多层导体超导电缆的交流输电特性

在完成设计和制造我国第一组并网运行的超导电缆系统的工作中，我们对不同结构的超导电缆短样样品的交流载流特性进行了系统的研究，内容包括层电流均流特性、电缆失超特性、失超恢复特性、电缆载流能力和抗短路冲击能力等．结果表明，对多层螺旋导体结构的超导电缆，影响其输运电流在各导体层分布的主要因素是邻近效应．由于其零电阻特性，在相同的结构中，超导体表现出比常规导体大得多的临近效应．显著的邻近效应使多层导体结构的超导电缆的均流问题变得更加复杂．此类超导电缆有很强的抗短路电流冲击能力，能够承受高于额定电流20倍以上的短路电流，并且有很好的超导性能恢复能力．由于交流超导电缆的电压与电流相位差对电阻的变化非常敏感，所以可以被用作判断失超的预警参数用来避免热溃式失超的发生．     

等离子体相位共轭理论

本文统一研究磁化和无磁化等离子体的相位共轭理论.这一理论可用于微波频段相位共轭器的研制.     

Gentzen型模糊推理

本文建立了能同时处理证据、规则的不确定性以及证据与规则近似匹配的Gentzen型模糊推理的语形方法．     

保险赔付中的最优对冲策略

本文对带有付费过程$A_t$的保险公司在金融市场$(S_t,Q_t,B_t)$上通过购买股票$S_t$、兑换外币$Q_t$以及购买无风险资产$B_t$的投资过程而采取的最优投资策略, 使保险公司所面临的风险最小进行探讨. 利用Galtchouk-Kunita-Watanabe分解定理将风险表达式重新表达, 从而找到保险公司所能采取的风险最小的最优对冲策略. 文中举出一个具有现实性意义的例子将文章的重要结论加以应用, 使本文更具有应用价值.     

三维随机点阵三态矢量Potts模型Monte Carlo模拟

在三维随机格点阵上对三态矢量Potts模型进行了Monte Carlo数值模拟,构造了N×N×N(N=8,10,12)三种不同大小点阵,分别计算了该自旋系统的能量密度、磁化强度、比热和磁化率等的温度曲线。结果表明该自旋系统在β₆≈0.16处存在着能表征一阶Z(3)对称破缺相变的能量热滞图和比热陡峰,磁化强度的跃变规律亦支持该结论,从而显示出该模型在随机点阵上的相变行为与正方点阵的已有结果的相似性。     

含LiClO4的接枝聚合物网络的结构,形态与离子导电性能研究

聚合物网络快离子导体成膜后有良好的机械强度、尺寸稳定性,但室温电导率稍偏低。本文通过大单体技术合成兼具优良室温电导率(σ_(298K)=4.8×10~(-5)S·cm~(-1))与机械强度的接枝聚合物网络快离子导体,并研究了网络结构、形态与离子导电性之间的关系。 1 实验部分 1.1 试剂及精制 试剂均为化学纯。分子量为800与2000的聚氧化乙烯(PEO800,     

锥极点集和分组分层问题

本文讨论了三个问题。第一,什么是多目标规划有效解集、弱有效解集以及真有效解集的一般表示?本文给出的一般表示包含了寇恩、乔弗林以及俞等人给出的特殊表示。第二,上述三种解集之间的关系式是什么?对于凸多目标问题,本文给出了四个关系式。第三,什么是分组分层问题?本文给出此问题的可取解定义,利用前面的结果指出有效解和可取解的关系,并给出可取解集的两种表示和两个算法。为了讨论上述三个问题,本文在俞的工作的基础上,讨论了锥极点集的一般表示及其若干性质。     

多目标规划的真有效解

考虑问题(P) (?)其中 f(x)=(f_1(x),…,f_m(x))~T,g(x)=(g_1(x),…,g_l(x))~T,一切 f_i(x),g_j(x)为定义在 n 维欧氏空间 E_n 中某开域上的实值函数(为简单起见,不妨认为定义域就是 E_n);D为 E_l 中的凸锥.记约束集为 R={x|g(x)∈D}.设(?)∈R;Λ为 E_m 中包含原点0的闭凸锥.称(?)为有效解,若不存在 x∈R 使     

有界区域上的粘性分离法

用分步法求解Navier-Stokes方程的初边值问题。在每一个时间区间内,将原方程分解为没有扩散项的Euler方程和没有对流项的扩散方程,证明了近似解的收敛性。与通常的方法不同的是,我们用一个非齐次扩散方程代替了齐次扩散方程。本文是一系列文章的第一篇,讨论线性化的方程。     

多目标规划的理想点法

1.引言假定 X 是 n 维欧氏空间 E_n 的子集,在 X 上有 m 个目标函数 F_i(x)(i=1,…,m),对每个 F_i(x)事先规定了一个理想值 F_i~*(例如 F_i~*=min(?) F_i(x)).一般而言,不一定存在 x~0∈X,使 F_i~*=F_i(x~0)(i=1,…,m),但我们可以求得(?)∈X,使向量(F_1((?)),F_2((?)),…,F_m((?)))和向量(F_1~*,…,F_m~*)尽量地接近.这时可以通过求解