白矮星是负熵系统

应用正、负能谱热力学理论(PNES热力学理论)，通过白矮星熵的演化对白矮星的初期演化阶段作了仔细分析，得出了白矮星在其初期收缩过程中是一个负熵系统，白矮星的演化由其正熵(电子子系的熵)Se和负熵(氮离子子系的熵)SHe之问的竞争决定，当SHe比Se增长得快时，则系统的总熵将更负，它必将更趋于有序态；反之，当SHe比Se增长得慢时，系统的负熵将减少，于是系统的有序程度将减少．     

热力学中的若干相对论问题

运用狭义相对论理论和已确定的温度(T)的相对论结果分析了热力学理论中的若干常用概念．并得出了相应的动力学结论：理想气体热力学系统的压强(P)和内能(E)均与惯性运动无关，而熵(S)与惯性运动有关，且熵是增加的。     

基于耗散结构理论的鼓泡流化床过渡态分析

把鼓泡流化床看成是一个与环境有能质交换和能量耗散的热力学系统，用非平衡态热力学和耗散结构理论研究了流化床由均匀到不均匀流化状态的过渡。根据流化床的质量、动量、能量方程和Ｇｉｂｂｓ公式得出了系统的熵平衡方程和熵产生方程，基于Ｐｒｉｇｏｇｉｎｅ的耗散结构理论建立了鼓泡流化床的过渡态判据，提出了临界鼓泡速度计算方法。应用该判据对流化床中产生气泡的几个主要影响因素进行了分析，临界鼓泡速度与临界流化速度之比与颗粒直径的立方和气－固密度差成反比，与流体粘度的平方成正比，计算表明理论结果与有关文献的实验值吻合较好     

不可逆过程的基本方程和熵增率

文章对热力学系统内进行的不可逆过程——热传导和扩散等输运过程的性质进行了分析，并对系统的熵的变化从熵流密度和局域熵产生率两个方面进行了比较详细的讨论，给出了具体的不可逆过程求熵流密度和局域熵产生率的具体表达式，这对研究热力学不可逆过程的进行是很有帮助的．     

熵、信息与生命本质的探讨

生物进化信息理论是当今迅速发展的交叉科学，它不仅推进了热力学和进化论的发展，并运用物理学观点说明了生物发育，系统进化及生态学等一系列重要问题．笔者通过熵与信息的变化，阐述了生命物质(开放系统)和非生命物质(孤立、封闭系统)之间的本质区别．     

基于卡诺机的大规模MIMO通信容量建模及性能分析

信息本质上以能量和熵的形式在通信系统中流动,类似于传统热机中的能量流动过程。结合热力学卡诺机模型和经典香农信息论理论,建立了一个广义的热力学(multiple input multiple output, MIMO)通信系统模型,对大规模天线通信场景下使用前向纠错码的信道容量进行分析。利用通信系统中存在的自由度和熵的概念,推导了热力学模型下的广义信道容量,并对信道容量与噪声自由度及编码开销的关系进行验证仿真。仿真结果表明,所提出的热力学信道容量与香农信道容量是一致的。     

基于热力学熵的交通流模型

在分析热力学熵的基础上,讨论了交通流类热力学熵的构造方法,并构造了适用于不同情况下的交通流熵。通过对系统熵变的分析,揭示了交通流熵产生的内部机制,导出了熵产生公式。最后依据熵理论,导出了路段交通系统的交通流状态变化的微分方程,并建立了动态交通流模型。研究结果表明,此法不仅对已有理论具有包容性,而且具有普适性。     

基于熵理论的城市主-支路交汇处交通状态判别

本文通过城市道路交通系统和热力学系统的对比,将热力学的基本理论——熵运用到交通流领域,并在交通流流体理论的基础上建立了熵产生模型。分析确定指定状态时注入的负熵及其意义,建立了主-支路交汇处交通系统的总熵模型,从而得到交通状态判别熵模型和需要注入负熵的条件。研究结果表明,熵值越小,道路服务水平越高。     

基于熵理论的城市主-支路交汇处交通状态判别

本文通过城市道路交通系统和热力学系统的对比,将热力学的基本理论———熵运用到交通流领域,并在交通流流体理论的基础上建立了熵产生模型。分析确定指定状态时注入的负熵及其意义,建立了主－支路交汇处交通系统的总熵模型,从而得到交通状态判别熵模型和需要注入负熵的条件。研究结果表明,熵值越小,道路服务水平越高。     

论非平衡态统计物理基本方程——兼论非平衡熵演化方程和熵产生率公式

该文综述了作者的研究成果．十多年前,作者提出了一个新的非平衡态统计物理基本方程以取代现有的Liouville方程．这就是6N维相空间的随机速度型Langevin方程或其等价的Liouville扩散方程．这个方程是时间反演不对称的．它表明,统计热力学系统内的粒子运动形式同时具有漂移扩散二重性,统计热力学运动规律是由动力学规律和随机性速度二者叠加而成的,既有确定性又有随机性,因而有别于动力学系统内的粒子运动规律．粒子的随机扩散运动正是宏观不可逆性的微观起源．由这个基本方程出发,求得了BBGKY扩散方程链、Boltzmann碰撞扩散方程和流体力学方程,如质量漂移扩散方程、Naiver．Stokes方程和热导方程等．更重要的,首次建立了6N维、6维和3维相空间的非平衡熵密度随时空变化的非线性演化方程,预言了熵扩散的存在．这个熵演化方程在非平衡熵理论中起着核心作用．它指明,非平衡熵密度随时间的变化率是由其在空间的漂移、扩散和产生三者引起的．进而由这个演化方程,求得了6N维和6维相空间的熵产生率公式、即熵增加定律公式,论证了非平衡系统内部吸引力能导致嫡减少而排斥力则引起另一种熵增加,导出了熵减少率或另一种熵增加率的共同表达式,给出了统一热力学退化和自组织进化的理论表达式,阐明了趋向平衡的熵扩散机理．作为应用,还将这些熵公式用于计算和讨论了一些实际非平衡态和定态物理课题．所有这些结果都是严格统一从新的基本方程推导出的,未增补任何其他新假设．     

交通流的流体模型理论

简单介绍了交通流理论的发展概况 ,指出交通流理论在目前有着广阔的发展前景 研究了交通流的流体模型理论 ,从速度 -密度关系出发 ,求得车流密度的一般表达式 由此表达式分析车流密度的变化情况 ,得出车流密度的时空图 同时对有匝道的流体模型理论 ,给出了一种求解流体模型方程的差分格式 ,从而迭代出了车流密度的变化情况 ,也给出了车流密度的时空图     

基于视频的交通参数检测综述

为使智能交通系统发挥作用,必须对流量、密度及速度等交通流的核心参数进行检测,目前已经有许多常见的方法,但在实际的检测中,使用一种检测方法只能检测出部分参数,未能够实现全部参数的检测,尤其是密度参数非常难以检测.现有的密度检测方法大部分集中在局部场景的交通密度检测上,对于连续场景的交通密度检测很少涉及.现主要综述了流量、密度及速度3个方面的检测方法,并重点关注仅通过视频数据能够方便地检测出多个交通参数的文献.     

北京市快速环路速度-密度模型研究

以北京市快速环路系统为研究对象,对微波检测器(RTMS)获得的交通流数据进行处理分析,研究北京市快速环路交通流运行特征,建立了速度-密度模型.同时分析了北京市快速环路速度-密度模型在快速路研究中的作用,指出了快速路出入口对保持自由流速度的不利影响.这为交通控制优化、车流波形成机理的研究提供了基础.     

基于细胞自动机理论的交通流模拟模型

以细胞自动机理论为基础,结合我国城市道路情况及交通流特性,把车辆在路段上运动的变化规律表述为细胞自动机的演变规则,建立了基于细胞自动机理论的交通流模型,标定了细胞长度和最大速度等参数,继而提出了反映车辆在路段上自由驶、跟驰行驶和减速行驶等交通行为的细胞自动机规则,并对各种规则进行了详细说明。     

高速公路坡道对交通流的影响

采用周期边界条件,建立单车道不同路段最大速度不同的元胞自动机交通流模型,模拟研究坡道长度、坡道倾度、较慢车混合比例和增设爬坡道对高速公路交通流的影响。结果表明,坡道长度不同时,车辆的临界密度相同,车辆达到临界密度之前的平均速度随坡道长度的增加而减小,在中等密度区域对应的交通流量随坡道长度的增大而减小;坡道倾度增大时,车辆平均速度明显减小,相应的车辆临界密度也减小,在中等密度区域内的最大流量随着坡道倾度增大而迅速减小;只要有较慢车存在,不同较慢车的混合比例对交通流的影响基本相同;增设爬坡道前后车辆的临界密度相同,增设爬坡道后的车辆平均速度比没有爬坡道时大,密度不是特别大时,增设爬坡道可以大大提高高速公路的通行能力。     

道路拥挤收费定价分析

利用路段交通流量、交通密度及交通空间平均速度的关系,通过选择合理的参量——路段交通载量,解决了由于拥挤路段流量与费用的非单调关系产生的拥挤收费为负的问题,给出了基于交通载量及交通密度比的拥挤收费定价公式,通过建立路段社会总收益函数,分析交通路网供需特性,给出了拥挤收费起点的一个解释。     

混合交通流的动力学模型及其特征关系

引入超车换道流量,建立了混合交通流的连续性方程;通过对交通流参数的微分变换,建立了混合交通流的运动微分方程,连续性方程和运动微分方程构成了混合交通流的动力学模型．采用特征线法对模型进行分析求解,在高速低密度区和低速高密度区分别得到了两组特征线和对应的特征关系式．特征关系式中包含了超车换道流量以及干道速度、密度和流量,是研究混合交通流参数之间关系的基础．     

基于神经网络的交通参数预测方法

为能够迅速准确地采取相应措施处理交通拥堵问题,改善行车安全,进而提高路网效率,研究了基于神经网络的交通参数预测方法,预测了交通流量、速度和占有率.在分析常用BP(Back Propagation)神经网络算法的基础上,研究误差平方和最小化的L-M(Levenberg-Marquart)算法.相对于常规预测方法,基于神经网络的交通参数的预测方法对于随机的参数变化具有更好的适应性,能及时跟随交通参数的变化,所以精确度更高,适应性更好.仿真结果显示,L-M算法的训练速度相比于常规BP算法要快几十倍,预测交通流量、速度和占有率等参数的效果优于常用的指数平滑算法,因此基于神经网络的交通参数预测方法可以应用于交通领域.