一种基于根轨迹串联超前校正的计算方法

提出了一种把解析几何与根轨迹法结合起来实现串联超前校正计算方法,无需精确绘图和繁琐的试凑运算,也能得到精确而又令人满意的校正效果,为线性控制系统的设计提供了一种简便而有效的途径,也为线性系统设计的计算机仿真奠定了又一基础.     

一个简洁的最小二乘法拟合程序

一个简洁的最小二乘法拟合程序陈乃强（河北师范学院物理系石家庄０５００９１）用最小二乘法对含有随机误差的离散数据进行曲线拟合，能将变量ｘ与ｙ间变化关系的ｍ对测量值，总结成ｘ、ｙ间最可几的函数表达式ｙ＝ｆ（ｘ）．但由于此方法所需计算量甚大，故只有在微机已...     

非绝热分子动力学进展

本文结合作者近年来来在光化学周环反应研究方面的工作，对非绝热分子动力学的基本理论模型和研究现关夜较全面的介绍，重点讨论经典轨迹在单分子衰变和离解、碰撞猝灭、光化学周环反应、非绝热电子转移等理论研究中的应用。     

分数导数结合傅里叶最小二乘拟合处理含噪音的重迭信号

提出了一种含噪音重迭信号的综合处理方法 :先用傅里叶最小二乘法拟合噪音数据 ,然后对拟合后的信号求 2 .5次导数 ,在对模拟数据研究的基础上 ,讨论了求导后峰位漂移及其影响因素 ,给出了一个用于矫正峰位值的经验公式。用该方法对模拟和实际的紫外含噪音重迭信号进行处理 ,结果良好     

H+H2体系的态(R)-态(TS)-态(P)理论研究

H+H₂体系的辛准经典轨迹(SQCT)计算表明: 碰撞轨迹分为A, B两种类型, A型是经过过渡态鞍点的, B型是不经过过渡态鞍点的. A型轨迹不全发生反应, B型轨迹却也可发生反应. A, B两种类型轨迹的配分及其反应性, 与反应物初始态(R)有关. 这种轨迹类型A, B影响着产物态(P)(即振转态)分布及其角度分布. 初步建立了化学反应态(R)-态(TS)-态(P)理论研究的雏形, 深化了对Eyring过渡态理论的理解.     

n-InP在Fe3+/Fe2+溶液中复阻抗的计算机拟合分析

本文测定了不同电位及不同光强下, n-InP在Fe~(3+)/Fe~(2+)溶液中的复阻抗图, 从一个等放电路用计算机对结果进行了拟合, 并对拟合结果进行了讨论。     

桥联双β-环糊精对N-[4-(1-芘基)]丁酰-D/L-苯丙氨酸的手性识别及机理研究

利用紫外-可见吸收和荧光发射光谱, 结合非线性最小二乘法拟合曲线以及分子力学(MM2)模拟系统地研究了手性分子N-[4-(1-芘基)]丁酰-D/L-苯丙氨酸(PDP和PLP, 总称PPs)与β-环糊精(β-CD)、 2-位硒桥联双β-CD(2-SeCD)和2-位碲桥联双β-CD(2-TeCD)的包结能力大小及这3个环糊精对PPs手性识别能力的差异和识别机理. 研究结果表明, PPs不能与单疏水空腔的β-CD形成很好的包结复合物, 与具有较长桥联链的2-TeCD结合能力最强. 2-TeCD与PDP和PLP的结合常数分别为2.33×104和6.07×103 L/mol, 对PPs的手性识别比达到KD/KL=3.84, 高于2-SeCD(KD/KL=2.61). 用MM2模拟得出了PPs与这两个双环糊精形成复合物的三维结构: PPs的绝大部分位于双环糊精两个空腔之间, 但是在这两个复合物中, 苯环与芘环所成的二面角不同. 此外, PPs与这两个双环糊精作用时均存在明显的氢键相互作用, 且2-TeCD强于2-SeCD.     

空间机器人组装超大型结构的动力学分析北大核心CSCD

超大型航天结构具有超大柔性、超低固有频率的特点,空间机器人在轨组装时应尽可能避免激起超大型结构的柔性振动.空间机器人组装超大型结构模块的过程分成抓捕阶段、位姿调整与稳定阶段、安装阶段和爬行阶段.通过对安装阶段的动力学与控制研究,提出共线安装的轨迹规划方法,有效避免了柔性结构振动.首先,采用自然坐标法和绝对节点坐标法建立主结构-空间机器人-待组装结构的在轨组装系统动力学模型.然后,将共线安装的要求转化为空间机器人的轨迹规划约束,要求空间机器人质心到主结构/待组装结构的距离保持不变,实现共线安装的轨迹规划.数值仿真表明:提出的组装方法在组装过程中可有效避免超大型结构的横向运动,降低夹持力矩.最后,分析了系统参数对组装过程动力学响应的影响,为超大型航天器的在轨组装提供了参考.     

基于时空图注意力网络的跳高轨迹预测

跳高运动由助跑、单脚起跳、越过横杆落地等一系列动作组成,跳高运动轨迹是一个复杂的因果系统.在每一个时间节点,运动员的身体姿态符合一定的规律约束.研究建立了跳高运动过程中关键身体关节节点坐标依时间变化的离散过程模型,每个时刻的各关节点位置向量由给定的之前若干个时刻的运动员关节点位置决定.跳高运动员肢体的摆动、关节点位置的变化都对运动员位移有重要作用.运动员重要关节点之间的相互作用,使得跳高运动轨迹难以刻画和预测.随着深度学习的发展,图神经网络在时空特征刻画和预测上具有优势.基于时空图注意力网络结合长短时记忆网络、门控循环单元(STGAT-LSTM、STGAT-GRU)建立了具有空间位置约束的跳高运动员关节点位置随时间变化的模型,用于推算跳高运动员重心和关节点位置轨迹.实验结果表明该模型能够很好地刻画跳高运动的过程,对于关节点位置的预测能够达到较好的效果.研究所提出模型的预测效果比基线模型准确性提高了0.02-0.03米.研究给出了基于神经网络模型进行跳高运动轨迹预测的可行解决方案,可作为跳高运动仿真和技术优化研究的重要参考.     

合理挖掘本质,巧妙类比探究——一道解几题的拓展

借助一道解几题的分析与解决,回归问题本质,合理变式拓展,归纳升华结论,从双曲线角度全面推广到椭圆、抛物线,以及更一般的圆锥曲线问题,最终得到圆锥曲线焦点弦的一个优美定值结论.由此帮助学生增加解题效益,提升解题品质与数学能力,以期引领并指导数学教学与解题研究.