智能柔性温度压力传感器在电力系统中的应用研究

本文通过分析现阶段电力设备监测手段存在的问题,提出将采用先进纳米印制技术制备的智能柔性传感器应用于电力物联网中,在介绍智能柔性传感器原理及材料配方、制备工艺的基础上,对柔性传感器在电力系统的适用场景进行分析,并给出了典型场景的应用方案,提出了柔性传感器在应用过程中的固定封装和高压绝缘方案,为电力设备的测温测压技术提供了一种较好的解决方案。     

激光多普勒差动检波装置的信号研究

研究了差动多普勒技术和锁相放大器的频率跟踪技术, 设计了一种精度高、动态范围大的激光多普勒差动检波系统.此系统结构紧凑, 安装调节方便, 可以充分利用激光光能.而且, 它把两束高斯光束的束腰聚焦在被测物体上, 获得了最小光斑和平面波的叠加, 提高了分辨力、信噪比和信号强度.采用频率自动跟踪技术来解决信号丢失问题, 抑制了各种噪声和干扰.模拟实验证明, 振幅测量精度为1％, 频率为0.6％; 分辨力为50 nm, 技术指标是令人满意的.     

可膨胀空间类的逆极限与Tychonoff积

设P表示可膨胀、σ-可膨胀、离散可膨胀、σ-离散可膨胀这四种性质之一.本文主要证明:(1)设X=lim{Xα,παβ,∧}并且每个投射πα是开满映射,如果X是|∧|-仿紧(遗传|∧|-仿紧)的,并且每个Xα都具有性质P(遗传性质P),则X具有性质P(遗传性质P);(2)如果X=multiply from σ∈∑ Xσ是|∑|-仿紧(遗传|∑|-仿紧)空间,则具有性质P(遗传性质p)当且仅当(?)F∈[∑]<ω,multiply from σ∈∑ Xσ具有性质P(遗传性质P).     

偏斜应变能J*积分及应用

引进偏斜应变能的概念，对平面裂纹起裂扩展问题进行了讨论，给出了一个与路径无关的J^*积分，同时对其守恒性给予了严格的证明，通过Ⅰ型裂纹的应用，其结果与现行公开发表的献或手册结果一致。     

一类非线性分数阶中立型系统的全局可控性[英文]

本文研究了一类非线性分数阶中立型系统的可控性问题.首先,我们讨论了解的存在唯一性;然后基于Krasnoselskii''s 不动点理论,我们得到了系统全局可控的充分条件.     

火烧油层燃烧前缘位置确定新方法

火烧油层表现出复杂渗流特征和明显的区带特性,目前还缺少成熟的火烧油层的燃烧前缘监测方法,根据火烧油层的特征建立了包含已燃烧区和未燃区的燃烧前缘解释模型,进而利用油藏数值模拟方法建立了典型均质油藏火烧油层模型,在此模型上研究了注气井关井后的压力和压力导数变化特征,并把计算和实际燃烧前缘参数进行了对比;最后对辽河油区火烧油层试验区内一口注气井的试井资料进行了解释分析,得出的燃烧前缘距离注气井89m,与生产动态分析结合分析,认为利用注气井试井方法计算火烧油层前缘位置结论可靠,能够准确反映油井生产状况和注气井受效情况.     

量子人工智能中的对抗学习

量子人工智能是一个探究人工智能与量子物理交叉的领域:一方面人工智能的方法和技术可以用来解决量子科学中的问题;另一方面,量子计算的发展也可能为人工智能,尤其是机器学习,提供新的范式,极大促进人工智能的发展.然而,量子机器学习和经典学习系统对于对抗样本同样具有脆弱性:在原始数据样本上添加精心制作的微小扰动将很可能导致系统做出错误的预测.本文介绍经典与量子对抗机器学习的基本概念、原理、以及最新进展.首先从经典和量子两个方面介绍对抗学习,通过二维经典伊辛模型和三维手征拓扑绝缘体的对抗样本揭示出经典机器学习在识别物质相时的脆弱性,同时利用手写字体的对抗样本直观展示出量子分类器的脆弱性.随后从理论层面上分别阐述经典与量子的"没有免费午餐"定理,并探讨了量子分类器的普适对抗样本.最后,分析并讨论了相应的防御策略.量子人工智能中对抗学习的研究揭示了量子智能系统潜在的风险以及可能的防御策略,将对未来量子技术与人工智能的交叉产生深刻影响.     

基于薄包层极大倾角光纤光栅的灵敏度增强型振动传感器

提出了一种薄包层极大倾角光纤光栅悬臂梁振动传感器,采用基于标准单模光纤的极大倾角光纤光栅,从理论上分析包层半径的减小对波导色散因子、包层模的有效折射率、轴向应变灵敏度因子、轴向应变灵敏度及模式阶数的影响,并进行数值仿真,为其振动传感增敏方法提供理论依据.然后使用氢氟酸腐蚀光纤包层,构成不同直径的极大倾角光纤光栅并进行相...     

成对比较矩阵的一种逼近

§1.问题的陈述 令R~(n×n)表示所有n×n阶实矩阵构成的线性空间,并定义其子集如下: P={p=(p_(ij))∈R~(n×n)|p_(ij)>0,p_(ik)=p_(ki)~(-1)}, Q={q=(qi_(ij))∈R~(n×n)|q_(ij)>0,q_(ik)q_(kj)=q_(ij)}.把P叫做正的互反矩阵(或判断矩阵)的集合,而称Q为相容性矩阵的集合.显然,Q为P的子集,且两者都不是R~(n×n)中的凸集.任取a,b∈R~(n×n),定义内积和范数如下: