在互联拓扑包含一棵有向生成树的条件下，研究了离散时间多智能体系统的协调最优预见跟踪问题.首先利用状态增广技术把协调跟踪问题转化为一个增广系统的全局最优调节问题.然后应用离散时间线性二次型调节理论的相关结果给出了使增广系统的闭环系统渐近稳定的控制器，并由此得到原系统实现跟踪一致性的全局最优预见控制器.仿真结果不仅验证了所设计控制器的有效性，并且表明适当增加预见步长对保证准确跟踪领导者的输出是至关重要的

某室内的水平斜轴测图画法举例: ①将平面图铺放在图板上,使之与水平②以相同的比例,量出高度,画出四 尺形成30°与60°角,并盖上空白描图纸。个角落的高度线,并连接,使形成这 个实际内部空间

采用高温摩擦磨损试验机研究了HTCS-130和DAC55两种热作模具钢在100~700℃范围内的耐磨性差异及磨损机制, 并结合X射线衍射仪(XRD)、扫描电子显微镜(SEM)、光学轮廓仪等手段对表面相组成、磨损表面、截面形貌等进行分析. 结果表明: 两种钢的磨损率均在100~700℃范围内呈现先增后减的趋势; 其磨损机制表现为在100℃和300℃分别发生黏着磨损和黏着-轻微氧化磨损; 500℃时磨损机制转变为单一氧化磨损, 磨损表面氧化层由FeO、Fe2O3和Fe3O4组成, 亚表面发生轻微软化并出现塑性变形层; 700℃时磨损进入严重氧化磨损阶段, 氧化物数量急剧增多, 同时由于马氏体基体回复导致材料出现严重软化, 磨损表面形成连续的氧化层. HTCS-130钢优异的热稳定性能使得基体具有较高硬度和更窄的摩擦软化区, 能够更好地支撑氧化层, 从而在700℃下比DAC55钢更耐磨

岩石结构面的定量化描述对于理解结构面的力学性质至关重要,投影覆盖分形描述法是结构面定量化表征的主要方法之一.然而,投影覆盖法计算结构面分形维数时存在三角形单元划分的缺陷.从概率分析角度考虑,将随机数应用于三角形单元的划分中,提出了基于随机数估算结构面分维数的投影覆盖法.应用改进投影覆盖法计算了红砂岩结构面的分维数,获得了120个分维值,并将其作为一个分维数样本;然后分析了此样本的分布特征,并将样本均值作为结构面分维数的精准值.实例分析证明,采用改进投影覆盖法所获分维数样本是来自正太分布总体;投影覆盖法计算的分维数几乎是改进投影覆盖法所获结果的极限值;基于随机数进行三角形单元划分更符合实际结构面形貌特征,从而计算的分维数更精准

基于华蓥山隧道掘进爆破过程中的声发射监测结果，对比了上升时间/振幅比值(RA)与平均频率(AF)在不同传播距离下的分布规律，结果表明，随传感器与震源间距离增加，RA最大值增加，AF的分布范围基本不变。为验证基于RA与AF值描述岩体破裂情况的有效性，研究了RA/AF比值r在破裂过程中的变化规律以及r的变异系数的发展规律，并与常用的参数指标绝对能量、b值等参数进行对比验证。本文提出了3种变异系数（CV）计算方法，对比计算结果并探讨了各方法的适用条件。由计算结果可知，r值变异系数能够较好地描述岩体中的破裂发展过程，其中CV1计算方法适用于声发射信号较离散的情况，而CV3的计算方法更适用于存在连续声发射信号的围岩监测

为研究纳米隔热材料孔隙结构内部的气体热传输特性, 采用溶胶-凝胶工艺结合超临界干燥技术, 制备了一系列具有不同孔隙结构特征的样品, 通过热导率、氮气吸-脱附和真密度测试, 全面、准确获取了其孔隙结构信息, 并专门、系统研究了孔隙结构特征与气体热传输特性之间的关系.研究结果表明: 与气相贡献热导率相对应, 材料具有双尺度孔隙结构特征, 并且当大孔隙尺度不及小孔隙的10倍时, 可进一步等效为单尺度孔隙.考虑气固耦合传热的本征气相贡献热导率随孔隙尺度的增大而升高, 与气相热导率变化类似且成一定的比例关系, 孔隙尺度小于200 nm和大于500 nm时的比例系数分别为2.0和1.5, 200~500 nm时则为2.0~1.5.当大、小孔隙尺度的比值不超过10时, 或者这一比值为100~1000且大孔隙含量低于10%时, 气相贡献热导率随环境气压的降低依次呈现快速下降、缓慢下降和无变化三个阶段; 当这一比值超过3000时, 即使大孔隙含量很低(不超过10%), 气相贡献热导率也会依次呈现快速下降、缓慢下降、快速下降和无变化四个阶段

为控制Incoloy825合金中的Al、Ti含量，并减少电渣过程中氟化物的挥发。借助FactSage热力学软件，建立渣?金反应的热力学模型。设计出适宜控制Al、Ti含量的低氟渣系，探究了渣中组元与Al2O3和TiO2活度比的关系，并通过高温渣–金平衡实验进行验证。结果表明：当渣中CaO和Al2O3含量增加，导致$\\lg \\left( {{{a_{{\\rm{A}}{{\\rm{l}}_{\\rm{2}}}{{\\rm{O}}_{\\rm{3}}}}^2} / {a_{{\\rm{Ti}}{{\\rm{O}}_{\\rm{2}}}}^3}}} \\right)$

针对机器或设备的剩余寿命（Remaining useful life, RUL）预测精度低的问题，提出基于一维卷积神经网络（Convolutional neural network, CNN）和双向长短期记忆（Bidirectional long short-term memory, BD-LSTM）的集成神经网络模型。为了更好地抽取时间序列上的特征，以及产生更多的训练样本，采用滑动窗口对数据进行处理，同时采用卡尔曼滤波对数据进行降噪处理，将数据标准化以及设置RUL标签。与人工提取特征不同，利用一维CNN对数据进行特征提取，并舍弃了CNN中的池化层。然后将提取到的高维特征输入到BD-LSTM进行回归预测，并采用Bagging的方式对此神经网络进行集成来预测RUL。最后通过在NASA的数据集上验证该模型的有效性，以及相比于其他机器学习或者深度学习模型的优越性，实验表明所提模型在RUL预测方面更加准确

6.1五步建模思想 第一步:开发思想,形成概念,通过定性分析、研究,明确研究的方向、目标、 途径、措施,并将结果用准确简练的语言加以表达,这是语言模型。 第二步:剖析语言模型中各个因素之间的相互关系,并以框图的形式表示出来

从智能合约、智能法律合约等概念入手，依据现行法律条目的要求对智能合约法律化问题进行探讨，指出智能合约法律化需满足文法要求、非赋权原则、审查准则三个基本规则，并以典型智能法律合约语言SPESC、CML为实例剖析了其法律效力，辨析使其与原合同文本具有同等法律效力需满足的条件。进而，结合智能合约系统架构及部署运行过程，在对所部署智能合约进行法律化辨析基础上对区块链智能合约及其链码的法律地位进行了论证。最后，对当前智能法律合约逻辑模型与语言模型的研究进展进行总结，并加以讨论和评价。上述工作表明当前智能法律合约研究是一条解决智能合约法律地位的可行途径，有利于从现行法上把握智能合约在合约逻辑、仲裁流程、形式化验证等方面的未来发展方向