绳系卫星系绳参数的实时估计方法

研究了绳系卫星在轨运动中系绳参数的实时估计方法.分析了现有的估计方法所存在的问题,引入三轴张力计的测量信息和扩展Kalman滤波方法,提出了系绳摆角在大角度变化时系绳参数的实时估计方法,并进行了详细的推导与论证.最后,通过仿真验证了上述估计方案和算法的有效性,且获得了较好的估计精度.     

装配规划中基于割集的装配顺序生成方法

针对装配规划提出一种新的装配零件关系的描述方法，该方法应用改进的关联图－优先约束关联图，描述装配零件间的连接关系、优先关系及约束关系。在生成产品装配顺序时，充分地把装配优先关系与割集法副合到装配顺序搜索中，有效地生成产品所有满足装配条件的装配顺序，为装配规划提供参考的装配工艺路径。     

SO_2在钒催化剂上的氧化反应动力学

本文通过SO_2在钒催化剂熔融液相中反应特性的分析,提出了一种新的液相反应机理及液相反应本征动力学模型.再将液相传质与液相本征动力学模型结合得到“微观”动力学模型,避开了液相有效因子的复杂求解.认为不同温度范围必需建立不同的模型.在推导S_(101)型工业催化剂原粒的宏观动力学模型中,采用了简化的孔扩散模型.根据对实验数据的回归,得到两温度段的宏观动力学模型如下:r_1=k_1po(_2)~318pso(_2)~112[(1-3/2β)~112/(1+k_1(pso_3/pso_2)~(1/2)]~112(高温段)r_2=k_2po(_2)~114pso(_2)~112[(1-3/2β)~112/(1+k_1(pso_3/pso_2)~(1/2)]~112 (低温段)     

缺陷红外检测的定量化分析研究

本文对缺陷红外检测的定量化问题进行分析研究,在红外检测热传导理论模型的基础上,分析了缺陷深度与时间信息的关系,给出了起始分离时间点和对比度变化最大时间点的概念,并与对比度最大值时间点等进行比较。对缺陷大小、激励强度、激励时间对深度分析的影响进行研究。在缺陷大小的定量分析中,发现了时间序列网像中缺陷大小检测变化的规律,指出缺陷大小检测的最佳时间段。另外,采用时间序列图像求强度平均的方法确定实际检测中激励开始、结束时间,为分析缺陷与时间信息的关系建立时间基准点。     

银杏叶中四种银杏内酯的含量测定

建立HPLC-ELSD法测定了30批银杏叶中4种银杏内酯的含量,并对所得数据进行分析研究.色谱条件为:phenonoonon C18色谱柱(250 mm×4.6 mm,5 μm),35%(体积分数)甲醇为流动相,1.000 mL/min的流速,ELSD检测器漂移管温度为60 ℃,氮气压力为1.72×105 Pa.得出红土栽培,未嫁接,树龄6～7 a的银杏叶中银杏内酯含量较高;4种银杏内酯总量集中在0.3%～0.5%(质量分数).该方法准确,重现性好,适用于银杏叶中4种银杏内酯的含量测定;银杏内酯的含量受生长环境影响差别较大,影响因素有待深入研究.     

车排子浅层稠油油藏试采工艺研究

车排子地区稠油油藏为浅层、岩性油藏。由于储层粘土含量高,油藏埋深浅,地层条件下原油流动性差,导致注汽压力高,注汽质量差,常规试油无产能。为了实现该区块稠油的高效开发,开展了车排子浅薄层稠油油藏的油层保护技术研究、原油降粘工艺研究和储层增能助排工艺研究,形成一套适合车排子浅薄层稠油油藏试采工艺技术。在该区块现场试验3口井,现场试验结果表明,防膨、降粘、增能助排工艺可使车排子地区稠油区块试采见产能,大幅度提高热采开发效果。     

生物柴油及其柴油混合物的溶解性和橡胶兼容性研究

生物柴油具有良好的溶解能力.采用贝壳松脂丁醇值法(KB值法)测试了大豆油甲酯、棕榈油甲酯、菜籽油甲酯、麻疯树籽油甲酯的KB值及其与0#柴油混合物的KB值,研究了氟橡胶、丁腈橡胶、氯丁橡胶与棕榈油甲酯的兼容性.研究结果表明,大豆油甲酯、棕榈油甲酯、菜籽油甲酯和麻疯树籽油甲酯的KB值分别为77.6,79.7,78.7,76.1,0#柴油的KB值为21.6.它们的混合物的KB值与其组成变化呈线性关系,生物柴油的溶解能力明显强于0#柴油.氟橡胶与生物柴油有较好的兼容性,其次是丁腈橡胶.氯丁橡胶与生物柴油不具备兼容性.#柴油;混合物;溶解能力;橡胶兼容性     

面向概念漂移且不平衡数据流的G-mean加权分类方法

数据流中的概念漂移和类别不平衡问题会严重影响数据流分类算法的性能和稳定性.针对二分类数据流中概念漂移和类别不平衡的问题,在基于数据块的集成分类方法上引入成员分类器权重的在线更新机制,结合重采样和自适应滑动窗口技术,提出了一种基于G-mean加权的不平衡数据流在线分类方法(online G-mean update ensemble for imbalance learning, OGUEIL).该方法基于集成学习框架,利用时间衰减因子增量计算成员分类器最近若干实例上的G-mean性能,并确定成员分类器权重,每到达一个新实例,在线更新所有成员分类器及其权重,并对少类实例进行随机过采样.同时,OGUEIL会周期性地根据当前数据构造类别平衡数据集训练新的候选分类器,并选择性地添加至集成框架中.在真实和人工数据集上的结果表明,所提方法的综合性能优于其他同类方法.