Neutron beam optimization based on a ^7Li（p,n）^7Be reaction for treatment of deep-seated brain tumors by BNCT

Neutron beam optimization for accelerator-based Boron Neutron Capture Therapy（BNCT） is investigated using a ^7Li（p,n）^7Be reaction. Design and optimization have been carried out for the target, cooling system,moderator, filter, reflector, and collimator to achieve a high flux of epithermal neutron and satisfy the IAEA criteria.Also, the performance of the designed beam in tissue is assessed by using a simulated Snyder head phantom. The results show that the optimization of the collimator and reflector is critical to finding the best neutron beam based on the ^7Li（p,n）^7Be reaction. Our designed beam has 2.49×109n/cm^2 s epithermal neutron flux and is suitable for BNCT of deep-seated brain tumors.     

Optimization of Single or Range of Harmonics by Using Two Gas Jets

The interference of high-order harmonics generated by two successive gas jets within a single laser pulse is discussed by a modeling with the inclusion of macroscopic propagation of the fundamental and harmonic fields in an ionizing medium. Based on the interference, we show that one can extract the laser Rayleigh range from the interference of harmonics and the accuracy of retrieve is independent of carrier-envelope phase while dependent on the pulse duration. Moreover~ we demonstrate that it is possible to optimize the single or range of harmonics with a high ratio relative to the adjacent orders by changing the separation of two gas jets, which is unavailable by using a single gas jet and linear polarized laser pulse.     

ISG-FHEV等效燃油消耗最小控制策略

针对室内复杂环境下火灾识别准确率会降低的问题,提出了一种改进的粒子群算法优化支持向量机参数进行火灾火焰识别的方法。首先在 颜色空间进行火焰图像分割,对获得的火焰图像进行预处理并提取相关特征量;其次采用PSO算法搜索SVM的最优核参数和惩罚因子,并在PSO算法中加入变异操作和非线性动态调整惯性权值的方法,加快了搜索SVM最优参数的精度和速度;然后将提取的火焰各个特征量作为训练样本输入SVM模型进行训练,并建立参数优化后的SVM分类器模型;最后将待测试样本输入SVM模型进行分类识别。算法的火灾识别准确率达到94.09%,分类效果明显优于其他分类算法。仿真结果表明,改进的PSO优化SVM算法提高了火焰识别的准确率和实时性,算法的自适应性更强,误判率更低。     

一种基于多准则决策和PSO-LM混合优化算法的多峰Brillouin散射谱的特征提取方法

采用传统方法对多峰Brillouin散射谱进行拟合的过程中,通常是以谱线最大功率点为基准的,却忽略了其他比该点小但却是极值的功率点。这样获得的拟合曲线通常只有一个峰值,相当于把除最高峰之外还有多个小峰的多峰Brillouin散射谱进行了简化,导致大量有用信息的丢失。为了提高Brillouin散射谱的特征提取精度,提出了一种基于MCDM和PSO-LM混合优化算法的多峰Brillouin散射谱特征提取方法(MCDM-PSO-LM)。MCDM可以识别和准确定位多峰Brillouin散射谱的各个波峰和波谷;PSO-LM混合优化算法可以实现分别对各个波峰和波谷的曲线进行拟合并找到每一个波峰的中心频率,该算法既克服了PSO算法过早收敛于局部极值和LM算法依赖初值的问题,又可以将PSO算法的全局搜索能力和LM算法的局部收敛能力结合在一起。较传统算法而言,MCDM-PSO-LM算法保证了对最优值求解的速度和精度,提高了运算能力,使解析解最大限度地接近最优值。分别在不同信噪比和不同线宽条件下进行仿真验证,频移和温度误差分析结果表明,MCDM-PSO-LM方法可以对多峰Brillouin散射谱的各个波峰与波谷进行准确定位,可用于多峰Brillouin散射谱的特征提取,识别效果明显强于传统算法,提高了信息分析的准确性。     

药品近红外光谱通用性定量模型评价参数的选择

为寻找药品近红外通用性定量模型在建立过程中用于确立最优模型的关键评价参数组合,收集整理了目前各种商品化化学计量学软件及文献中的13个常用于评价近红外定量模型的统计学参数,结合人用药品注册技术要求国际协调会对于药品定量分析方法验证基本要求,对92个药品近红外通用性定量分析模型的这些参数进行了计算和分析。通过对各个参数之间相互关系的研究,确定了适合于药品近红外通用性定量分析模型评价的参数组合,并统计出了这些参数的数值范围：用于模型准确性评价的关键参数为交叉验证均方根误差/预测均方根误差、平均相对偏差和相对分析误差;大部分交叉验证均方根误差/预测均方根误差结果在3%以内,其中交叉验证均方根误差在数值上与平均绝对偏差相当,大部分相对分析误差值大于2,而平均相对偏差的数值与所建模型的类型(剂型、样品的包装形式)和待测成分含量的分布有关。模型线性评价关键参数为决定系数;大部分模型的决定系数在80%～100%之间。模型耐用性关键评价参数为预测均方根误差与交叉验证均方根误差的比值,大部分模型该参数在1.5以内。精密度评价关键参数为重复测定结果的标准差;该参数对于规范近红外的操作,以及考核模型能否在不同仪器间传递具有重要的意义,但目前药品近红外通用性定量模型对于分析精密度的关注较少,无法估计出具体数值范围。该研究不仅为药品近红外通用性模型的建立者和使用者提供了评价模型优劣的依据,也为完善药品近红外光谱通用性定量分析模型的参数评价体系提供了基础数据。     

可见/近红外光谱的油茶籽油三元体系掺假检测模型优化

采用可见/近红外光谱技术结合化学计量学方法对油茶籽油三元体系掺假进行定量检测研究。将菜籽油和花生油按不同比例掺入纯油茶籽油中,获得掺假样本。采集纯油茶籽油及掺假样本在350~1 800 nm范围内的可见/近红外光谱数据,随机分为校正集和预测集,并从不同建模波段、预处理方法及建模方法角度对掺假预测模型进行优化。研究结果表明,菜籽油、花生油和总掺伪量的最优建模波段及预处理方法分别为750~1 770,900~1 770 ,870~1 770 nm和多元散射校正(MSC)、标准归一化处理(SNV)和二阶微分,而最优的建模方法均为最小二乘支持向量机(LSSVM)。对于最优掺假模型,菜籽油、花生油和总掺伪量的预测集相关系数(R_p)和预测均方根误差(RMSEP)分别为0.963,0.982,0.993和2.1%,1.5%,1.8%。由此可见,可见/近红外光谱技术结合化学计量学方法可以用于油茶籽油的三元体系掺假定量检测。     

双折射调谐器设计的等色图原理

提出双折射调谐器设计的等色图方法，给出原理。分析表明当晶片光轴处在以折射光线为轴线、顶角为４５°的圆锥面上时，双折射调谐器具有最快的波长调谐速率；当光轴位于过折射光线并与入射面成４５°或１３５°的平面内时，调谐器抑制非所需波长的能力最强。由此给出光轴相对晶片表面的两个优化取向，对石英晶片它们分别为１８．７１２°和５９．９２２°。文中还给出了三块晶片组合的调谐器的设计例子，对其调谐特性进行了简要的讨论。     

基于优化核极限学习机的风电功率时间序列预测

针对时间序列预测,在单隐层前馈神经网络的基础上,基于进化计算的优化策略,提出了一种优化的核极限学习机(optimized kernel extreme learning machine,O-KELM)方法.与极限学习机(extreme learning machine,ELM)方法相比,核极限学习机(kernel extreme learning machine,KELM)方法无须设定网络隐含层节点的数目,以核函数表示未知的隐含层非线性特征映射,通过正则化最小二乘算法计算网络的输出权值,它能以极快的学习速度获得良好的推广性.在KELM的基础上,分别将遗传算法、模拟退火、微分演化三种进化算法用于模型的结构输入选择、正则化系数以及核参数的优化选取,以进一步提高网络的性能.将O-KELM方法应用于标准Mackey-Glass混沌时间序列预测及某地区的风电功率时间序列预测实例中,在同等条件下,还与优化的极限学习机(optimized extreme learning machine,O-ELM)方法进行比较.实验结果表明,所提出的O-KELM方法在预测精度上优于O-ELM方法,表明了其有效性.     

大功率高温超导滤波器的设计与功率测试

本文在双面YBCO高温超导薄膜上设计并制备了两节大功率超导滤波器,根据滤波器功率承载能力与最大电流密度之间的关系,减小电流密度和分散电流密度的分布是提高功率承载能力的关键.本文采用增加超导谐振器尺寸、优化几何结构及改进馈线耦合方式的方法,设计了两节2 GHz频段梭型谐振器结构的滤波器.设计及测量结果显示了馈线结构及谐振器几何尺寸优化程度对超导滤波器功率承载能力有不同程度的影响,说明了在大功率超导滤波器设计中应选用无结点间隙耦合式馈线以抑制电流密度的聚集.采用优化后的谐振器结构制备的梭型两节超导滤波器经测试功率承载能力为2 W.超导滤波器的尺寸为25×12 mm LaAlO3基片,中心频率2.022 GHz,相对带宽为2.4%.同时给出了超导滤波器功率测试的结构和方法.     

用于发散激光光束整形的自由曲面透镜设计EI北大核心CSCD

提出了一种激光光束整形自由曲面透镜的设计方法,这种方法可以对有一定发散角的激光光束进行整形。设计分为两个过程:1)设计初始结构,以准直激光光束作为输入光束,采用能量网格划分法,设计自由曲面整形透镜,将设计好的透镜作为下一步设计的初始结构;2)逆向反馈优化法,以带有一定发散角的光束作为输入光束,用上一步获得的透镜作为初始结构,采用逆向反馈优化的方法作进一步优化设计。应用这种方法,以束腰为10mm,发散半角为2.5°的发散激光光束为例,将其整形为40mm×40mm的方形光束,辐射照度均匀度达到了90.4%。最后,对设计的透镜进行了加工误差分析和安装误差分析。分析结果表明:透镜表面面形误差在±5μm范围内对目标平面辐射照度的均匀度几乎没有影响;透镜安装时,纵向位移误差dz对目标平面辐射照度的均匀度影响较小,横向误差dx、倾斜角误差dφ对辐射照度均匀度影响较大。