几种不同结构异向介质的电磁特性分析

根据异向介质可以由具有等效负磁导率的开路环形谐振器阵列和具有等效负介电常数的细金属导线阵列构成的基本原理,提出了多种新型的、具有双负特性的开路环形谐振器的结构.通过基于时域有限积分法的CST软件进行仿真,比较了各种不同结构异向介质的电磁特性,为不同的应用目标的异向介质微观结构选取提供理论依据.     

二维异向介质的传输模式

针对异向介质一般表现为各向异性的特点,分析了异向介质的传输模式及传输条件。通过将k矢量坐标轴与物理空间坐标轴相重合,并引入传输角度参量,建立了异向介质的色散方程。以传输角度为条件将异向介质分为4种类型:①kz-cutoff类型；②kx-cutoff类型;③Never-cutoff类型;④Always cutoff类型,这使得异向介质的电磁波传输模式更具直观效果。利用k曲线对各类型异向介质的折射与反射特性进行描述,并采用色散时域有限差分法进行仿真验证,数值结果与理论分析取得良好一致。     

BST负折射特性实验验证

对钛酸锶钡BaxSr（1-x）TiO3（0〈x〈1）（BST）柱阵列异向介质棱镜的负折射进行了实验验证．实验结果表明,该BST柱构成的三维异向介质的负折射特性不依赖于柱体的排列周期,而是BST柱自身的谐振造成了电磁波在该棱镜中的负折射．BST柱排列周期仅对二次负折射的强度产生影响．例如：周期阵列的BST柱异向介质棱镜的斜边是阶梯状时,因具有光栅结构,使得在该斜边上发生的二次负折射被增强;随机阵列的BST棱镜的斜边不具有光栅结构,观察到的二次负折射就比较弱．采用等效介质理论的仿真结果与我们的实验结果符合较好．     

异向介质电磁问题的混合模型分析

建立准确的色散介质本构模型是计算色散介质中波的散射和传播的基础,目前处理色散介质电磁问题通常采用的方法是基于某一种常见的经典模型来进行分析.而实际的色散介质往往是极其复杂的,近似为某一种常见模型对其进行分析计算是不够精确的.结合常见的3种色散介质模型(Debye、Lorentz和Drude模型),在简单混合模型的基础上提出分段线性混合模型,并通过对异向介质参数进行拟合验证,检验了新型模型的准确性与可行性.     

基于细观力学模型水泥浆体弹性力学性质预测

应用细观力学理论及三维微观水化模型,建立了水泥浆体的理想化细观力学模型.在该模型中:首先将水泥浆体中包裹着水化产物的未水化水泥颗粒视为第1层次的等效介质,利用双层夹杂自洽理论求出弹性性质;再将含水的孔洞视为嵌入在第1层次等效介质中的夹杂,利用自洽理论给出水泥浆体的最终弹性性质;最后分析了水泥浆体在不同水灰比情况下弹性性质随水化程度的演化进程.试验结果证明该模型可以较好地预测水泥浆体的弹性力学性质.     

第二类Chebyshev前向神经网络权值直接确定及结构自适应确定

为克服BP神经网络模型及其学习算法中的固有缺陷,构造了第二类Chebyshev前向神经网络模型,提出该神经网络模型权值直接确定法和结构自适应确定法.理论分析及仿真实验均表明,该系统弥补了BP神经网络的某些固有缺陷.相比同构型BP神经网络,其计算速度和工作精度均有大幅提高.     

单裂隙岩体中核素迁移行为的有限元分析

用等效多孔介质模型模拟天然单裂隙岩体,以泛函变分法为基础,推导出在该系统中核素迁移的二维有限元模型.根据该模型编制了计算机程序,计算结果与实验值吻合较好.     

一种提取介质结构等效电磁参量的改进方法

基于对提取人工电磁材料等效结构电磁参量的传统 S 参数提取法的研究, 提出一种新的既适用于异向介质也适用于传统介质简单明确的改进方法。改进方法具有 3 个优势: 1)采用反正弦函数提取等效折射率 n,无需使用附加限制条件 n^" ≥0 和 z^' ≥0 便可直接得出 n 的正负属性,避免了传统 S 参数提取法应用上述限制条件可能引起的误差; 2) 明确给出一种多值反正弦函数的取值方案,解决了传统 S 参数提取法中多值反三角函数的取值困扰问题; 3)改进方法对厚度较小或厚度较大的介质结构都能适用,克服了传统 S 参数提取法仅适用于介质厚度足够小的限制。通过对均匀异向介质板、均匀传统介质板以及典型的 SRR-Rods 异向介质结构等效特性参量的提取,证实了此方法的正确性、有效性和优越性。     

适用于特定介质电磁散射的单等效流积分方程

为解决介质电磁散射问题中传统的单等效流积分方程中计算复杂度高的问题,提出了一种新的单等效流积分方程.通过计算若干介质体的雷达散射截面,发现对于高介电常数的介质体,该方程能在保证一定计算精度的同时,显著降低数值积分的奇异性和计算总量.最后简单分析了该方程成立的原因.     

微波异向介质在矩形波导中应用的研究

本文研究了微波异向介质在矩形波导中的应用，尤其是SRR（Split Ring Resonators）对矩形波导中电磁波传播特性的影响。设计并制作加入了微波异向介质的矩形波导带通滤波器，分析了电磁渡在加入了微波异向介质的矩形波导中的传播特点。实验结果与仿真结果符合得较好。     

基于神经网络的时序预测模型研究

将神经网络作为传统的时序线性模型的非线性推广进行了分析,论证了多层前向神经网络与非线性自回归模型及反馈神经网络与非线性自回归移动平均模型的等价意义,提出了一种可作为非线性时序模型的内反馈神经网络．     

解水平线性互补问题的一个新颖的神经网络

考虑了水平线性互补问题,根据其等价性方程,提出了求解它的一个简单新颖的神经网络模型.新模型的规模为原问题的一半,证明了新模型解的存在唯一性,构造了合适的Lyapunov泛函,并利用线性矩阵不等式方法,给出了该神经网络全局指数稳定的充分条件.用数值模拟说明提出的神经网络的良好性能.     

基于模糊神经网络的滑模控制算法

提出了一种基于模糊神经网络的积分滑模控制算法。该算法利用模糊神经网络系统来代替传统的等效控制项,消除了其对数学模型的依赖;切换控制项则采用积分型变切换增益,有效地削弱系统抖振。该算法以永磁同步电机伺服系统为对象进行仿真研究。仿真结果表明,该方法控制精度高,鲁棒性强,有效提高了系统的控制性能。     

基于神经网络的病态线性方程组求解

提出了一种基于神经网络的病态线性方程组求解方法。将病态线性方程组的一般系数矩阵转化为对称正定矩阵，然后将此方程组的求解转化为一个无约束优化问题。以此优化问题的目标函数作为神经网络的能量函数，利用最速下降原理构造神经网络的动力学方程，并证明该神经网络系统的稳定性。从而把原病态线性方程组的求解问题转化为一个等价的神经网络优化问题。最后通过两个算例的数值仿真求解以及与其他求解方法的比较，验证了该方法的可行性与有效性。     

Ti-5Al-2Sn-2Zr-4Mo-4Cr合金本构关系的新模型

本构关系是联系材料塑性变形行为与工艺参数的桥梁,也是用有限元法模拟金属成形过程的前提条件．开发了一个基于神经网络的Ｔｉ－５Ａｌ－２Ｓｎ－２Ｚｒ－４Ｍｏ－４Ｃｒ合金的本构关系模型．首先利用Ｔｈｅｒｍｅｃｍａｓｔｏｒ－Ｚ型热模拟机等温压缩Ｔｉ－５Ａｌ－２Ｓｎ－２Ｚｒ－４Ｍｏ－４Ｃｒ合金,研究在不同变形温度、变形程度和应变速率等工艺参数条件下流动应力的变化情况．然后用实验所得的热变形工艺参数与性能间的数据来训练具有ＢＰ算法的人工神经网络．训练结束后的神经网络即成为一个知识基的本构关系模型．预测结果和实验结果对比表明神经网络模型具有较高的精度和推广能力．     

求解一类奇异非线性凸优化问题的神经网络方法

一类奇异非线性凸优化问题近年来受到很多关注。解决该问题现有的大多数方法是迭代法,但计算复杂、效果不理想。本文提出了一种解决奇异非线性凸优化问题的新型神经网络模型,介绍了一个等价的非奇异模型和一个增广的拉格朗日函数。通过利用LaSalle’s不变性原理,证明了所提出的网络是全局收敛的,这就保证了所提出的模型对于解决奇异非线性最优化问题的有效性,数值模拟则进一步证实了该神经网络方法的有效性。     

基于遗传算法和神经网络的远程减速机故障诊断系统的设计

通过对减速机故障形式的分析,采用BP神经网络建立故障诊断模型,利用遗传算法优化神经网络权值、阈值、网络结构,将遗传神经网络模型应用到远程减速机的故障诊断的设计中,比较单一的神经网络和遗传神经网络的训练误差曲线,得出遗传神经网络在训练速度和准确性上远远高于神经网络训练模型.     

基于遗传算法和神经网络的远程减速机故障诊断系统的设计

通过对减速机故障形式的分析,采用BP神经网络建立故障诊断模型,利用遗传算法优化神经网络权值、阈值、网络结构,将遗传神经网络模型应用到远程减速机的故障诊断的设计中,比较单一的神经网络和遗传神经网络的训练误差曲线,得出遗传神经网络在训练速度和准确性上远远高于神经网络训练模型。     

Investigation of CAM-brain by using EQUnn model

The model of EQUnn (equivalent neural network of the CAM-Brain model) is proposed. With the help of EQUnn model, it is proved that the CAM-Brain can solve the XOR problem. Supported by the National Natural Science Foundation of China Wang Baozhong: born in 1967, Ph. D     

有机灰色神经网络模型在河流水质预测中的应用

针对灰色预测对波动较强的序列只能预测大致变化的缺陷,在分析河流水质动态变化的基础上,结合灰色理论中的GM(1,1),无偏GM(1,1)和RBF神经网络的特点,提出有机灰色神经网络预测模型,将灰色模型得到的数值作为神经网络的输入,原始数据作为神经网络的输出,训练得到最佳神经网络结构.以某地区河流水质为例,根据其变化规律,应用有机灰色神经网络模型进行预测,结果表明,该模型拟合误差小,预测精度高.