给定度序列图的覆盖成本和反向覆盖成本的研究

具有n个顶点且度序列为(m,2,…,2,1,…,1)(1的重数为m)的连通图不止一个(这些图均为树),而每个树对应唯一一个段序列(l₁,l₂,…,l_m).通过对任意一树移动最长段的悬挂点到最短段悬挂点的方式得到另一树,比较前后两树的覆盖成本和反向覆盖成本,给出了具有最小覆盖成本和反向覆盖成本的极树,并且进一步给出了取得最小覆盖成本和反向覆盖成本的顶点.     

压强对Zr_(67)Ni_(33)非晶合金结构和动力学性能的影响

采用分子动力学的方法模拟Zr_(67)Ni_(33)合金液体在不同压强下快速凝固过程,通过结构分析方法如对分布函数、配位数、Honeycutt-Andersen(HA)键型指数法,以及动力学参数如均方位移、自散射关联函数、非高斯参数研究压强对Zr_(67)Ni_(33)非晶合金局域原子结构和其过冷液体动力学性能的影响.研究结果表明:压强越大,Zr_(67)Ni_(33)非晶合金中Zr-Ni原子间的相互作用越强,体系结构有序性越强,过冷液体中动力学减慢和动力学不均匀现象越显著.     

自由活塞斯特林发动机活塞位移测量

自由活塞斯特林发动机活塞往复振动位移对研究发动机特性具有重要意义,然而该类发动机活塞位于高压封闭腔体内且结构较为紧凑,其活塞往复振动位移难于直接进行测量。加速度传感器具有尺寸小、安装方便和工作稳定等特点,提出了采用加速度传感器测量活塞位移的方法。根据加速度传感器测量位移的原理,建立了一套加速度传感器测量自由活塞斯特林发动机活塞位移的标定试验系统,以位移传感器为基准测试并分析了不同活塞振幅和不同振动频率下加速度传感器测量位移的误差大小。实验结果表明,在活塞振幅小于8 mm,振动频率大于20 Hz条件下,加速度传感器测量位移的误差小于5%。因此加速度传感器可以用于测量自由活塞斯特林发动机的活塞往复运动位移。最后成功把加速度传感器测量的自由活塞斯特林发动机活塞振动位移用于发动机循环指示功的实验研究。     

一维微分方程的多项式特解方法（英文）

本文对一维常微分算子及发展微分算子提出一种基于解析多项式特解(MPPS)的求解方法,通过使用这些特解公式,将微分方程的解显式表达为多项式特解的线性组合来求解复杂的微分方程,如可以使用这些公式来求解右端具有不连续驱动项的微分系统.文中给出一系列数值例子,数值模拟结果精度很高,而且误差非常稳定.     

夹心法免疫层析试条的数学模型与仿真研究

基于夹心法免疫层析试条检测原理,结合对流扩散方程和流体动力学方程,建立了夹心法免疫层析试条动态反应过程的数学模型,并通过COMSOL软件对试条动态反应过程进行仿真.分别探究了目标待测物A浓度在0 ～ 20 mol/L,标记物P浓度在1×10-2～1×103 mol/L以及硝酸纤维素膜的孔隙率在0～1范围内变化时,检测线上夹心复合物浓度关于位置和时间的浓度变化情况,并分析了各物质初始浓度以及试条结构对于检测结果和检测时间的影响.结果表明,在一定浓度范围内,目标待测物A以及标记物P浓度的增加将提高试条的定量检测性能,而孔隙率通过影响混合液流速和混合液中各物质反应接触情况来影响检测结果.     

基于SG-Lasso-PLS融合算法的水体硝酸盐氮紫外光谱检测研究

硝酸盐氮(NO₃-N)是水中“三氮”(硝酸盐氮、亚硝酸盐氮、氨氮)之一,能够反映水体受污染的程度,是水质评估的一项重要指标。水体中的硝酸盐氮浓度过高不仅会导致水环境污染加重,而且会对人畜及水产构成较大威胁。传统的硝酸盐氮检测必须先反应后测定,具有时间长、操作复杂、有二次污染等缺点。光谱法具有快速、无损、无试剂消耗等显著优点。针对硝酸盐氮难以快速检测的问题,提出了一种基于紫外吸收光谱的快速定量分析硝酸盐氮的方法。采集42份浓度为0～20 mg·L^-1的硝酸盐氮标准溶液样本的紫外吸收光谱,每份样本经11次平均处理以减少仪器噪声和环境的影响。采用SPXY算法按照7∶3的比例划分训练集、测试集,对紫外吸收光谱数据使用Savitzky-Golay(SG)滤波算法进行预处理,通过10折叠交叉验证获得套索回归(lasso regression)合适的正则化参数λ=0.203 6,再使用Lasso回归在全光谱范围内筛选出与硝酸盐氮相关的光谱特征波长,将特征波长处的吸光度与样本浓度进行偏最小二乘(PLS)拟合建立硝酸盐氮的回归模型。采用此建模方法所建立的模型训...     

升降法试验全样本参数估计式

本文对升降法非线性似然方程组进行线性化处理,得到参数估计式.该式可充分利用试验信息,甚至对较小样本也相当接近计算机数值解.     

长方体的热爆炸临界参数估计

本文给出了各侧面散热条件不同情况下的长方体反应系统临界F-K点火参数估计公式,并用已有的研究结果做了比较,表明该公式给出了较好的临界参数估计值。