含三次耦合项的两自由度Duffing系统的共振及混沌行为

研究了一类含三次耦合项的两自由度Duffing系统的动力学行为。首先应用多尺度方法近似求解系统的一阶稳态响应。通过讨论系统的主共振和1∶1内共振,分析了三次耦合项对系统响应的影响。随后研究系统随外加周期力强度变化的分岔过程,发现除了常见的倍周期分岔通向混沌外,还存在一种直接由周期运动进入混沌的突发路径。结合对系统的最大Lyapunov指数,相轨图及Poincar啨映射的分析验证了上述结论。     

基于简单MOPA结构实现3.08 kW全光纤窄线宽线偏振激光输出

基于简单的主振荡功率放大结构,演示了一种高功率窄线宽线性偏振全光纤激光器,其最大输出功率为3.08 kW,3 dB线宽为0.2 nm。在整个功率缩放过程中,偏振消光比约为94%,光束质量M 2约为1.4。这是国内外首次实现3 kW全保偏光纤激光输出,与基于相位调制的窄线宽激光器相比,该激光器可实现近似的线宽,同时具有受激布里渊散射阈值高、系统结构简单、成本低等特点。     

电子鼻对烟用香精香料检测参数的研究

本文通过采用电子鼻分析技术对烟用香精香料进行气味测定。寻求电子鼻测定仪器的最佳测试参数,使得对烟用香精香料产品测定时,由仪器引起的误差最小。通过单因素试验对测定过程中的重要影响因素进行考察,并通过主成分分析和判别分析法找出最佳参数。研究结果表明,烟用香精香料的最佳仪器测定参数为:顶空产生温度45℃,进样针进样量200μL,样品量0.5mL,测样时间120s时最佳。     

基于统计分析的北京地区高校综合实力排名

目前,高校排名越来越受到学生、家长以及社会的关注,各种排行榜也层出不穷,但排名的可信度与科学性取决于数据的真实性和所用统计分析方法的先进性.综合利用主成分分析与熵值法对北京地区的35所高校综合实力进行科学分析、评估后,给出了排名,同时,也从数据分析中发现了高校可以进一步改进的问题,提出了意见与建议.     

处理噪声问题的泰勒展开交替最小化算法

为了处理图像、计算机视觉和生物信息等领域中广泛存在的稀疏大噪声和高斯噪声问题,提出了一种利用交替方向最小化思想求解主成分追求松弛模型的泰勒展开交替最小化算法(TEAM).采用推广泰勒展开和收缩算子等技术推导出低秩矩阵和稀疏大噪声矩阵的迭代方向矩阵,加入连续技术提高算法的收敛速率,设计出TEAM算法的求解步骤.实验中,将TEAM算法与该领域的顶级算法作分析对比.结果表明,TEAM算法时间优势明显,误差优势略好.     

多元统计分析方法的理论研究及应用分析

多元统计分析在多指标实际问题的研究中起着重要的作用.以往文献中,一般采用某一种多元统计方法对一个多指标实际问题进行研究,但其结果存在一定的偏差性.采用四种典型的多元统计方法:主成分分析法、因子分析法、分层聚类和K-均值聚类方法对同一个多指标银行问题进行研究,并对四种方法的不同结果进行比较综合分析,这样可以避免单一方法的偏差性,以便得到的结果更合理、更具有说服力.     

基于组合加权主成分方法的新疆工会服务能力综合评价

本文提出一种新的主成分分析方法,称为组合加权主成分分析。该方法优化和主成分方法相结合,实现多个年度的综合排名。我们将这一方法应用于新疆14个州市工会服务能力的评估,结果符合实际,对工会工作起到了指导作用。     

主成分回归一紫外光度法同时测定盐酸西替利嗪和苯甲酸钠

提出了一种用紫外光度法同时测定盐酸西替利嗪和苯甲酸钠的方法.在pH 4.56的B-R缓冲溶液中对盐酸西替利嗪和苯甲酸钠两组分混合溶液进行吸光度测定,所得的重叠光谱数据用主成分回归法(PCR)和偏最小二乘法(PLS)等化学计量学方法进行处理,结果表明主成分回归(PCR)的预报误差最小.对实际样品进行测定,回收率为88.8...     

导数光谱多组分标定法对阿司匹林、扑热息痛及水杨酸的同时测定

采用导数光谱多组分标定法,根据中心合成设计建立标定集和预测集,将PLS和PCR应用于阿司匹林、扑热息痛及水杨酸混合物的零阶和一阶导数光谱,从而实现了混合物中各组分的同时测定.实验结果表明,阿司匹林、扑热息痛及水杨酸的吸收光谱严重重叠;由于各组分零交叉点重合,零交叉点比光谱-导数分光光度法无法同时测量混合物中各组分的含量...     

时滞效应对弹性地基上梁主共振响应影响分析

本文研究了弹性地基上梁主共振响应的时滞效应．基于Hamilton原理,建立了时滞影响下弹性地基上梁的非线性运动微分方程,采用多尺度法,求得了时滞效应下主共振响应调制方程以及稳定性条件．通过数值算例,分析了时滞和调谐参数影响下主共振响应的峰值及幅频响应特性．结果表明,地基反力中的时滞效应对主共振响应影响较大,会导致共振域偏移,在一定区间内,响应幅值随时滞变化先减小再增大,呈现出周期性,并导致幅频曲线弯曲程度增大．