化学镀镀层孔隙率对电化学行为的影响及其量化评价

通过调整镀层厚度得到了具有不同孔隙率的Ni-P化学镀层。使用图形分析软件辅助贴滤纸法测得了镀层孔隙率,并研究了孔隙率对镀层电化学行为的影响,探讨了利用电化学测试对镀层孔隙率进行量化评价的方法。结果表明,图形分析软件可以提高贴滤纸法的准确性和可重复性,而电化学方法在测量镀层微小孔隙方面具有明显优势。极化曲线测试表明,孔隙率较小的镀层具有较高的腐蚀电位和较低的腐蚀电流密度,可根据所测曲线精确计算出镀层孔隙率。交流阻抗测试可进一步揭示孔隙率对镀层腐蚀机理的影响,存在孔隙的镀层其交流阻抗谱会表现双时间常数的特征,通过拟合所得电化学参数可以用来评价镀层孔隙率大小。     

基于最小距离的NURBS曲线的形状混合方法

形状混合在工业设计、工程模拟等领域具有重要的理论意义和应用价值。以辅助工业设计为目的,提出了基于最小距离的NURBS曲线的形状混合方法。在对NURBS曲线控制多边形进行预处理的基础上,采用最小距离法建立多边形顶点间的匹配,并通过加权平均法生成中间曲线的控制多边形以得到新的曲线。实例验证表明算法具有较好的稳定性与可靠性,并能实时地对二维NURBS曲线进行形状混合。     

工程动画中运动路径实时控制技术研究

传统的工程动画都是以现有的三维软件为平台进行建模、获得渲染帧序列后,用流媒体文件来实现动画。本文引入一种新的实时控制工程动画运动路径的方法,以构造B样条的德波尔算法为基础,在初始驱动样条路径上进行节点插入的局部升阶,生成新的插入节点u,并实时响应控制参数的输入v,将输入参数节点与节点插入生成的节点形成一组控制节点用来控制样条的偏移度,然后引入关于时间t的线性函数的质量权重Wk（t）来控制路径曲线的偏移量。该方法能够较好地实现工程动画中运动路径实时控制的要求。     

基于参与冲突分析次数的动态学习子句评估策略

针对现有学习子句评估策略的单一性,提出一种基于学习子句参与冲突分析次数的评估策略,并将该策略分别与经典的文字块距离评估策略和活跃值评估策略结合,形成两个动态学习子句评估策略。基于2018年SAT国际竞赛部分基准实例,将动态评估策略与原评估策略进行参数适应性对比实验,并通过2018和2017年的基准实例进行评估。结果表明动态评估策略能更好地评估学习子句的质量,由此生成的求解器在求解数量和速度方面表现出较好的求解性能。     

格值命题逻辑系统中广义文字的正规性

基于格蕴涵代数的格值命题逻辑系统能定性地刻画不可比较性和不精确性。广义文字是该系统中α-归结自动推理的核心概念,是α-归结中的最基本单元。公式的正规性是α-归结原理中保持完备性的重要条件,其语义性质是公式形式的重要反映。从语义角度研究了广义文字的正规性,给出了两种典型正规公式F1→F2和(F1→F2)'的真值情况。为讨论广义文字的形式及其α-可归结性提供了理论基础。     

基于AeroSim的先进无人机仿真平台的设计与实现

在无人机飞行仿真研究方面,存在所建立的模型具有专用性强及可重用性差等问题,文中介绍了一种基于AeroSim模块集所开发的无人机全数字仿真平台,使用了MATLAB/Simulink作为仿真软件的开发环境;在综合考虑了各类影响飞行性能的因素后,根据飞行器建模的通用方法,构建了无人机的全量非线性方程;以模块化的思想进行了仿真子系统的建立,描述了各模块间的关联及功能;在控制律的验证方面,设计了一种非线性动态逆控制器;仿真结果表明,该平台直观性强,所设计的控制器能够保证无人机姿态稳定,并准确地跟踪预定航线,具有较好的模拟效果。     

基于形式背景的概念格约简及其修复

根据概念格构造所依赖的形式背景,定义对象的属性空间和属性的对象空间,分别对形式背景进行对象约简和属性约简,在约简过程中采取全约简、交约简和并约简3种约简方法,并基于约简形式背景建立约简概念格。针对各约简方法的不同提出约简概念格的不同修复方法,从而得到完整的概念格。该方法简单易行,具有很强的规则性。实例表明,对于一个较复杂的形式背景,按对象和属性总数的38%进行约简,运算效率可提高83.3%。     

赋范格H蕴涵代数和模糊格H蕴涵代数

在范数的条件下扩充了格H蕴涵代数的概念,即赋范格H蕴涵代数,并讨论一些性质。然后将模糊集合论运用于赋范格H蕴涵代数,给出了模糊赋范格H蕴涵代数的定义,得到了一些基本性质。通过使用两个赋范格H蕴涵代数之间的映射定义了赋范格H蕴涵代数同态,且得到了一些性质。最后得到了在赋范格H蕴涵代数中的数列对于蕴涵距离是有界的结论。     

基于主动学习SVM的变压器局部放电模式识别

对局部放电类型进行有效识别是准确评估变压器绝缘状态的重要前提.然而放电类型识别过程中往往需要大量训练样本的学习才能达到较高的识别精度.针对这种情况,提出一种基于主动学习支持向量机的局部放电模式识别新方法.该方法在选择训练样本的过程中采用主动学习的方法,挑选出对分类器最有价值的放电样本进行训练.研究结果表明,该方法在保障识别精度的前提下有效减少了放电信号需要的训练样本个数,缩短了训练时间,提高了样本的学习效率.