【摘 要】
：
首先,研究模型中混合模式振荡的变化规律,通过电压的时间序列得到小振幅振荡峰峰间距序列的加周期分岔图与倍周期分岔图,以及发放数的阶梯状改变等结果.然后,在参数的“台阶”之间区域分析了混合模式振荡的阵发性混沌现象和非阵法性混沌现象.最后,探讨电路模型中的其他因素对系统混合模式产生的影响.利用小振幅振荡的峰峰间距图,发现弱扰动的频率和扰动强度大小都能改变电路系统的发放模式.
【机 构】
：
西京学院理学院,西安交通大学航天航空学院/机械结构强度与振动国家重点实验室
【基金项目】
：
陕西省自然科学基础研究计划青年项目(2021JQ-868),陕西省教育厅专项科研计划项目(20JK0965),国家自然科学基金项目(NSFC11672219)。
论文部分内容阅读
首先,研究模型中混合模式振荡的变化规律,通过电压的时间序列得到小振幅振荡峰峰间距序列的加周期分岔图与倍周期分岔图,以及发放数的阶梯状改变等结果.然后,在参数的“台阶”之间区域分析了混合模式振荡的阵发性混沌现象和非阵法性混沌现象.最后,探讨电路模型中的其他因素对系统混合模式产生的影响.利用小振幅振荡的峰峰间距图,发现弱扰动的频率和扰动强度大小都能改变电路系统的发放模式.
其他文献
根据2019年7月20日新疆大部分区域出现局部强对流天气过程,利用ADTD、LLS、WWLLN、风云四号卫星闪电成像仪组产品LMIG、大气电场多源闪电观测资料,对比分析这5种资料在新疆地区的应用情况。结果表明:LLS地闪探测效率最高,LMIG和WWLLN地闪探测效率较低;ADTD、LLS、WWLLN三者定位结果在时间和空间上对应基本一致,仅探测效率有所差别。新疆地区部分LMIG数据存在时间和空间上的偏差,使用前需要利用相关资料进行数据检验。卫星全天空、实时监测,可以弥补新疆南部(简称南疆)地面观测站覆盖不
利用传统方法进行医学图像配准时,会出现受到医学图像自相似性大的影响而无法进行空间变换,导致图像配准过程中存在延展性较低的问题。为此,提出一种基于多模态深度学习的医学图像配准方法。利用高斯滤波器对医学图像进行高斯模糊,构建高斯金字塔并在金字塔中对极值点进行检测与定位,实现特征点的提取。选择刚体变换模型对医学图像实施空间变换中的局部变换。采集医学图像样本数据并利用样本数据进行训练,构建医学图像的多模态
采用水热法与燃烧法相结合的方法合成了TeO2∶Eu3+发光材料.通过X射线(XRD)、扫描电子显微镜(SEM)、荧光光谱(LS)对材料的物相及发光性能进行了表征和分析.结果表明:Eu3+的掺入基本不改变样品的晶型,主要激发峰位于紫外可见光区的390 nm及447 nm波长处,发射峰位于可见光区592 nm和616 nm处,发光强度随着Eu3+掺杂量的增加先逐渐增大后逐渐减小,且Eu3+最佳掺杂量为
以廉价易得的醇作为碳源、以摩尔分数10％的对甲苯磺酸作为催化剂,发展了2-巯基吡啶与醇的催化脱水取代反应新方法,用于2-吡啶硫醚化合物的高效、绿色合成,产率高达95％.该方法只
根据师范认证以及相关标准对课程的要求,在对我校生物科学专业“植物生理学”课程教学现状及存在问题进行分析的基础上,提出了一些改进措施,即:修订教学大纲和教学目标、优化
机器学习在超材料智能设计中起着非常重要的作用.利用35篇文献,综述了机器学习在超材料的结构参数优化、电磁响应预测、拓扑结构自动设计、相位预测及结构筛选、声波亚波长成像等几种典型应用领域中的最新研究现状,列举了目前研究中存在的问题,并给出了建议和未来发展趋势.
采用传统固相反应方法制备了BaTi0.98Hf0.02O3+x mol%Ta2O5(x=0.2、0.4、0.6、0.8、1.0、1.2、1.5)陶瓷,对陶瓷结构、表面形貌、压电、介电和铁电测试结果的分析表明:Ta5+完全进入BaTi0.98Hf0.02O3的晶格中,并与之形成ABO3钙钛矿
将裂纹等效为无质量扭转弹簧,利用广义函数描述裂纹梁的等效抗弯刚度,建立了具有任意开裂纹数目梁挠度振型和弯矩振幅的显式解析通解,并讨论了随机激励下裂纹梁挠度和弯矩功率谱密度及相应方差的计算方法.数值结果表明:本文建立的计算方法与Monte-Carlo模拟结果吻合较好.同时,裂纹深度越大,裂纹梁的挠度和弯矩功率谱密度的峰值越大,其峰值对应频率越小,而裂纹梁的跨中挠度和弯矩的方差也越大.
依据丙型肝炎的传播规律,建立了一类SICTR传染病模型,计算了模型的控制再生数.利用Lyapunov-LaSalle定理证明了模型无病平衡点和地方病平衡点的全局稳定性,并进行了敏感性分析和数值模拟.理论结果表明:增强防范意识和提高疾病的治疗率可以有效地降低疾病暴发的规模.
针对文本中关键信息被忽略以及分类准确率不高的问题,提出一种加权word2vec的卷积神经网络(CNN)与ATT-BiGRU混合神经网络情感分析模型.由于word2vec生成的词向量无法突出文本关键词的作用,因此引入词频-逆文档频率(TF-IDF)算法计算词汇权重值.然后,将加权运算后的词向量输入CNN与ATT-BiGRU混合模型提取隐含特征.该模型通过卷积神经网络(CNN)和基于注意力机制的双向门限循环单元(ATT-BiGRU)分别提取文本特征,以此来提高文本的表示能力.多组实验对比结果表明,与其他算法相