足球机器人决策开发平台与专用语言的设计与实现

决策系统是足球机器人系统的重要部分，在传统的决策系统开发方法的基础上设计了决策开发平台与专用语言系统，阐述了该系统的总体结构和RS语言类的设计，详细分析了RS语言到C 语言的实现过程，并在仿真系统中验证了RS语言编写决策系统的可行性．     

家庭网络中JINI体系结构的实现

JINI规范的发布使得SOHO环境中设备的网络化及其网络互联变得快捷方便，分析了JINI技术的结构特点、提出了家庭网络中不同的JINI系统实现方案并对相关的规范进行了对比分析，为JINI技术在家庭网络中的应用提供了理论依据和工程实例。     

基于离散元方法的竖直群桩冰荷载分析

在高纬度海域或高寒地区的江河中,碎冰对海洋平台桩腿和桥墩等直立群桩结构产生很大的冲击作用,并在一定条件下造成不同程度的破坏。依据碎冰在自然条件下的离散分布特性,采用Voronoi切割算法构造随机分布和具有非规则几何形态的碎冰初始状态,在此基础上采用若干个具有黏结-破碎功能的球形颗粒构造具有一定厚度、尺寸和形状等物理参数的河冰离散单元模型,将竖直群桩简化为刚体结构,从而对碎冰的运移及其对群桩的冲击作用进行数值模拟。在此基础上可确定碎冰撞击下的群桩冰荷载,并分析冰块尺寸、冰速和冰厚对桩结构所受冰荷载的影响。     

水电站机组负荷的最优分配

提出了一种应用模拟退火法解决水电站机组负荷最优分配的方法。该方法以水电站各机组总的耗水量为目标函数,在满足发电机运行上、下限和功率平衡的约束条件下直接对目标函数进行寻优。它的寻优速度快且易于收敛,是解决负荷分配问题的一种有效手段。     

高效氯氟氰菊酯微乳剂的制备及其液径尺寸

[目的]为了考察微乳剂和乳油剂型的液径(MDS)尺寸和稀释喷洒后的农药形态,使用复合乳化剂和乙酸丁酯溶剂,制备了质量分数为3.0％的高效氯氟氰菊酯微乳剂(ME).经测试,各项性能达到国家标准.[方法]用激光光散射仪研究了不同水稀释倍数对3％高效氯氟氰菊酯微乳剂的MDS、多分散指数(PDI)和Zata电位值的影响,以2.5％高效氯氟氰菊酯乳油(EC)作为对比.[结果]研究发现MDS随不同稀释倍数稍微增大,且微乳剂的MDS/小于乳油剂型.放置时间对其液径的影响显示21后微乳剂不同稀释倍数的液径均在100 nm以下.对2种剂型的30 mg/L稀释液,经喷施和干燥后进行扫描电镜观察.[结论]微乳剂形成棒状或块状结晶,晶体尺寸在几微米到十几微米范围;而2.5％高效氯氟氰菊酯乳油则形成树枝状结晶,晶体尺寸在50 μm以上,这对药效发挥不利.     

AZ31B镁合金微弧氧化电解液温度对膜组织与性能的影响

电解液温度是影响镁合金微弧氧化膜形成及质量的关键因素之一,过去对此鲜有系统研究。为此,对比研究了20,40,60℃3种电解液温度对AZ31B镁合金微弧氧化膜的生长速度、槽压、显微硬度、耐蚀性和微观组织的影响。结果显示,较高的电解液温度可以提高氧化膜的生长速度,但会导致膜层中的放电通道增大,使其致密性变差,从而降低了膜层的显微硬度与耐蚀性。     

单分子中心定位精度与信噪比关系及中心定位算法改进研究

本文从理论和实验两个角度研究单荧光分子中心定位精度与信噪比的关系,提供了一种相对简单的方法来确定基于单分子中心定位技术的超高分辨显微成像系统的分辨率。特别是,本文给出一种提高定位精度的像素重建算法,在信噪比等条件不变的情况下,该算法可有效改善单分子定位精度,从而提高超高分辨成像系统的分辨率。     

利用Simpat模拟河流相储层分布

在对河流相储层随机建模中,再现河道连续弯曲的形态是研究重点,也是检验随机建模方法适用性的一个标准.对新发展的多点地质统计学建模技术中的Simpat方法进行了介绍.指出Simpat虽然考虑多个空间点来再现储层形态,但是在条件数据点较少情况下,随机数据模式的选择导致河道连续性仍然存在一定的问题,需要在数据模式选择中充分考虑地质约束.对Simpat进行了改进,通过引入河道中线模型对数据模式选择进行约束,较好地解决了河道连续性再现问题.对大港油田二区六区块明3-5-1储层建模分析表明,改进后的Simpat方法能够更好地再现河道连续性及分布特征.     

装备军地一体化维修保障探析

随着市场经济和科学技术的发展,军地一体化维修保障已成为各国军队装备维修保障的发展趋势。从军地一体化维修保障的基本认识,包括基本内涵、指导原则、理论依据等入手,立足本国实际,借鉴外军经验,对我国实行装备军地一体化维修保障进行了初步探讨。     

以双目图像互为监督的相容解迭代优选算法

在计算机视觉领域的双目立体匹配方向, 基于神经网络的深度学习算法需要场景数据集进行训练, 泛化能力差. 针对这两个问题, 根据神经网络能够模拟函数的特点, 提出一种无需在数据集上训练, 以双目图像互为监督的深度场景相容解迭代优选算法. 该算法使用场景位置猜测网络模拟关于当前双目图像的深度场景相容位置空间, 用与该网络匹配的互监督损失函数通过梯度下降法指导该网络在输入双目图像上迭代学习, 搜索深度场景相容位置空间中的可行解, 整个算法过程无需在数据集上训练. 与CREStereo、PCW-Net、CFNet等算法在Middlebury标准数据集图像上的对比实验表明, 该算法在非遮挡区域的平均误匹配率为2.52%, 在所有区域的平均误匹配率为7.26%, 比对比实验中的其他算法有更低的平均误匹配率.