蜘蛛位置对成功捕获猎物和球型网图案的影响(英文)

静坐在球型网的中心 ,蜘蛛可能遭受天敌的攻击并暴露在不利的天气条件下 ,如风和雨。然而 ,栖居于网的中心使蜘蛛比隐藏在隐蔽场所中的蜘蛛能更迅速地察觉并捕获猎物 ,这是因为猎物的位置仅能被位于网中心的蜘蛛所确定。对在隐蔽场所中的蜘蛛而言 ,提高对猎物捕获率的方式之一是尽量减少隐蔽所与网中心的距离。而且 ,网中心与隐蔽所之间较短的距离使蜘蛛能更迅速地逃离危险境况。我使用既在网中心、又在隐蔽场所的硬类肥蛛 (LarinioidessclopetariusClerck) ,来检验这两种行为如何影响对猎物的捕获成功率。隐藏在隐蔽场所中的蜘蛛更经常忽略猎物 ,使猎物也有比较多的逃离机会 ,这样 ,与在网中心的蜘蛛相比 ,猎物的损失率就更高。另外 ,研究了隐蔽场所的位置对球型网图案的影响。在大多数球型网中 ,网中心上方的区域比网下方小 ,丝也比较少 ,形成了结构不对称的网 ;隐蔽场所通常在网的上方。当隐蔽场所的位置在实验中被倒转时 ,就形成了非典型的球型网。最后 ,L sclopetarius建造的网有很突出的边缘非对称性 ,与隐蔽场所相邻的区域面积较小 ,而远离隐蔽场所的区域面积较大 。

基于SFPN的轨道交通车门故障诊断方法研究

针对轨道交通车辆车门故障频发的问题,提出一种适用性高、能够迅速实现故障源头追溯的地铁车门系统故障诊断方法。基于对传统模糊Petri网模型法(TFPN)的改进,通过对故障模式的影响分析,建立了球型模糊Petri网模型(SFPN),说明了各故障演变传递的逻辑关系;基于球型模糊集的转化规则及检修经验,将传统模糊集中隶属度一个判断维度扩展为隶属度、中立度、非隶属度3个判断标准,通过反复迭代计算,得出了各故障事件的信度值,最后比较了SFPN模型与TFPN模型信度值与门控故障路径推理结果。由验证结果得知,SFPN模型结果的准确性更高,能够为地铁列车日常维修提供辅助决策支持,具有理论价值和工程实践意义。

Model Warehouse

This paper puts forward a new conception:model warehouse,analyzes the reason why model warehouse appears and introduces the characteristics and architecture of model warehouse.Last,this paper points out that model warehouse is an important part of WebGIS.