神经计算机的应用

神经计算是一门涉及神经网络的设计实现及应用的新的工程学科。神经网络是非算法的计算结构,其拓扑是有向图,它可以通过对连续或初始输入的状态响应来进行信息处理。神经网络中的节点称为处理单元,有向边(信息通道)称为互连通路。神经网络已经表明能够进行如下的信息处理操作:感觉信息处理(模式预处理,模式识别),知识处理(知识表示,从数据中自动抽取知识,对不精确及矛盾的知识进行推理)和控制(平滑,快速机器人手腿控制,机器人“手眼协调”)。     

模糊PID控制在列车ATO系统中的仿真研究

文章重点介绍了PID控制算法和模糊控制算法在轨道车辆自动驾驶中的应用,综合利用这两种算法即根据误差阀值自动切换这两种控制算法的模糊PID控制算法是一种较好的方法.通过LabView对模糊PID算法的模拟显示,这种自动控制算法可收到良好的控制效果.     

低碳生活的非线性规划

文章首先在查找资料的基础上充分认识低碳生活,给出了低碳生活的定义,并给出一组关于各项生活行为的单位消耗量的碳排放量指标和消费支出的数据.随后建立了以最低碳排放量为目标的非线性规划模型.考虑到在减少碳排放的同时要兼顾生活质量的保证,利用模糊方法建立各类消费支出的生活质量模糊隶属函数,保证生活质量不低于人均生活质量水平.通过优化求解,得到一组满足要求的各项生活行为的需求值.最后,在分析结果的基础上提出了家庭日常生活减少碳排放量的措施,为指导低碳生活的发展提出一些建议.     

磁场-渗流场耦合作用下的铁磁流体多孔介质流动数值模拟

铁磁流体作为一种新型功能材料,由于同时具备磁性及流体性质被广泛应用于各个技术领域.本文从数值模拟理论上研究了利用磁场控制的铁磁流体驱油问题:针对外磁场作用下的铁磁流体多孔介质流动物理过程,将磁力项引入铁磁流体相运动方程从而耦合磁场-渗流场给出其流动方程,并采用全隐式有限体积法形成相应数值离散格式;通过二维均质填砂平板流动实验验证了模型和算法的正确性,在此基础上,对比了平面及纵向非均质多孔介质中注水及注铁磁流体的驱油效果,计算结果表明通过控制铁磁流体的驱替路径可以提高驱替波及范围继而提高采收率,为提高原油采收率提供了新的思路和方法.     

电磁驱动器与矩形静压空气止推轴承混合支承工作台的设计与实现

研究了电磁驱动器与矩形静压空气止推轴承混合支承工作台的设计与实现. 由于工作台的单一平面静压空气止推轴承同时采用电磁驱动器构成闭环主动控制, 具有结构简单精度高的特点. 工作台机械结构对称, 只有一个移动部件, 静压空气止推轴承气浮块与移动台刚性连接, 直接加工在移动台轴承面上的铁心和 4 个独立线圈构成电磁驱动器. 设计实现了工作台实验原型, 推导了工作台止推轴承3个自由度解耦的模型. 在DOS下用C语言实现了工作台的闭环控制算法, 控制器设计采用任意极点配置, 被控对象的模型忽略了静压空气轴承特性. 工作台在垂直方向上能实现精密微定位, 并能作为移动台平面 3 个自由度运动的支承, 对平面内运动的行程没有限制. 工作台定位精度不再取决于空气轴承的设计和加工精度, 无需被动预载.     

马氏过程的首达时间及其算法

马氏过程的首达时间是随机模型最重要的指标之一,它与排队系统和队排队网络的等待时间、逗留时间、忙期等密切相关.对特殊马氏过程的首达时间,很多人进行过研究,如Neuts,Ramaswami,Lucantoni,Hsu和He等.对一般马氏过程,只有Melamed和Yadin讨论过它的首达时间及其算法.但他们的算法对可数状态马氏过程,误差不容易控制,且关于t不是一致的.本文研究可数状态马氏过程在任意的初始状态概率下首达给定状态集中各状态的时间向量,分别给出该首达时间向量密度函数和L-S变换的算法,此算法的误差不但很容易控制而且关于t是一致的.     

基于最少燃耗的飞行器着陆避障控制策略

针对登月飞行器着陆粗避障和精避障阶段的策略控制问题,本文基于软着陆动力学思想,通过计算机仿真及模拟退火算法求解了避障段的最优燃料消耗控制策略.以嫦娥三号登月为算例,粗避障时,首先将距月面2400 m数字高程图划分为100 m×100 m的子区域块,并将标准化后的最高海拔、最低海拔、最小坡度角作为指标,评价各子区域着陆安全度,进而利用柯西隶属函数对各安全度定量评价,绘出安全度灰度图;然后将考虑燃料消耗作为优化的目标函数建立非线性规划模型,采用模拟退火算法寻找最佳的落月位置,并仿真绘出该阶段的下落轨迹,求得嫦娥三号粗避障用时25.7 s,耗油63.86 kg.在粗避障操作基础上,通过各发动机的脉冲组合调整使嫦娥三号水平飞行至最佳落月地点上方,可实现精避障段的最优控制策略.     

神经网络与紫外光谱法同时测定多组分维生素

多元分析与滤波校正已广泛用于多组分同时或选择测定,但其中许多方法均基於线性加和性原理,而此定量原理受各种理化因素制约并非总能满足.神经网络NN如反传算法BP则处理方式完全不同,毋需知道或采用任何形式的输入/输出关系模型,它依据一定学习规则处理问题,特别对因果关系不明确、知识背景不清楚、推量规则不确定的问题求解具独到之处.我们曾用NN研究定量构效关系、化学模式识别、生化反应建模、复杂机理剖析及多元光谱分析等,     

基于数据融合的回热系统故障诊断方法研究

作者在火电机组回热系统常见故障的故障集、征兆集及故障树理论基础之上,利用模糊数学知识和相关理论,针对回热系统故障征兆参数的变化特征,采用不同的变化等级和阈值,建立了回热系统典型故障样本模式知识库及实时故障模式集.同时利用模糊推理和RBF神经网络,分别建立了回热系统故障诊断模型,在诊断结果层面上用数据融合算法进行适当的融合,将模糊理论与人工神经网络有机地结合起来,进行了优势互补.通过仿真典型故障数据和部分实测数据的验证表明,该方法提高了诊断的可靠性.     

面向合成生物学的机器学习方法及应用

机器学习的目标是设计可以根据先验知识和观测数据不断改进其性能的算法.该算法可以帮助机器从大量的数据中提取知识,从而提升其在特定任务上的性能.作为数据驱动的方法,机器学习可以有效利用高通量实验技术产生的大批量生物数据,实现合成生物体的功能预测与智能化设计,改变合成生物学的研究范式.本文首先介绍机器学习在合成生物学领域广泛应用的几个模型及方法,如支持向量机、神经网络、生成式对抗网络、深度强化学习等.然后介绍机器学习方法在合成生物学领域的典型应用,如启动子预测、酶催化设计、代谢途径构建、基因线路设计等.本文综述面向合成生物学的机器学习方法及应用,并试图启发读者如何选择和设计机器学习方法用于合成生物学的研究.     

二维可数状态Markov过程的首达时间

随机模型的研究中经常涉及Markov过程(以下简记为MP)首达时间的计算问题,例如在随机服务系统与网络中的等待时间、逗留时间与忙期等重要指标都是相应Markov过程的首达时间.迄今为止,不少文献讨论过某些特殊MP或Markov更新过程的这类问题,例如文献[1～5].但是对一般MP而言,只有个别论文研究过首达时间,如文献[6,7],而且在可数状态时其误差不仅难以控制,同时对时间 t也非一致.最近,Hsu和Yuan研究了在任意初始条件下一般可数MP的首达时间,并导出了具有一致误差的算法,使该问题得到了圆满的解决.然而,众所周知,上述所有结果都仅对至多一维为可数状态的多维MP成立,这远远不能满足实际应用的需要,因为在现实生活的各种随机模型中经常会遇到多维可数MP的问题,如多结点随机服务网络、多输入匹配服务系统等等.因此研究二维或多维可数MP的首达时间问题自然就显示了其重要的理论意义与应用价值.