一种超混沌映射的单双参量自适应同步

利用参量自适应法实现了超混沌系统Kawakami映射的同步.通过严密的数学推导,给出了Kawakami映射在单参量自适应下实现同步的充分条件,并在双参量自适应控制下系统同样实现了同步.数值模拟结果显示,该映射输出具有类似于白噪声的宽谱特性,因此比较适合用于保密通信.     

基于遗传算法的波长选择方法在绿茶近红外光谱分析模型中的应用

利用遗传算法(GA)提取茶叶的近红外吸收特征波长的方法,研究建立了绿茶水分和氨基酸的近红外分析模型,并对波长选择前后两种成分的模型进行了比较分析。结果表明,经遗传算法波长选择后,简化了分析模型,同时模型的稳健性增强。氨基酸预测集的均方根误差(SEP)减小82.1%,水分预测集的均方根误差减小(SEP)76.6%,它们在波长选择前后对应的分析波长数之比分别为995∶7和1990∶33。     

大功率光纤放大器分段泵浦方式下的理论分析

利用数值算法计算了掺镱双包层光纤放大器分段泵浦方式下的稳态速率方程组,分析比较了双端泵浦和多段泵浦方式下的最佳光纤长度,最高温度和效率,并采用遗传算法对分布泵浦功率的大小和每段光纤长度同时进行了优化。结果表明,通过优化,大功率分段泵浦光纤放大器获得了较为平坦的温度分布,与双端泵浦相比,大大降低了最高工作温度,斜率效率略有下降。     

基于遗传算法的指纹图像分割算法

在指纹技术中,指纹图像分割是图像处理中关键的一步。将遗传算法用于计算指纹图像分割阈值,采用染色体编码的方法并利用赌轮法产生初始化种群,通过选择算子、交叉算子和变异算子的方法实现分割。该方法表明利用遗传算法所得到的阈值进行分割处理能取得较好的效果。     

基于微光机电系统的微光学自适应微镜的研究

提出了一种利用热应力改变镜面曲率的可调焦微光学自适应微镜。与传统自适应微镜相比,采用该原理制作的微镜具有驱动电压低和驱动力较大的优点,而且制作简单。以硅为基底进行了表面热氧化、光刻显影、HF酸刻蚀、KOH湿法刻蚀,溅射铝膜等微加工工艺的研究,获得硅铝双金属可调焦微反射镜4×4阵列,单元尺寸3 mm×3 mm,单晶硅基底厚60μm,硅表面溅射的铝膜厚150 nm。该微镜的镜面填充率为100%,可变形镜面占总镜面面积的79%。利用激光波面干涉仪对可调焦微反射镜的动态性能进行了测试。实验表明,该微镜可产生单向连续变形,最大变形量15.8μm,非线性滞后27%,工作电压0~2.5V,可调焦范围∞~0.036 m。     

基于高阶累计量的大气光通信自适应信号处理

针对强湍流信道下信号衰落的特点,分析了对数正态分布模型与K分布模型的适用范围.基于K分布模型建立大气光通信接收信号模型,并给出了自适应最优门限检测方法.采用四阶和六阶累计量对强湍流信道参量进行估计,采用二阶累计量对其它高斯噪音进行估计,得到K分布参量及高斯噪音统计量的预测值,实现自适应门限更新.基于Monte Calro算法进行仿真,给出了门限更新算法对通信系统误码率的影响,同时分析了信号采样率对估计参量偏差的影响.计算表明,在强湍流情况下,大气光通信系统的误码率性能得到极大的改善,优于基于MLSD检测的接收机.     

基于当前状态数据的加法风险模型的自适应LASSO回归选择

当真实的潜在模型具有稀疏表示时通常需要使用变量选择方法,确定模型中的重要预测因子可提高被拟合模型的预测性能,许多文献研究了这类问题,其中张和吕[1]针对右删失数据开发了一种基于比例风险模型的变量选择方法.本文研究了基于当前状态数据的加法风险模型的变量选择问题.在文献[1]的启发下,我们提出一种自适应Lasso方法来解决...     

一组新氨基酸描述子用于肽定量构效关系研究

用主成分分析从20种天然氨基酸0D～3D结构信息中收集到的共1369个描述子变量得到了一组新氨基酸描述子(SZOTT), 将其用于血管紧张素转化酶抑制剂和苦味二肽结构表征并以偏最小二乘法建立定量构效关系模型, 得复相关系数R_CU²分别为0.894和0.908, 留一法交互检验的复相关系数R_CV²分别为0.828和0.736, 估计均方根误差RMS分别为0.331和0.195. 研究结果表明, SZOTT描述子含信息量大, 操作简便, 结构表达能力强, 有望在多肽定量构效关系研究中得到进一步推广.     

基于有限元-时域分段自适应算法的围岩衬砌耦合渐进分析

以开挖时间、一衬时间、二衬时间划分时间区段,考虑围岩与衬砌为弹性/粘弹性介质,将围岩的“位移/应力释放不完全”、开挖等影响模拟为载荷的渐进释放,提出一个有限元-时域分段自适应算法,求解围岩衬砌耦合问题,并通过数值算例对算法进行了验证。所提方法给出了各时间区段的关联条件;可更准确描述各变量随时间的变化;同时将原时空耦合问题转化为一系列空间问题,并利用有限元方法递推求解;当步长变化时可通过自适应计算保证稳定的计算精度。此外,还建立了一个载荷渐进参数的反问题数值求解模型,并给出了相关算例。     

基于遗传算法的弹性地基加肋板肋梁无网格优化分析

基于遗传算法及一阶剪切理论,提出一种弹性地基上加肋板肋条位置优化的无网格方法.首先,通过一系列点来离散平板及肋条,并用弹簧模拟弹性地基,从而得到加肋板的无网格模型;其次,基于一阶剪切理论及移动最小二乘近似原理导出位移场,求出弹性地基加肋板总势能;再次,根据哈密顿原理导出结构的弯曲控制方程,并通过完全转换法处理边界条件;最后,引入遗传算法和改进遗传算法,以肋条的位置为设计变量、弹性地基板的中心点挠度最小值为目标函数,对肋条位置进行优化达到地基板控制点挠度最小的目的.以不同参数、载荷布置形式的弹性地基加肋板为例,与ABAQUS有限元结果及文献解进行比较.研究表明,采用所提出的无网格模型可有效求解弹性地基上加肋板弯曲问题,结果易收敛,同时基于遗传算法与改进混合遗传算法所提出的无网格优化方法均可有效优化弹性地基加肋板肋条位置,后者计算效率相对较高,只进行了三次迭代便可获得稳定的最优解,此外在优化过程中肋条位置改变时只需要重新计算位移转换矩阵,又避免了网格重构.