结合神经网络的换热器积分近似模型

为解决换热器的分布参数模型存在的精度与计算代价之间难以调和的矛盾,本文提出了一种新的方法,即光用一个积分近似模型作为对原分布参数模型的简化,而仅对积分近似中某些非线性关系用神经网络来表达。该方法用于翅片管式冷凝器的实际计算,验证了这一思路的有效性。     

翅片管换热器仿真模型的研究

翅片管换热器模拟研究中仿真模型的建立会对模拟的计算精度产生影响。总结了对翅片管换热器流动换热性能研究的集中参数模型、分区模型、分布参数模型和分区集中参数模型这四种传统模型,且重点介绍了基于响应面法的多元非线性回归模型和基于人工神经网络的预测模型,并对这六种模型的优缺点与适用场合进行了详细分析。     

基于模型和神经网络的绝热毛细管快速仿真方法

为简化毛细管模型,采用分相集中参数方法,将平均比容的权重因子作为两相区简化的特征参数,用人工神经网络方法建立特征参数与其影响参数之间的非线性映射。神经网络的学习样本采用工质Ｒ１２,检验样本包括Ｒ１２、Ｒ２２、Ｒ１３４ａ和Ｒ６００ａ等多种工质。在常用制冷空调工况范围内,该简化模型与分布参数模型相比,平均偏差０３％,计算速度提高１个数量级。     

冷库用翅片管风冷式冷凝器仿真与实验研究

针对某一低温实验冷库的翅片管式风冷冷凝器,建立其稳态分布参数数学模型。从冷凝器的结构型式入手,详细分析了换热管路的布置方式,针对制冷剂与空气间的流动换热方式,在热质平衡原理的基础上以划分微元的方式建立了冷凝器的稳态分布参数数学模型。最后,实验验证仿真数学模型的准确性。在-25℃、-30℃、-35℃和-40℃等四种库温点下进行了稳态实验,测得了四种库温点下冷凝器各监测点的温度和制冷剂侧、空气侧的换热量,分析了制冷剂冷凝过程中过热、两相和过冷状态的变化以及各个状态区的长度。然后以实验工况为计算条件,运行仿真计算程序,得到了四种库温点下冷凝器各监测点的温度和制冷剂侧、空气侧换热量的计算值,通过曲线图分析了计算值和实测值之间的偏差,验证了换热模型的准确性。结果表明:模型具有一定的可靠性和精度,可为该类装置的以及整个冷库系统的仿真和优化设计提供了一定的理论基础。     

螺杆机组动态仿真(一):开机过程

为准确预测冷水机组动态特性,提高计算稳定性,结合螺杆式冷水机组的特点建立了动态模型,其中压缩机采用稳态形式模型,冷凝器和蒸发器采用动态集中参数模型。计算结果表明,模型定性合理,算法稳定。     

Au等离子体电子状态方程的理论研究

在改进的平均原子模型的基础上，在中心场近似下用分波法来处理部分自由电子密度分布函数，提高了电子波函数、电子占据数等原子参数的计算精度．通过平均近似处理，给出了劈裂的能带．通过使用分波法来准确计算贵金属Au的电子状态方程．     

冷藏展示柜冷却风道的设计及数值模拟

以冷藏展示柜强制冷却冷凝器的冷却风道为对象,建立了物理数学模型,用SIMPLE方法计算了3种型式冷凝器冷却风道空气流场,通过速度分布图和速度矢量图分析了各型式风道冷凝器和压缩机冷却效果,结合冷藏展示柜的结构和实际应用提出了冷却风道优化的方向,为冷藏展示柜的优化设计提供了参考.     

带有高压储液器的制冷系统建模研究

通过对制冷系统循环特性、变工况特性和参数间耦合特性的分析,遵循热力学基本定律和能量、动量、质量守恒定律,采用稳态和动态建模相结合的方法建立压缩式制冷系统的数学模型。针对换热器建模难点采用分相区和移动边界相结合的方法建立其集总参数动态模型,并且冷凝器与高压储液器相结合,构成冷凝器加储液器的整体部件,文中建立的制冷系统的整体模型,反映了制冷系统工况变化时制冷剂质量的重新分配及其对状态变量的影响,提高了系统建模的精度,最后通过实验对所建模型的准确性进行了验证。     

W含温有界下状态方程参数的理论计算

在改进的Hartree-Fock-Slater原子模型的基础上，在中心场近似下用含能带效应的全动态电子判据处理自由电子与束缚电子的密度分布，提高了电子波函数、电子占据数等原子参数的计算精度.通过平均近似处理，给出了劈裂的能带，从而改善了物质电子状态方程的计算精度.结果部分详细计算了W元素的原子能量、电子压强、熵、定容热容及其它热力学参数     

用边界元法分析非均匀介质中的传输线

 从静电场边值问题的积分解出发，推导出用边界元法求解分区均匀介质填充传输线问题的矩阵表达式，给出传输线电容参数的计算公式，介绍用边界元法求解分区均匀介质填充传输线问题的基本原理和求解过程。对两类传输线的计算结果表明：用边界元法求解分区均匀介质填充传输线问题，不仅具有较高的计算精度，而且可以很方便地应用于各类复杂截面分区均匀介质填充传输线问题的工程设计与计算，边界元法是求解分区均匀介质填充传输线问题的一种有效方法。     

基于三维荧光谱特征分析的油种鉴别技术的研究

介绍了运用神经网络进行模式识别的基本原理,将主成分分析法和BP神经网络相结合,提出矿物油三维荧光谱鉴别方案,并进行了系统设计,建立了基本的模型框架.选取矿物油三维荧光谱的特征参量,组成原始特征向量,采用主成分分析法进行预处理,而后选取主成分运用BP神经网络实现油种鉴别.该方法减少了输入变量的维数,消除了各输入变量的相关性,同时简化了网络结构,提高了程序运行的速度.通过实例进行了分析,结果证明该方法有效地实现了矿物油三维荧光谱的油种鉴别,同时该系统也可用于其它物质的光谱识别技术领域.     

Fuzzy neural network based on a Sigmoid chaotic neuron

The theories of intelligent information processing are urgently needed for the rapid development of modem science. In this paper, a novel fuzzy chaotic neural network, which is the combination of fuzzy logic system, artificial neural network system, and chaotic system, is proposed. We design its model structure which is based on the Sigmoid map, derive its mathematical model, and analyse its chaotic characteristics. Finally the relationship between the accuracy of map and the membership function is illustrated by simulation.     

Pulse coding off-chip learning algorithm for memristive artificial neural network

Memristive neural network has attracted tremendous attention since the memristor array can perform parallel multiply-accumulate calculation (MAC) operations and memory-computation operations as compared with digital CMOS hardware systems. However, owing to the variability of the memristor, the implementation of high-precision neural network in memristive computation units is still difficult. Existing learning algorithms for memristive artificial neural network (ANN) is unable to achieve the performance comparable to high-precision by using CMOS-based system. Here, we propose an algorithm based on off-chip learning for memristive ANN in low precision. Training the ANN in the high-precision in digital CPUs and then quantifying the weight of the network to low precision, the quantified weights are mapped to the memristor arrays based on VTEAM model through using the pulse coding weight-mapping rule. In this work, we execute the inference of trained 5-layers convolution neural network on the memristor arrays and achieve an accuracy close to the inference in the case of high precision (64-bit). Compared with other algorithms-based off-chip learning, the algorithm proposed in the present study can easily implement the mapping process and less influence of the device variability. Our result provides an effective approach to implementing the ANN on the memristive hardware platform.     

基于支持向量机的模型传递方法研究

模型传递是以数学方法通过在2台不同仪器之间寻求一种变换关系来增强光谱仪数据通用性、可比性的一种基本途径。由于实际测量数据具有非线性特征,加上校正样本集合的有限性,使得解决小样本条件下非线性关系的模型传递问题显得尤为重要。文章在概述支持向量机基本原理的基础上,探讨了支持向量机方法在光谱仪的模型传递问题中的应用,提出了基于支持向量机的分段直接校正方法,最后采用计算机模拟的方式对该方法进行了举例说明,并和人工神经网络方法进行了相应的比较。     

基于遗传神经网络的耙吸挖泥船泥泵转速预测

耙吸挖泥船泥泵管线模型是一个复杂的、非线性的动态模型,影响模型准确性的参数较多。为了根据当前施工条件和流量的优化值准确地预测转速,为施工人员提供参考,提高疏浚效率,采用了遗传算法改进的BP神经网络对泥泵转速进行预测。首先,遗传算法对BP神经网络的初始权值和阈值进行优化。然后,BP神经网络根据优化值对网络进行训练并对转速进行预测。为了验证该方法的有效性,将遗传BP神经网络的预测输出和实测泥泵转速进行对比。仿真结果表明：遗传BP神经网络具有很强的非线性拟合能力和全局搜索能力,能够准确地预测泥泵转速。该预测输出可为施工人员提供参考,以便改变泥泵转速,提高疏浚效率。     

人工神经网络用于光度法同时测定三组分染料混合物

应用人工神经网络原理,以快速BP算法,对紫外可见吸收光谱严重重叠的三组分的染料溶液同时进行含量测定。在200～590nm的范围内,以7个特征波长处的吸收值作为网络特征参数,通过网络训练,复品红、结晶紫、藏红T的相对标准偏差分别为0.34％,0.67％,1.03％,三者的回收率在95.5％～104％之间。实验表明,该算法速度快,预测结果准确,可望用人工神经网络和光度法结合定量测定混合染料。     

血清自体荧光光谱联合肿瘤标志物群在肺癌诊断中的价值

血清自体荧光光谱可以反映血清中癌细胞在代谢过程中发生的异常改变而导致的血清中荧光物质的成分、含量及微环境的变化,可作为癌症辅助诊断的一种新方法。利用荧光光谱分析技术,探讨了肺癌、肺良性疾病以及正常人血清的荧光光谱的异同,建立了血清荧光光谱检测的方法。同时联合肿瘤标志物群CEA, NSE, SCC-Ag, CYFRA21-1和p16甲基化,并运用人工神经网络技术和Fisher线性判别分析法分别建立了肺癌的诊断预测模型,并用ROC判别法对其预测结果进行比较。结果表明,荧光光谱联合肿瘤标志物建立的人工神经网络模型的预测效果优于单纯的荧光光谱神经网络模型,判别效果优于Fisher线性判别分析。     

基于不同模型的土壤有机质含量高光谱反演比较分析

以新疆奇台县为研究区域,选取该县40个土壤样本,采用多元线性逐步回归法和人工神经网络法两种方法分别建立了土壤有机质含量的反演模型,并对模型进行了检验。结果发现：不同模型的精度值各异,其拟合效果从高到低依次为人工神经网络(ANNs)集成模型＞单个人工神经网络(ANNs)模型＞多元逐步回归(MLSR)模型。人工神经网络的线性和非线性逼近能力较强,而其集成模型作为提高反演模型精度的重要手段,相关系数高达0.938,均方根误差和总均方根误差最小,分别仅为2.13和1.404,对土壤有机质含量的预测能力与实测光谱非常接近,分析结果达到了较实用的预测精度,为最优拟合模型。