涉及到多组分混合物燃烧时,其物理过程和化学过程是极其复杂的,物理描述和数学表达都将十分困难。本章以尽可能简单的方式来介绍,以期处理下列三种情况: （1)一维平面稳流(仅x方向); （2)一维球面稳流(r方向); （3)二维轴对称稳流(r和x方向)

针对设计模式识别结果的假阴性问题与重叠问题,为提高设计模式实例恢复的精确性,提出一种形式化上下无关文法关系驱动的设计模式检测方法.依据设计模式实例中的参与者属性及其关系,以形式化可视化语言描述模式实例的识别文法.在此基础上,改进该文法检测设计模式实例参与者间的附加关系,并识别共享实例的模式.实验结果表明,新方法不仅减少了模式实例的假阴性结果,还解决了模式实例识别的重叠问题,与其他检测方法的精确度、召回率及F-score指标比较,新方法取得了较好的效果

为了克服传统辊弯工艺和设备对室温下高强钢的影响,提出弯角局部感应加热辊压成形工艺制备高强钢方管,并通过单向拉伸试验、断口形貌观察、微观组织扫描电镜观察和X射线衍射分析研究热辊压成形温度对高强钢方管弯角处组织及力学性能的影响.结果表明,随着温度的升高,弯角力学性能得到明显的改善,断口形貌由室温下解理断裂逐渐过渡为韧性断裂,弯角处微观组织由板条状贝氏体向粒状贝氏体发展且多边形铁素体晶粒开始长大,方管外表面周向和纵向残余应力都明显降低且分布更加合理.综合实验分析,高强钢方管热辊压成形工艺的最佳温度为650℃

提出了一种分数阶的对称性近似平移不变过完备小波的构造方法.首先,给出一种构造具有对称性且具有最小长度的低通滤波器方法.其次,通过拓普利兹矩阵分解法求出对应的具有近似平移不变性的高通滤波器,此方法比其他分解方法具有更低的计算复杂度.此外,利用此构造方法,也得到具有更高阶消失矩的分数阶过完备小波变换.最后,将构造出的分数阶对称平移不变过完备小波应用到轴承故障诊断中.实验结果表明,提出的小波变换能有效地提取出轴承的故障特征

通过室内模拟试验装置,研究源于强制电流阴极保护系统的直流杂散电流对外部无阴极保护管道干扰的缓解方法,包括跨接电阻法、牺牲阳极法和金属屏蔽线法.文中主要考察跨接电阻、牺牲阳极位置和材质、金属屏蔽线位置和连接方式等对不同干扰类型的缓解效果和规律,讨论不同缓解方法的适用性,并对不同干扰类型提出推荐方法及适用条件,可为实际工程应用提供借鉴

利用与Tent Map拓扑共轭的两类混沌系统,以及产生独立均匀分布密钥流的方法,设计了一种通用的流加密方案.此方案类似数字信封,但传递过程中不传输具体加密使用的密钥流,只传输随机产生的Tent Map初值以及两个系统的参数值作为系统密钥,产生两列独立同分布的密钥流对原始图像进行两次密文反馈异或加密.该方案达到初始值掩盖的目的,增加了截获者破译的难度.图像加密的实验结果显示该方案安全且有效

针对网络控制系统模型参数选取困难的问题,利用特征模型和动态特征模型的自适应控制方法在实际工程中建模简单、控制精度较高的特点,以直流电机的网络控制系统为例,研究了具有时延和数据丢包网络情况下的网络控制系统,提出了基于特征模型的自适应控制方法和基于模糊动态特征模型的自适应控制方法.仿真结果表明:丢包率对特征模型控制器系统的影响较大,而网络延时对模糊动态特征模型控制器系统影响较大.所提两种方法均可有效保证网络控制系统的控制性能

本文通过对高强钢方管角部进行局部感应加热,提高其弯角区域的成形性能,降低其变形抗力,由此在不影响非变形区域组织性能的前提下,获得所需方管的截面尺寸和组织性能.在热辊压过程中,坯料在没有模具限制的方管角部外侧邻近区域发生堆积,且随着加热温度上升,角部外侧金属堆积更明显.同时,在方管内角表层出现显微裂纹恶化,裂纹以树枝状生长.热辊压成形后的残余温度会产生一个自回火过程,能够明显降低残余应力,且随着温度的升高,残余应力降低的幅度变大.当加热温度在650℃以上时,自回火对残余应力的影响大于宏观裂纹的扩展能力,起主导作用,且压扁过程中压下量超过方管对角线长度2/3时也不会产生裂纹

一维无界、半无界域上波动方程求解 (一)、无界域上波动方程定解问题求解 (二)、半无界域上波动方程定解问题求解

传统的分类算法大多假设数据集是均衡的,追求整体的分类精度.而实际数据集经常是不均衡的,因此传统的分类算法在处理实际数据集时容易导致少数类样本有较高的分类错误率.现有针对不均衡数据集改进的分类方法主要有两类:一类是进行数据层面的改进,用过采样或欠采样的方法增加少数类数据或减少多数类数据;另一个是进行算法层面的改进.本文在原有的基于聚类的欠采样方法和集成学习方法的基础上,采用两种方法相结合的思想,对不均衡数据进行分类.即先在数据处理阶段采用基于聚类的欠采样方法形成均衡数据集,然后用AdaBoost集成算法对新的数据集进行分类训练,并在算法集成过程中引用权重来区分少数类数据和多数类数据对计算集成学习错误率的贡献,进而使算法更关注少数数据类,提高少数类数据的分类精度