在这封信中，我们分析性地研究了霍金辐射对Schwarzschild黑洞背景下Dirac粒子的量子相关性和Bell非局部性的影响。 结果表明，当霍金效应几乎不存在时，对应于几乎黑洞的情况，物理可及态的量子性质对于初始情况是相同的。 对于有限的霍金温度T，由于霍金效应产生的热场，可及的量子相关性随T的增加而单调降低，当霍金温度大于固定值时可及的量子非局域性将消失。 Werner状态增长的参数r。 然后，我们分析了量子相关性的重新分布，发现在霍金温度为无限大的情况下，与黑洞完全蒸发的情况相对应，物理可访问状态的量子相关性等于不可访问状态之一。 此外，由于保利排斥原理以及费米·狄拉克（Fermi–Dirac）和玻色—爱因斯坦统计之间的差异，对于狄拉克（Dirac）场，可及的经典相关性随霍金温度的升高而降低，这与标量场不同。 对于贝尔非局部性，我们还发现，对于物理上不可访问的状态，量子非局部性总是灭绝的；当物理上可访问的状态中存在非局部性时，随着霍金效应强度的增加，非局部性的强度会降低。

针对现有故障选线方法用于中性点经消弧线圈接地系统或相电压过零点附近发生故障时选线不准确的问题,提出一种基于局部全局一致性学习算法的小电流选线方法,即首先对线路接地故障原始信号进行傅里叶变换,然后将各故障信号的特征量输入局部全局一致性学习算法,通过标签循环传递判断故障特征信号,从而选出故障线路。通过Matlab仿真模型与实验室测试平台对该方法进行了研究,结果表明该方法具有较高的选线可靠性与准确性。

我们使用Uq（sl2）的半圈不可约表示，在Heisenberg XXZ spin-1 / 2链的无间隙（|Δ|≤1）态中构造拟局部守恒电荷。 这些表示的特征是梯形算子的周期性作用，梯形算子充当上述代数的生成器。 与以前构造的守恒电荷不同，新的守恒电荷不会保留磁化强度，即它们不具有哈密顿量的U（1）对称性。 讨论了由U（1）打破量子猝灭所导致的弛豫动力学中的应用可能性。

焓湿图（准）_完美局部版(65%淡显).pdf

本文介绍了C51语言中变量在内存中的分配情况，以及建议的使用方法。

针对直线电机平台轮廓运动精确控制的难题,提出一种基于局部任务坐标系(LTCF)的自适应鲁棒控制(ARC)方法。通过坐标变换阵T将所建立的动力学模型变换到LTCF中,实现在笛卡尔坐标系下跟踪误差的解耦。利用自适应鲁棒控制器对建模误差的实时补偿,使系统快速稳定并保持较好的系统鲁棒性。将所设计控制方法与基于交叉耦合(CCC)的自适应鲁棒轮廓运动控制方法进行对比仿真实验,结果表明,所提控制方法具有更好的轮廓控制性能。

具有几乎光速的粒子可以成为冲击波重力（SWG）的来源。 然后，对于超高能粒子，存在两体散射，使得一个粒子从另一粒子产生的引力背景中散射出来。 由于SWG的时空与AdS型背​​景的pp波解密切相关，因此在AdS双轨距理论中这种类型的相互作用也很有趣。 从这些角度出发，研究了SWG对点粒子或弦的散射。 在本文中，我们研究了双局部模型的情况，该模型是与开放字符串的特定模式密切相关的简单相对论绑定系统。 特别是，我们分析了对散射振幅的束缚态效应，它描述了该模型与SWG之间的相互作用。

在本文中，我们获得了潮汐成分，并讨论了扎基礁的潮汐和风的变化及其对水面海拔高度的影响的观测； 位于苏伊士红海湾的边缘珊瑚礁。 该手稿着重于调查潮汐力量是否在保持该地区独特的珊瑚礁存活和健康中发挥关键作用。 确定尽管存在所有压力因素，在这里发现的珊瑚物种和生物群落仍能生存的原因至关重要，而这些信息可能成为保护其他地方珊瑚礁的关键。 从研究地点水面高程的观测值中推导出了35个潮汐成分的相位和振幅（这是第一种）。 基于其振幅的主要潮汐成分为：M2，N2，S2，K1，NU2，K2、2Ns，L2和MU2。 上述列表中的前五个潮汐成分足以再现该位置的潮汐精确预测（R2方差= 87.54％，RMS = 0.167）。 Zaki's Reef的潮汐表编号（0.07）表示完全半昼夜制的潮汐机制。 此外，从附近站点获得的Sa和Ssa成分对潮汐预报结果没有任何改善。 来自观察到的水面高度的白噪声（残留）的频谱分析结果主要由每日频率决定，这表明局部风在研究地点的循环中起着关键作用。 局部风产生的南风长海岸和全年海上风应力分别为-0.36和0.35。 持续的近海和近海流帮助从附近的两个港口将礁石/溢油运离礁石。

随着店坪煤矿开采规模扩大,矿井转入下组煤10#煤层开采,在回采下组煤时发现局部区域出现瓦斯异常涌出现象,给矿井安全管理带来很大的困难。本文通过对矿井上、下组煤采掘期间瓦斯地质相关数据进行收集与分析,确定了矿井局部区域瓦斯涌出异常原因及范围,并提出采掘工作面合理配风、降低割煤速度、安设瓦斯稀释器的方法综合治理异常涌出的瓦斯,效果良好。

针对工业过程的非线性和多模态特征,提出了一种基于局部近邻标准化(local neighborhood standard ization,LNS)和主多项式分析(principal polynomial analysis,PPA)结合的故障检测算法。首先,将样本数据通过局部近邻标准化(local neighbor standardization,LNS)算法,对每个样本构建k近邻数据集;然后应用k近邻数据集的均值和方差对当前样本进行标准化处理;最后使用PPA对已经标准化处理后的样本建模,计算出T2和SPE统计量,并确定控制限进行故障检测。LNS算法能够去除数据中的多模态特征,而PPA算法能够有效的处理非线性数据,因此LNS-PPA方法能够提高具有多模态非线性特征的工业过程故障检测能力。将该方法应用于多模态非线性数值例子和田纳西伊斯曼(TE)化工过程,并将测试结果与主元分析法(principal component analysis,PCA)、主多项式分析法进行对比,其结果能够有效验证LNS-PPA的优越性。