浅水中污染物扩散的自适应有限元分析法

介绍浅水中污染物扩散分析中的有限元法.分析包括两个部分:1)流场速度、水面高度的计算;2)根据扩散模型计算污染物浓度场.联合使用了自适应网格技术以期提高解的精度,同时减少计算时间和计算机内存的消耗.通过几个有已知解的实例验证了有限元公式和计算机程序.最后,使用这种联合方法分析泰国Chao Phraya河附近海湾中的污染物扩散.     

一种高精度保界的守恒重映方法

Lagrange方法中，当流场发生大变形时，跟踪流体运动的Lagrange网格发生扭曲，使计算无法进行下去，此时必须重分网格，把网格修复成较好的形状。另外，网格自适应技术中的重构、合并与加密，以及同一问题不同程序相继计算的连接，并行计算中相邻块边界区域的数据传递等，这些情况都需要利用旧网格上的物理量来确定新网格上的物理量，是一个物理量重映过程。质点重映方法是基于物理上守恒规律的一种离散的物理量守恒映射方法，既可实现分片常数分布的一阶精度重映计算，又可实现分片线性分布的二阶精度重映计算。这种方法可严格保证守恒量的守恒性，且可以实现任意多边形网格以及节点上物理量的守恒重映。但是，基于分片线性分布的二阶精度重映方法，如果新网格的守恒量没有进行保界调整，那么相应的强度量有可能在其局部的限制范围之外，破坏了原网格物理量的单调性。因而，对二阶精度的质点重映方法进行了进一步研究。在分片线性分布的基础上，将基于结构网格的保界算法扩展到非结构网格上，给出了二阶保界的质点守恒重映方法。     

目标自适应分割算法的研究

初步探讨和分析几种实际典型场景目标与背景的特征，提出相应的目标分割算法，并对几种方法加以融合。实际跟踪算法中，实现目标分割方法的自动转换．自动调整自适应分割门限及搜索方案．实验表明，该算法转换灵活，跟踪平稳。自适应能力强，抗干扰性能好．易于软件实现．     

互补型自适应滤波器在心磁信号处理中的应用

将心磁信号从干扰噪声中加以提取并有效地消除噪声干扰是心磁信号处理中尤为重要的环节 .从改进算法的角度出发，提出互补型自适应滤波器结构以实现心磁信号的消噪处理.该滤波器针对心磁这类非平稳信号进行设计，有效地解决了常规自适应滤波器应用于心磁信号处理时收敛速度和稳态误差的矛盾.通过仿真实验和心磁实验结果表明，该算法能有效地消除心磁信号的背景噪声和工频干扰噪声.同时该算法也可用于其他非平稳信号的消噪处理. 关键词： 自适应滤波 心磁图 最小均方误差     

高温高密度Z-pinch等离子体自适应式平面丝阵负载制备技术研究

 在Z-pinch实验中，加速器两电极间距会因抽真空而发生改变从而导致平面丝阵负载的丝分布发生变化，为了解决这个问题，采用弹簧预压缩的方法，制备出了平面丝阵负载，经实验室模拟检测和物理实验的实际应用证明，平面丝阵负载不但能适应电极方向呈任何方向放置的靶室，还能自动适应靶室电极间距因抽真空而发生的变化。在实验过程中丝阵可以保持绷紧的状态，满足了物理实验的要求。     

电子直线加速器磁控管频率稳定的自适应线性神经元方法

 电子直线加速器电子束能量的稳定与否取决于功率源工作频率的稳定性,磁控管在短时间内的散谱和轻微跳谱造成稳频系统的控制精度下降,最后电子束的扫描均匀度下降。引入自适应线性神经元方法(ADALINE)和噪声对消技术以消除对工作频率长期稳定性的影响,从而保证了电子束的扫描均匀度。     

一类死区非线性输入系统的自适应模糊控制

针对一类具有死区非线性输入的非线性系统,基于滑模控制的基本原理,利用II型模糊逻辑系统对未知函数进行在线逼近,提出了一种具有监督器的自适应模糊滑模控制方法。该方法通过监督控制器保证闭环系统所有信号有界,并通过引入最优逼近误差的自适应补偿项来消除建模误差的影响。通过理论分析,证明了跟踪误差收敛到零。     

不确定非线性系统的鲁棒自适应控制器

在ｂａｃｋｓｔｅｐｐｉｎｇ程序中，把非线性自适应控制和鲁棒控制连接起来，为参数化的严格反馈系统在不确定性存在的情况下，建立了一种鲁棒自适应控制方案．非线性自适应控制被用来处理系统的线性参数化部分，而鲁棒控制通过引进非线性阻尼项被用来处理不确定性部分．与现有的方案不同，作者给出了非线性阻尼项的无限种选择，而不是仅仅一种选择．通过使用一种合适的选择，能够设计一个鲁棒自适应控制器．它不仅能够保证对不确定性的鲁棒性，而且能够使输出误差任意小，以及用较小的控制努力取得较好的性能．     

一种基于演化算法的车间调度问题

针对车间调度的问题,提出一种改进的演化算法.在算法中,首先引入个体之间距离和邻域的定义,从而根据距离来确定个体的相似性,并且根据个体的相似性对种群进行分级,以此得到新解产生的邻域.此外,为了提高算法的收敛速度,对较好的个体加入加速因子—列队竞争算子.最后,通过数值仿真检验,验证了算法的有效性和优越性.     

基于模糊神经网络的自适应PID控制器

提出了一种应用于自适应PID控制器的神经网络与模糊控制相结合的算法,该算法可以有效地解决普通PID控制器依赖于对象的数学模型的缺点,可实现控制系统的在线自适应调整,可满足实时控制的要求。仿真结果表明,基于模糊神经网络整定的PID控制器具有较好的自学习和自适应性,具有较快的响应速度。