矩阵C-特征值的包含区间

研究矩阵C-特征值的估计问题,通过引入基本C-特征值的概念,并运用在实空间中定义超平面的构造性几何方法,给出了判定非奇异矩阵的充分条件,进而研究了新的矩阵基本C-特征值的包含区间,并给出了实用估计式.

已知包含区间条件下的分布确定和B类不确定度评定方法

运用最大信息熵方法对已知测量量的最佳估计值及取值区间条件下的分布问题进行研究,重点研究了取值区间不对称条件下分布的确定方法,给出了用Matlab模拟求解Lagrange乘子的算法.已知有限的先验信息确定分布,是基于蒙特卡罗方法(Monte Carlo Method,MCM)评定测量不确定度的前提条件,同时也是<测量不确定度表示指南>(GUM)评定B类不确定度的基础条件,研究的方法能够较好地解决上述条件下分布确定和B类不确定度评定问题.

矩阵C-特征值的Gersgorin包含区间的推广

在矩阵C-特征值完全集定义基础上,推广了矩阵C-特征值的Gersgorin包含区间,得到推广的Gersgorin定理和Ostrowski定理.

二型模糊包含度研究

文章主要研究了二型模糊包含度,简单回顾了二型模糊集合的定义,论述了二型模糊包含度的发展现状,列举了几种典型的区间二型模糊包含度与普通二型模糊包含度,对其公理化定义的含义作了深入的分析,并对其在公理化定义约束条件下构建的计算公式做了深入的研究。

采用MCM对GUM法测量不确定度评定的验证方法研究

目前不确定度评定的基本方法是GUM法,GUM法在一定的条件下是可以有效应用的,但在模型复杂的情况下,却不容易直接确定其是否满足所有的应用条件。由于蒙特卡罗法(MCM)的有效性范围大于GUM法的有效性范围,因此可利用合适的软件,应用MCM对GUM法测量不确定度的评定结果进行验证。建议此时分别应用GUM法和MCM法,并对结果进行比较。如果结果较满意,则表明GUM法可应用于此类场合;否则,应考虑使用MCM或其它适当的替代方法。通过质量计量的实例,介绍了采用MCM对GUM法进行验证的两种方法。

关键比对的等效度评定

关键比对要求提供等效度,本文介绍等效度评定的两个方案和有关基础.

导航定位专业中几个与精度相关的术语辨析

基于相关国家标准给出了准确度、精度、正确度等术语的定义,力图使用规范的术语"准确度"表达导航特性。对于目前广泛使用的导航准确度特性的三种表征方式即标准偏差、概率包含区间、均方根误差,亦分别对其进行了概念辨析,并基于统计分布假设和误差理论等给出了相应的数据处理方法和不同表征方式间的数学转换关系。

温升法测量压气机等熵效率的不确定度

基于Rotor37单转子压气机性能试验数据,分别使用蒙特卡洛法与不确定度传播率法对温升法测量压气机等熵效率的不确定度进行评定,对不同转速、流量工况下等熵效率的测量不确定度进行分析,对等熵效率测量不确定度分配方法进行研究。结果表明,两种方法评定的最佳估计值、标准不确定度基本相同,但蒙特卡洛法评定的95%包含概率的最短包含区间比不确定度传播率法更窄,在输入量为非正态分布时差距更大,因此在输入量为非正态分布时应慎重使用不确定度传播率法。同一转速下,随着流量增大,等熵效率测量不确定度增大;不同转速下,随着转速降低,等熵效率测量不确定度增大,低转速时温升法测得高精度压气机等熵效率的难度大大增加。等熵效率测量不确定度分配方法研究结果表明,等作用分配方法对总温测量精度要求比等精度分配方法高,更难以实现。所研究的压气机在70%设计转速最大流量工况下,给定等熵效率测量相对不确定度为0.5%。按等精度分配方法分配总压、总温测量不确定度需分别达到35 Pa和0.083 K。通过增加径向测点数、采用铂电阻总温探针和气流总温校准方法可以提高总温测量精度,进而提高等熵效率的测量精度。

Inclusive Regular Separation in L-Fuzzy Topological Spaces

In this paper, we first introduce the concept of the inclusive regular separation in L-fuzzy topological spaces. Then we compare the inclusive regular separation with pointed regular separation and regular separation, and discuss the implicative and non-implicative relations among the above three separations. Finally, we illustrate that the inclusive regular separation is harmonic with the inclusive normal separation and inclusive completely regular separation.