一类改进最大熵方法的可调参数分析

在结构可靠性分析中,引入含可调参数的转换函数能对传统的最大熵方法进行改进,获得更高的失效概率预测精度。但是,此可调参数的最佳取值很难确定。针对这一问题,引入概率守恒方程,从功能函数转换前后所得概率密度函数出发,建立其最大熵值的变化关系,给出转换前后最大熵值之差的理论形式。通过对三种典型单调非线性转换函数开展算例研究,发现功能函数转换前后的最大熵值之差与转换函数的最佳可调参数值有关。改变可调参数值驱使最大熵值之差变化的同时,改进最大熵方法能遍历到更好的失效概率估计值。     

《光学精密工程》(月刊)

中国光学开拓者之一王大珩院士亲自创办的新中国历史最悠久的光学期刊。现任主编为国家级有突出贡献的青年科学家曹健林博士,Benjamin J Eggleton,John Love等国际著名光学专家为本刊国际编委。《光学 精密工程》主要栏目有现代应用光学(空间光学、纤维光学、信息光学、薄膜光学、光电技术及器件、光学工艺及设备、光电跟踪与测量、激光技术及设备);微纳技术与精密机械(纳米光学、精密机械);信息科学(图像处理、计算机应用与软件工程)等。     

基于非线性光纤环形镜的少模脉冲幅度调制再生器

随着网络带宽需求的快速增加,波分复用系统的容量已接近非线性香农极限.为了适应未来网络的发展,空分复用技术引起了越来越多的关注.本文首次提出基于少模非线性光纤环形镜(FM-NOLM)的脉冲幅度调制(PAM)全光再生器,描述了其工作原理和具体设计过程.采用COMSOL软件对组成FM-NOLM的硫化物高非线性光纤进行了模式特性仿真.以LP01,LP11,LP21三个光纤模式为例,确定了再生器的参数,计算出每个模式的功率转移函数曲线.仿真分析了该少模PAM-4全光再生器的噪声抑制(NRR)性能,并与单模情形进行了比较.研究表明,1)对于每个空间模式的PAM信号,所有再生电平具有一致的功率转移性能;2)当输入信噪比(SNR)约大于20 dB时,三种模式的噪声抑制比均可超过3 dB,并随着输入信噪比线性增加,其斜率约为1.2;3)在相同输入SNR条件下,三种模式的噪声抑制比相差不大,不超过1.1 dB.为了说明再生器的再生性能,当输入SNR为25 dB时,我们还给出了再生前后PAM-4信号的功率分布直方图.与现有的再生方案相比,本文方案的均匀多电平再生转移性能,使其更适合高频谱效率的长距空分复用系统和任意电平数的PAM信号再生.此外,该方案也能够扩展到波长域,有效提高光通信系统的传输容量.     

一道调研试题的多视角求解

一、试题呈现题目(南京、盐城2014届高三年级第二次模拟考试第17题)如图1,经过村庄A有两条夹角为60°的公路AB、AC,根据规划拟在两条公路之间的区域内建一工厂P,分别在两条公路边上建两个仓库M、N(异于村庄A),要求PM=PN=MN=2(单位:千米).如何设计,使得工厂产生的噪声对居民的影响最小(即工厂与村庄的距离最远).     

紧黎曼流形上的椭圆边界值问题

讨论一类非齐次非线性椭圆边界值问题.利用极大值原理证明了该问题解的梯度估计.作为它的应用得到了解的效率比估计.     

对流扩散方程的缩减基有限元法的后验误差

将缩减基(RB)方法和有限元方法相结合,在保证偏微分方程的有限元离散格式具有足够高精确度前提下,能够大幅度地降低有限元离散格式的维数,从而大大降低计算中内存容量和计算时间的消耗.针对对流扩散方程建立基于RB方法的Crank-Nicolson有限元离散格式,并给出后验误差估计结果.     

能量连续传递的超分子人工光捕获系统构筑及其在光催化反应中应用

光捕获系统在自然界光合作用过程中起着至关重要的作用.模拟自然界的光捕获体系,在生物成像、发光器件、光催化以及解决人类面临的能源问题等方面均具有重要意义[1].目前,在水相中构筑高效的人工光捕获系统已取得一系列重要进展[2].然而,为了更好地理解并模拟自然界中以多通道信息通讯为特征的捕光天线系统[3],构筑具有多步连续能量转移特征并能实现光能到化学能转化的人工光捕获体系仍然是一项具有挑战性的工作.     

基于遗传算法的升力体外形优化设计

升力体由于低热流率再入物理特性和高效的内部容积利用率，是高超声速飞行器气动外形的一种典型布局.文章对升力体飞行器进行参数化数值建模，并提取其表征外形的参数作为设计变量，综合考虑飞行器再入过程中的气动力、气动热、容积利用率及稳定性等性能指标.运用多目标混合遗传算法对升力体进行了多变量、多约束下的气动外形优化设计，获得了再入飞行器外形的最优Pareto解.数值模拟结果表明，典型状态下最优Pareto解与CFD结果相差12%，验证了优化结果的准确性.      

基于双状态Χ~2检测和快速强跟踪AUKF的组合导航算法

针对GNSS/SINS/摄影测量组合导航中某个子系统发生故障时,整个导航系统易受到故障数据污染的问题,提出了一种基于快速强跟踪AUKF的双状态卡方(Χ~2)检测数据融合方法。首先,采用快速强跟踪AUKF算法进行滤波;然后,引入卡方检验通过检测UKF子滤波器输出的状态向量来定位故障参数;最后,采用强跟踪滤波准确跟踪状态矢量突变以增强系统鲁棒性,并根据自适应因子实时调整预测协方差阵以修正增益矩阵,使滤波结果不受异常信息的干扰。将提出的改进算法与常规算法分别应用于无人机着陆导航系统,结果显示:与传统UKF相比,提出的算法得到的位置误差减少了62.6%以上;与强跟踪UKF相比,导航误差也至少减小了32.6%。