基于自适应遗传算法部分相干光整形位相板的优化设计

基于自适应遗传算法,对部分相干光整形的相位板做了优化设计.以高斯-谢尔模型(GSM)光束为例,推导出远场光强的解析表达式.最优化设计的位相板能将GSM光束变为平顶光束.数值计算例表明空间相干性对光束整形效果的影响.与已有工作相比较说明自适应遗传算法用于部分相干光整形的优点. 关键词： 自适应遗传算法 光束整形 部分相干光 位相板     

紫外可见光谱的水产养殖水体有机物浓度快速检测研究

应用紫外可见（ultraviolet/visible,UV/Vis）光谱技术对表征水产养殖水体中有机物浓度的指标化学需氧量（chemical oxygen demand,COD）进行快速测量,对采集到的135份甲鱼养殖水样进行UV/Vis波段全光谱扫描,采用无信息变量消除（uninformative variable elimination,UVE）和连续投影算法（successive projections algorithm,SPA）相结合的变量选择算法选取全波段光谱中的特征波长,从201个UV/Vis光谱变量中选取了7个特征波长,只占全波段光谱变量的3.48%,降低了建模的时间和模型的复杂度。结合最小二乘支持向量机（least-square support vector machine,LS-SVM）算法进行COD预测建模,结果表明：使用特征波长建模的预测效果（相关系数r（correlation coefficient）=0.89,预测均方根误差（root mean square error of prediction,RMSEP）=15.46 mg·L-1）好于使用全波段光谱建模的预测效果（r=0.88,RMSEP = 15.71 mg·L-1）。使用UVE-SPA变量选择算法获取UV/Vis光谱特征波长,结合LS-SVM建模,可以快速、准确的测量水产养殖水体中的COD浓度,为进一步实现水产养殖水质的在线检测以及其他水质参数的快速测定奠定了基础。     

用于混沌时间序列预测的组合核函数最小二乘支持向量机

针对混沌时间序列的预测问题,考虑到单一核函数的最小二乘支持向量机无法明显提高预测精度,提出了一种组合核函数的最小二乘支持向量机预测模型,模型中采用多项式函数与径向基函数组合构建核函数.同时,还对遗传算法进行了改进,使之具有更快的收敛速度和更高的精度,改进的遗传算法适用于解决预测模型中的参数优化问题.通过典型的Lorenz时间序列、Mackey-Glass时间序列、太阳黑子数时间序列以及具有混沌特性的网络流量时间序列对该模型进行了验证.仿真结果表明所提出的模型是有效的.     

基于Newmark算法的任意磁化方向铁氧体电磁散射时域有限差分分析

利用坐标系转换矩阵给出实验室坐标系中饱和磁化铁氧体的频域磁导系数张量,再通过频域到时域的转换关系jω→?/?t得到一个二阶微分方程形式的时域本构关系.然后采用Newmark方法求解时域本构关系从而给出一种适用于处理任意磁化方向铁氧体电磁问题的Newmark时域有限差分算法.利用此算法计算了饱和磁化铁氧体层的反(透)射系数和饱和磁化铁氧体球的后向雷达散射截面,所获得的结果验证了此算法的正确有效性.     

电机温度时滞耦合系统自抗扰控制仿真研究

电机温度过高会造成绝缘性能老化,电机安全性能下降。电机控制系统是典型的非线性系统,电机温度也因此具有时滞性和耦合性的特点,难以建立准确的数学模型。传统的方法对电机温度的控制精度较差,从而导致电机温度失控。为此,提出基于BP神经网络自抗扰控制算法的电机时滞耦合关系下温度控制方法。将BP神经网络与PID控制方法相结合建立电机温度网络自抗扰控制器模型,利用梯度下降法修正电机温度控制器模型的权值系数,从而实现了BP神经网络自抗扰控制器参数的实时调整。实验结果表明,利用BP神经网络自抗扰算法进行电机时滞耦合关系下温度调整,能够有效提高控制的精确度,缩短了控制过程中的时间延时。     

基于Voronoi图和动态自适应蚁群算法的UAV航迹规划

以UAV航迹规划为应用背景,提出了一种基于Voronoi图和动态自适应蚁群算法的航迹规划方法;为了提高航迹规划问题最优解的质量及全局求解能力,克服传统蚁群算法收敛速度慢、容易陷入局部最优等缺点,提出了一种动态自适应蚁群算法;采用动态自适应航迹点选择策略并将信息素更新规则和挥发系数进行动态自适应调整变化来对蚁群算法进行了改进,提高了算法的求解效率;根据战场已知威胁源生成Voronoi加权图,并与所提的动态自适应蚁群算法相结合求解规划空间中的最优航迹;考虑到UAV的物理约束限制,对生成的可行航迹进行平滑优化;仿真结果表明,该方法能够为UAV规划出一条满足要求的可飞航迹,验证了所提方法在解决航迹规划问题时是可行、有效的;     

Computing the Loewner Driving Process of Random Curves in the Half Plane

We simulate several models of random curves in the half plane and numerically compute the stochastic driving processes that produce the curves through the Loewner equation. Our models include models whose scaling limit is the Schramm-Loewner evolution (SLE) and models for which it is not. We study several tests of whether the driving process is Brownian motion, as it is for SLE. We find that testing only the normality of the process at a fixed time is not effective at determining if the random curves are an SLE. Tests that involve the independence of the increments of Brownian motion are much more effective. We also study the zipper algorithm for numerically computing the driving function of a simple curve. We give an implementation of this algorithm which runs in a time O(N ^1.35) rather than the usual O(N ²), where N is the number of points on the curve.     

Plasticity-induced characteristic changes of pattern dynamics and the related phase transitions in small-world neuronal networks

Phase transitions widely exist in nature and occur when some control parameters are changed. In neural systems, their macroscopic states are represented by the activity states of neuron populations, and phase transitions between different activity states are closely related to corresponding functions in the brain. In particular, phase transitions to some rhythmic synchronous firing states play significant roles on diverse brain functions and disfunctions, such as encoding rhythmical external stimuli, epileptic seizure, etc. However, in previous studies, phase transitions in neuronal networks are almost driven by network parameters （e.g., external stimuli）, and there has been no investigation about the transitions between typical activity states of neuronal networks in a self-organized way by applying plastic connection weights. In this paper, we discuss phase transitions in electrically coupled and lattice-based small-world neuronal networks （LBSW networks） under spike-timing-dependent plasticity （STDP）. By applying STDP on all electrical synapses, various known and novel phase transitions could emerge in LBSW networks, particularly, the phenomenon of self-organized phase transitions （SOPTs）： repeated transitions between synchronous and asynchronous firing states. We further explore the mechanics generating SOPTs on the basis of synaptic weight dynamics.     

高光谱成像技术的柑橘植株叶片含氮量预测模型

氮素是果树生长发育的一种大量必需元素,及时准确地监控果树的氮营养状况,对果树的合理施肥、增产、优化果实品质以及减缓过量施氮引起的水资源污染具有重要意义。利用高光谱成像技术结合多变量统计学方法,建立了柑橘植株叶片的含氮量预测模型。研究步骤为：高光谱扫描、提取平均光谱曲线、预处理原始光谱数据、采用连续投影法提取特征波段和建立含氮量预测模型。从SG平滑、SNV、MSC、1-Der等11种预处理方法中筛选出的较优预处理方法是SG平滑、Detrending和SG平滑-Detrending。对应这三种最优预处理方法,先采用连续投影法挑选出各自的特征波长,然后将各特征波段下的光谱反射率作为偏最小二乘、多元线性回归和反向传播人工神经网络模型的输入,各自建立三个预测模型。从以上获得的9个预测模型中,得出两个最优模型SG平滑-Detrending-SPA-BPNN(R_p：0.851 3,RMSEP：0.188 1)和Detrending-SPA-BPNN(R_p：0.8609,RMSEP：0.159 5)。结果表明,利用高光谱数据测定柑橘叶片含氮量具有可行性。这为实时、准确地监控柑橘植株生长过程中叶片含氮量的变化以及合理科学的氮肥施加提供了一定的理论基础。     

基于微扫描镜的激光投影

利用微机械加工技术制造出一种新型微扫描镜,结合半导体激光器,可用于投影显示.激光器发出的光束被两个分别沿着X轴、Y轴扭转的镜面相继反射,扫描出二维图形.实验测得扫描镜在15 V电压,频率为扫描镜谐振频率2倍的方波信号驱动下,镜子的光学扫描角度达±12°.由于每个镜子都沿各自轴以简谐规律扭转,扫描所得投影为李萨如图形.通过分析图形的形成原理并用Matlab仿真,选出了适用用于任意图案显示的扫描镜谐振频率组合(X轴2 400 Hz, Y轴2 425 Hz).该组合可以形成194×192个像素点,刷新频率为25 Hz.在此基础上提出了一种通过调制激光开关来进行投影显示的方法.