机构投资者偏好对上市公司股利政策的影响研究

文章以2007—2012年派现的上市公司为样本,基于股利迎合理论对机构投资者偏好与公司现金股利政策的关系进行了实证研究。研究表明,派现力度大的公司对机构投资者具有更大的吸引力;同时,机构投资者的现金股利偏好又导致上市公司较高的股利支付倾向,即股利迎合理论能够解释机构投资者偏好对上市公司股利政策的影响。     

基于多种群混沌遗传神经网络的模拟电路故障诊断

针对标准遗传算法优化BP神经网络收敛慢,易陷入局部最优的问题,提出了改进的多种群协同进化遗传算法,该算法改变了以往的随机初始化方法,采用了附加混沌扰动的tent映射初始化均匀分布的种群,提高了初始解的质量;每个种群采用自适应交叉率和变异率,引入移民算子实现种群间的横向联系;算法通过多种群的协同进化和种群间的个体移植提高了算法的搜索均匀性和效率;仿真实验表明该算法误差小,收敛速度快,诊断正确率高,较好地解决了模拟电路的软故障诊断问题。     

钙处理时机对LF-RH精炼过程Al2O3基夹杂物的影响

为研究LF-RH精炼工艺生产Q690钢时不同钙处理时机下夹杂物特征的变化,开展工业试验对RH精炼前后钙处理炉次取样进行定量分析对比。钙处理后夹杂物中CaO质量分数持续增加,CaS质量分数瞬态增加,夹杂物熔点降低。RH精炼前钙处理炉次中,RH精炼过程夹杂物的成分接近低熔点区,结束时夹杂物数量密度和面积分数分别为15个/mm2和0.01%。RH精炼后钙处理炉次中,RH精炼过程夹杂物依旧为高熔点Al₂O₃-MgO类型,结束时夹杂物数量密度和面积分数分别降至1个/mm2和0.002 5%。RH精炼前钙处理会使RH精炼过程夹杂物熔点以及夹杂物与钢液间的接触角降低,导致夹杂物去除驱动力降低,从而抑制夹杂物的去除。因此LF-RH精炼工艺生产铝脱氧钢时,为提高精炼过程钢中非金属夹杂物的去除效率,应在RH精炼后进行钙处理操作。     

复合铸轧工艺参数对Kiss点的耦合影响

为了获得高质量的层状金属复合材料,依据双辊薄带复合铸轧技术,探究工艺参数间的耦合作用对复合铸轧的影响。采用有限元软件构建了铜和铝的固-液复合铸轧仿真模型,基于该模型,研究了铝板出口厚度、轧制速度、熔池高度、铜带厚度和浇注温度对Kiss点高度的影响,并对正交试验得到的Kiss点高度进行极差分析,得到了铝板出口厚度、轧制速度和铜带厚度3个强耦合参数,给出了这3个参数两两耦合下耦合强度的变化规律。铝板出口厚度和铜带厚度、铜带厚度和轧制速度对Kiss点高度的耦合影响随参数值的增大其效果逐渐减弱,铝板出口厚度和轧制速度对Kiss点高度的耦合影响随参数值的增大其效果逐渐增强。同时,利用复合铸轧熔池物理场的变化,分析了产生耦合的原因。     

考虑重力影响的空间机械臂轨迹跟踪滑模控制

针对空间机械臂由地面装调到空间应用过程中重力环境发生变化的问题,使用滑模控制器对空间机械臂进行控制,通过将配置特殊的非线性结构-fal函数引入趋近律的设计中,提出一种新的基于趋近律的滑模控制方法,并基于李亚普诺夫理论证明了闭环系统的渐近稳定性。仿真结果表明该方法能够很好地完成不同重力环境下机械臂的轨迹跟踪控制任务,并具有较强的鲁棒性。     

动态数学形态学轮廓提取算法在ARM上的实现

提出一种新的基于动态数学形态学的动态腐蚀轮廓提取算法。该算法以动态数学形态学中的约束条件为判断准则,通过定义评价函数来动态确定结构元素的移动方向,直接对感兴趣的目标进行轮廓提取。该算法引入自适应滤波门限,进一步增强了其抗噪处理能力。通过在ARM上对算法进行实现,得到了清晰的人体轮廓图像。该算法对实时目标的轮廓提取具有快速性和准确性的特点。     

基于Cosserat理论的头发动态模拟*

针对基于弹性杆理论的超螺旋模型中对动力学方程的求解影响头发模拟实时性的问题,采用Cosserat弹性杆理论对头发建模,引入角速度变量,并加入头发运动平衡的固有约束,得到改进的拉格朗日动力学运动方程;然后,将头发单体离散化,用角速度和四元数作为状态变量简化动力学方程,用半显式的欧拉方程加速方程的执行,大大降低了系统的运行时间,提高了模拟的速度,在满足实时性要求的同时提高了头发模拟的真实度。     

基于人工智能的太阳能最大功率点跟踪控制方法

本文总结了基于人工智能的太阳能最大功率点跟踪(MPPT)控制方法,在独立光伏系统中有广泛的应用,为今后的光伏发电工作提供有益的参考.     

微流体驱动与控制系统的研究进展北大核心

随着微流控系统的应用越来越广泛,微米尺度和纳米尺度器件微通道内的流动逐渐成为了研究的热点。重点阐述了微流控系统的驱动元件——微泵、控制元件——微阀的研究现状,介绍了学者们研制的各种微泵、微阀的工作原理与结构特点,指出了微流体驱动控制系统泄漏、结构复杂、成本偏高等问题依然存在,并对微驱动控制的发展方向进行了展望。     

面向大规模流数据的可扩展分布式实时处理方法

MapReduce是处理大规模数据集的常用技术,但不能满足大规模数据集中流数据实时计算的要求。对此提出一种面向大规模流数据的可扩展、分布式实时处理方法。该方法在Map阶段,建立基于内存Hash B+树的缓存结构对中间结果处理机制进行优化,以降低对中间结果的频繁读写造成的I/O消耗,同时消除对中间结果的排序,以降低对CPU的消耗;在Reduce阶段,设计基于动态增量Hash技术的快速内存处理方法,并消除对中间结果的多遍扫描合并,对流数据进行增量处理、单遍分析,以提高对流数据的实时分析能力。实验结果表明:上述方法可以对大规模流数据进行实时性处理,并且具有较好的可扩展性。