多翼自治水下机器人动力学建模与姿态控制

为了提高多翼自治水下机器人姿态自主控制的稳定性和控制性能,设计了基于多翼水下机器人全参数控制模型的姿态控制系统.首先对多翼自治水下机器人进行运动学和动力学分析,建立多翼自治水下机器人的全参数运动控制模型;在此基础上建立多翼自治水下机器人整体控制系统,设计基于线性二次型最优控制的多翼自治水下机器人姿态控制器;最后进行多翼自治水下机器人姿态控制仿真实验.结果表明:在给定的外界干扰下,多翼自治水下机器人能够快速稳定跟踪目标姿态,所建立的控制器以及控制模型能够满足多翼水下机器人姿态的自主控制需要,达到设计目标.     

离子注入减小条形射线探测器表面漏电的研究

选择高阻N型〈10 0〉单晶硅材料 ,X射线探测器为PIN管结构 .为了减少器件表面缺陷对暗电流的影响 ,在器件P区的两侧使用离子注入形成浅层低浓度N区 ,以减小器件的暗电流 .通过对比实验发现 ,当N区的注量增大时 ,在相同反向偏压条件下 ,器件的暗电流密度随之减小 ,同时击穿电压也相应减小 .为了减小器件的工作电压并进一步减小工作时的暗电流密度 ,还将器件的背面进行厚度减薄、抛光和AuSb/Au合金形成欧姆接触 .对减薄后的器件进行I V特性测量 ,由于工作电压大幅降低 ,器件正常工作时的暗电流密度大幅度减小 .同时在实验中发现温度对暗电流的影响非常大 ,将器件温度降低到 - 15℃时 ,暗电流密度可降低到 1nA·mm- 2 以下 .     

中长期电力负荷预测的几种灰色预测模型的比较及应用

对传统GM（1,1）模型,基于积分优化法的GM（1,1）模型,具有白指数律重合性的GM（1,1）模型,基于响应不变法的GM（1,1）模型,基于严格微分拟合法的GM（1,1）模型进行了详细分析比较．针对电力系统中长期负荷增长的特点,分析比较了以上5种模型的特点及其适用范围,为电力系统工作人员在年用电量预测中选择合适的灰色预测模型提供参考依据．     

偏光棱镜在柱面会聚系统中的视场角分析及应用

以格兰·泰勒棱镜为例,对平行于棱镜主截面方向的视场角进行了分析和推导,发现该视场角随切割角的增大而增大,在红外波长区远大于通常给出的沿主截面方向的视场角,对沿两正交方向的视场角随切角和波长的变文关系进行了比较,所得结论在红外分光光度计上得到了验证,实验表明:冰洲石格兰型偏光镜是柱面或准柱面会聚光束的理想偏光器件。     

蜂窝环境下功率空时分布仿真的改进算法

为更好地对蜂窝环境下的功率空时分布进行仿真,引入“有效散射体”和“反射概率”两个有明确物理意义的概念,在单反射椭圆模型(GBSBEM)的基础上提出一种改进的仿真算法.该算法能更准确灵活地描述蜂窝环境下信号的功率空时特性.仿真结果与实测数据对比表明,在功率时延谱预测方面,改进算法与GBSBEM有同样的精度,而在功率方位谱预测方面,前者的均方相对误差要小于后者.     

第二小阶数的点本原1/2-弧传递图

通过研究群PSL(3,3)在二维射影空间PV(2 ,3)中极大独立点集之集合上的本原作用的次轨道结构 ,构造了一个阶数为 2 34,度数为 48,自同构群为Aut(PSL(3,) )的点本原 12 弧传递图 ,从而发现了第二小阶数的点本原 12 弧传递图 .     

传承与创新：试论《黛西·米勒》的视角

从小说诞生之日起,视角作为鉴赏和解读小说文本的基本手段和角度之一,始终是学界关注的焦点之一。亨利·詹姆斯的代表作《黛西·米勒》通过批判性、创造性地运用第三人称有限视角对小说理论和创作做出了不可磨灭的贡献,是推进小说流派从批判现实主义向现代心理主义过渡的里程碑式的作品,其完善视角的独创更让前人、来者无法望其项背。     

基于BIM的常规桥梁正向设计辅助系统开发

打通BIM技术在桥梁全生命周期的应用,填补现行BIM软件在正向设计上的空白,是推动桥梁工程信息化、智慧化不可或缺的环节.本研究针对常规桥梁设计人员的设计习惯和设计流程,基于WPF框架,结合BIM核心建模软件Revit二次开发技术,开发了一款常规桥梁正向设计辅助系统.实现了桥梁与路线、地质等专业的数据交互,让设计更具有合理性;实现了桥梁BIM三维模型快速创建、实时查看、实时修改,为方案优化提供便利.研究表明,该系统结合了传统设计和BIM软件的优势,对推动桥梁三维设计有一定的积极意义.     

新型聚合物聚乙二醇-胆酸(PEG-CA)自组装为胶束负载药物的研究

设计并合成了一种具有特定结构的新型聚合物:聚乙二醇-胆酸(PEG-CA),并分别采用核磁共振、红外光谱等表征手段确定聚合物的结构,然后通过Zeta-Plus电位粒径仪测得其自组装后胶束的粒径大小及分布。最后测定了聚乙二醇-胆酸(PEG-CA)胶束负载阿霉素(DOX)的载药量。实验结果表明聚合物聚乙二醇-胆酸(PEG-CA)具有作为纳米药物载体的药物输送的潜在应用。     

Sentiment Analysis of Code-Mixed Bambara-French Social Media Text Using Deep Learning Techniques

The global growth of the Internet and the rapid expansion of social networks such as Facebook make multilingual sentiment analysis of social media content very necessary. This paper performs the first sentiment analysis on code-mixed Bambara-French Facebook comments. We develop four Long Short-term Memory (LSTM)-based models and two Convolutional Neural Network (CNN)-based models, and use these six models, Naïve Bayes, and Support Vector Machines (SVM) to conduct experiments on a constituted dataset. Social media text written in Bambara is scarce. To mitigate this weakness, this paper uses dictionaries of character and word indexes to produce character and word embedding in place of pre-trained word vectors. We investigate the effect of comment length on the models and perform a comparison among them. The best performing model is a one-layer CNN deep learning model with an accuracy of 83.23 %.