成型充填过程的ALE有限元模拟

在ALE框架中提出了一个用于成型充填过程有限元数值模拟的模型。应用ALE参考构形及ALE参考粒子速度描写充填过程中的熔体质量运动。摒弃了Hele-Shaw近似假定,因而所提出的模型能用于非薄壁型腔中高分子材料充填过程的数值模拟。应用基于时域分步算法的Taylor-Galerkin方法,对控制成型充填过程的守恒方程建立了弱形式。对移动自由面附近的充填材料区构造了网格生成算法与网格重划分方案。给出了在几种不同形状的典型腔体中充填过程的数值模拟结果,表明了所提出的ALE有限元模型模拟充填过程的有效性。     

弹性板边界元中计算边界高阶导数的渐近收敛积分方程

本文针对板弯曲边界元方法中计算边界曲率等高阶导数项时边界积分方程中出现的高阶奇异积分项,通过对未知挠曲函数作渐近展开并加以适当摄动,获得了渐近收敛的边界积分方程。采用这一方法计算板边界上的曲率分布,获得了满意的数值结果。     

电磁感应透明的高阶非线性效应对光孤子的影响

研究了电磁感应透明介质中高阶非线性效应对光孤子传输的影响。采用半经典理论获得介质对光场的线性和非线性响应,基于介质特性利用波动理论推演出三-五阶非线性薛定谔方程。介质的线性非线性特性分别决定了群速度色散参量,三阶和五阶非线性系数。研究结果表明,该非线性介质既可以诱导亮孤子也可以诱导暗孤子,取决于群速度色散参量和三阶非线性系数。当前者为负同时后者为正时产生亮孤子,当两者均为负时产生暗孤子,二者可以通过载频与相应跃迁能级失谐的调节获得。与普通非线性薛定谔方程相比,三-五阶非线性薛定谔方程对亮孤子和暗孤子出现的参数和输入条件更加严格。     

����PSO ʵ�ֵļ���H ���ߵ�ƽAPF ���ⳬ����Դ�е��о�

针对强磁场实验装置(SHMFF)的链式高压有源电力滤波方案规划,基于有源滤波系统的非线性特性, 采用分数阶值。PI 控制器替代普通PI 控制器,在此基础上引入粒子群算法优化指令电流PI 控制器参数,并通过 实验对比分析了人工整定的PI 控制器与PSO 整定的PI 控制器的运行效果。经样机实验表明,采用的PSO 算法 整定的电流内环控制器是正确的,且具有一定的参考价值。     

无线传感器网络三维定位算法

基于在传感器网络中基站能够测量未知节点(M)S发出的辐射到达不同基站的时间差和它们之间的相对角度,提出了一种基于TDOA/AOA混合三维定位算法,根据基站测得的到达时间差(TDOA)和到达角度(AOA),将两种信息进行融合,建立节点位置估计值的混合算法,得到三维空间内的无线传感器节点坐标.仿真结果表明:在AOA测量值精度比较高时,此种混合算法能够实现比其他算法更好的定位性能     

基于模拟退火算法的船用核动力装置故障诊断研究

针对核动力装置故障诊断存在的诊断精度低等问题,提出了一种基于模拟退火算法和概率因果模型相结合的故障诊断方法.首先根据故障样本集和概率因果理论建立动态多故障诊断模型,将复杂系统的多故障诊断转换成非线性规划问题.利用模拟退火算法对该问题进行求解,并建立了诊断测试系统.测试结果表明,方法能有效避免误诊、漏诊现象,可用于复杂核动力装置的动态多故障诊断.     

空间分位自回归模型的EM估计

基于EM算法对空间分位自回归模型提出了一种新的参数估计方法,通过构造一个集中Q函数,简化了M步中空间滞后参数的估计.与已有的ELQR和ⅣQR方法相比,方法计算简单,蒙特卡洛模拟结果表现较好.     

基于BADV-Hop的传感器节点定位方法

针对无线传感器网络节点的定位误差较高的问题,提出蝙蝠算法校正DV-Hop算法的传感器节点定位精度提高方法(BADV-Hop);首先测量未知节点与锚节点之间的距离,然后采用DV-Hop算法初步确定未知节点的坐标,再采用蝙蝠算法校正DV-Hop算法的定位误差,最后在Matlab 2012平台上对算法性能进行仿真分析;实验结果表明,相对于DV-Hop算法,BADV-Hop算法提高了传感器的节点定位精度。     

反应堆蒙特卡罗临界模拟中均匀裂变源算法的改进

在反应堆pin-by-pin精细建模及蒙特卡罗模拟计算研究中, 由于不同栅元的功率密度差异较大, 导致蒙特卡罗方法临界计算的样本在不同栅元之间的分配不均衡, 由此引起栅元内的各种计数的统计误差差异较大. 为使大部分栅元内计数的统计误差降至一个合理的水平, 单纯增加总样本已不是一个高效的解决方法. 通过在特定临界计算迭代算法的基础上改进并实现均匀裂变源算法的思想, 对大亚湾压水堆pin-by-pin模型取得了具有较高效率的数值结果. 本工作为具有自主知识产权的蒙特卡罗粒子输运模拟软件JMCT最终达到反应堆pin-by-pin模型(包括一系列国际基准模型)的模拟性能要求提供了一个有效的工具.     

语音信号序列的Volterra预测模型

对给定的英语音素、单词和语句进行了采集并完成预处理. 分别应用互信息法和Cao 氏法确定了实际采集的语音信号序列的延迟时间和嵌入维数, 以完成语音序列的相空间重构. 通过计算实际采集的语音信号序列的最大Lyapunov指数, 完成了语音信号的混沌特性识别, 判定其具有混沌特性. 引入Volterra级数, 提出了一种具有显式结构的语音信号非线性预测模型. 为克服最小均方误差算法在Volterra模型系数更新时固有的缺点, 在最小二乘法基础上, 应用基于后验误差假设的可变收敛因子技术, 构建了一种基于Davidon-Fletcher-Powell算法的二阶Volterra 模型(DFPSOVF), 并将其应用于具有混沌特性的语音信号序列预测. 仿真结果表明: DFPSOVF非线性预测模型对于单帧和多帧语音信号均具有更好的预测精度, 优于线性预测模型, 并且能够很好地反映语音序列变化的趋势和规律, 完全可以满足语音预测的要求; 可以根据语音信号序列的嵌入维数选取预测模型的记忆长度. 所提出模型可以为语音信号重构和压缩编码开辟一条新途径, 以改善语音信号处理方法的复杂度和处理效果.