来求解大非对称线性方程组。而此方法收敛过程常出现不规划振荡现象，从而影响了收敛速度。本文将拟残量最小的化性质加到IMO（q）算法中，提出拟最小残量不完全正交化算法（QMRIOM（q），这样收敛曲线光滑无振荡，从而大大加快其收敛速度，而且保留其存储量和计算量小的性质。