人工压缩法数值模拟非定常不可压缩热对流流场

利用人工压缩方法数值模拟了由于强热浮力不稳定性引起的非定常不可压缩热对流流场．在非定常动量、能量方程中引入了一伪时间项,连续性方程中加入与伪时间层相关的人工压缩项,使连续性方程与动量方程自动耦合,得到一沿物理时间准确推进的沿伪时间层采用ＧａｕｓｓＳｉｄｌｅ内迭代的推进迭代算法．在每一时间层进行内迭代直到连续性方程满足为止．对流项用四阶中心差分格式,时间项用三阶向后差分．利用此算法数值研究了二维ＰｏｉｓｅｕｉｌｅＢｅｎａｒｄ流场和底部加热的非定常水平射流问题,成功地模拟了流场中涡旋的生成及发展过程．结果表明,用该算法模拟非定常热对流问题具有较高的效率和准确性     

等离子体模拟改进电磁粒子网格算法

为了消除传统电磁粒子网格算法在交错推进电场和磁场，粒子动量和位置时存在的半时间步长差，推导出一种电磁场和粒子非交错推进的改进电磁粒子网格算法，该算法通过引入一个中间过渡时刻，对麦克斯韦方程组和牛顿-洛仑兹方程的差分格式进行了变换，使算法实现了同时将所有物理量从n时刻推进到n 1时刻，该算法能得到时间上同步的参数，有利于计算结果的数据处理以及在模拟过程中对电磁场和粒子进行实时诊断，应用改进后的电磁粒子网格算法对无箔二极管实例进行了模拟，得到了与实验基本一致的结果。     

神经网络紫外光度法同时测定水中NO3^—和NO2^—

应用神经网络解析NO3^-和NO2^-的吸收光谱，不经分离紫外吸光光度法同时测定NO3^-和NO2^-，在经典BP的算法上，引用改进的误差传递函数，对学习系数和动量因子进行了动态调节，并采用均匀试验设计法确定最佳网络运行参数，建立了改进的BP算法．此法用于水样中NO3^-和NO2^-的同时测定，回收率分别为100．8％和95.3％。     

变步长动量常数模算法

为解决常数模算法中稳态误差与收敛速度间的矛盾,将动量项与变步长因子引入到常数模算法中,由稳态误差和上一步步长共同影响当前步长因子,在权系数更新时考虑到了动量项的影响,提出了变步长的动量常数模算法.改进后算法在计算量增加不大的前提下,与原算法相比,具有更快的收敛速度和更小的稳态误差.     

环形单级倒立摆系统的改进PSO-PID控制研究

为实现环形单级倒立摆的稳定性控制,设计了一种改进的基于粒子群算法的积分分离PID控制算法.首先通过拉格朗日方程推导出环形单级倒立摆系统的数学模型,然后用matlab计算发现系统不稳定,因此需要设计外部控制器加以调节.本文提出了改进粒子群算法(PSO)来整定PID控制器参数,在此基础上设计了一种改进的积分分离的PID控制器,在比例和积分项前加入连续变化的函数作为系数以防止积分饱和.最后在matlab中分别用基PSO-PID控制和基于改进积分分离的PSO-PID控制对环形单级倒立摆进行仿真.仿真结果表明,在改进积分分离的PSO-PID控制下,系统中连杆和摆杆的超调量均下降至0,调节时间分别缩短至0.8s和0.9s.这说明本文设计的控制方法能有效使环形单级倒立摆在较短的时间内达到稳定.     

广义PID实时递归学习算法

利用经典的ＰＩＤ控制思想，在实时递归学习（ＲＴＲＬ）算法基础上，研究了微分项和积分项对目标函数收敛行为的影响．结果表明：只要能动态地调整积分项和微分项，收敛速度就会大大加快且能跨越局部极小值．基于此，提出了改进ＲＴＲＬ算法，包括ＰＩＤ参数自动调整和积分项、微分项动态调整规则．采用遗忘因子有效地解决了过去状态对当前灵敏度过度影响的问题．通过一阶混沌序列预测的仿真表明，文中的算法较之标准ＲＴＲＬ和动量项ＲＴＲＬ算法，有更快的学习收敛速度，且不存在局部极小值     

一种改进的盲信号分离方法

指出了在盲信号分离过程中．基于独立分量分析的定点算法，具有结构简单、运算速度快的特点．但是在有些情况下，该算法是否收敛仍具有不确定性，限制了它的使用范围．基于信息理论原理提出了一种改进的盲信号分离算法，经计算机仿真和对实际生物信号处理的实验表明：该算法在速度和稳定性方面都有很大的改进．     

基于改进人工蜂群算法的盲源分离算法

针对传统盲源分离算法收敛速度与分离性能间的矛盾,提出一种基于改进人工蜂群算法的盲源分离算法.该算法利用信号的峰度绝对值作为被优化目标函数,对人工蜂群算法中跟随蜂阶段的搜索过程进行改进,使人工蜂群算法在初始阶段可以快速收敛到最优解所在区域,具有更高的收敛精度.使用改进后的人工蜂群算法对传统盲源分离算法中的初始分离矩阵进行优化,再利用优化的初始分离矩阵进行信号分离.仿真结果表明,改进后的算法能够显著加快收敛速度并保持较好的分离性能值,较好地解决了收敛速度与分离性能间的矛盾.     

改进的非常快速模拟退火算法

在研究模拟退火机理分析的基础上，提出了一种改进的算法（MVFSA算法）的具体方案，目的是为了改进原算法（VFSA算法）中存在的缺陷，以提高算法的效率．在模型试验中，对改进后的算法与原算法的过程和结果进行了一系列的比较，发现改进后算法不仅保持了原算法全局寻优的优点，而且提高了算法的稳健性和效率．这就为模拟退火算法在更多方面的实际应用打下了良好的基础．     

改进的上下文无关文法及其语法分析

针对一些语言的实际应用情况，对标准的上下文无关文法作了改进，将标准的上下文无关文法定义中的非终结符集合和终结符集合进行细化，使得单词推导和句子推导可以使用同一个过程，即词法分析和语法分析可以在同一个语法分析过程完成．还给出了改进后文法的分析算法及算法的时间复杂度分析，证明用这种改进的方法进行语言文法定义更直观、简洁。其分析算法的时间复杂度优于标准上下文无关文法的分析算法．     

对基于变动量项前馈神经网络盲源分离算法的研究

介绍了盲源分离及基于神经网络盲源分离算法的原理,阐述了基于变动量项前馈神经网络盲源分离算法,并进行了计算机仿真实验。     

基于自适应动量因子的区间神经网络建模方法

区间神经网络建模是区间控制的核心部分,也是提高系统鲁棒性的重要方法.针对区间神经网络算法收敛速度慢的问题,提出一种自适应动量因子算法.算法利用区间运算建立输入与输出数据的映射模型,通过引入具有自适应特性的动量项,使用最速下降法对动量项进行自适应更新,在加快系统收敛速度的同时,克服系统稳态误差大和容易陷入局部最小值的弊端.典型算例实验表明:区间神经网络能够较为精确地建立区间网络模型,自适应动量因子算法提高了区间神经网络整体性能.     

KdV方程导出过程中一个偏微分方程的解

KdV方程是研究孤立波现象的一个一维的数学模型，这个模型是通过研究在重力作用下，不可压缩的无粘性的流体的运动而建立的．在适当的假设下，利用这种流体所满足的连续性方程和动量方程，就可以得到一个椭圆型偏微分方程．利用分离变量的方法，对这个方程进行讨论可以求得它的通解，这个通解是由解析函数所表示的函数项级数．     

基于后级滤波处理的频域语音盲信号分离

针对现有盲信号分离算法在真实环境下性能会降低的局限性,提出了一种将频域盲信号分离算法与后级滤波处理相结合的方法.在后级滤波处理阶段用自适应对消算法来去除分离信号中的残留干扰分量,根据语音信号的能量随频点分布起伏较大的特点,后级滤波算法引入了变步长的频域泄漏LMS(leaky LMS)算法.仿真实验表明,作者提出的方法使得分离效果有明显改善,而且比已提出的后级滤波处理方法效果要好.     

过程信号的前馈-反馈型自适应盲分离算法

利用神经网络的自学习能力实现信号的盲分离已被证明是实现信号分离的一种有效方法,不同的神经网络模型对分离算法的效能将产生极大的影响。针对化工生产过程的复杂性和在线监测控制的要求,在其他学者研究的基础上,基于前馈－反馈型神经网络模型,提出了一种自适应盲分离算法用于过程信号的分离。计算机仿真实验的结果表明了算法的有效性。     

基于遗传算法的盲源分离算法

针对现有盲源分离算法的性能依赖于对比函数选择的现象,提出了一种基于遗传算法的盲源分离算法,该算法直接从信号的样本序列中估计出信号的概率分布,解决了信号间互信息的求解问题.通过遗传算法最小化信号的互信息,实现了对线性混叠信号的分离.对模拟信号的分离结果表明,该算法可以成功地分离混叠信号,同时与快速独立分量分析算法相比,该算法的性能对源信号的概率密度性质没有依赖,因而对亚高斯和超高斯信号的混合信号表现出更加优异的分离能力.     

一种分离噪声盲源信号的FastICA改进算法

大功率机械所产生的非平稳噪声源,用FastICA算法可以有效地分离出噪声信号,但噪声源识别的准确性较低,为此提出了一种分离噪声源的FastICA改进算法。新方法将最大相似准则、优化算法和快速傅里叶变换相结合,对分离信号的不确定性进行了有效校正。经仿真实验验证,新方法能够完整地还原仿真波形信号,表明该改进算法确实可行且准确性较高。     

电力系统短期负荷预测的改进BP算法

提出了一种电力系统短期负荷预测的算法，通过增加势态项及采用步长自适应等方法的对传统的BP算法进行了改进，实例计算表明该算法可行。     

低信噪比弱信号提取算法研究

采用从强背景噪声中提取话音信号的自适应噪声抵消技术———最小均方误差(LMS)入手,对该算法的性能进行了分析,针对其收敛速度慢、提取信号频带窄的缺点,提出了改进的有动量因子的自适应最小均方误差算法(MLMS).仿真结果表明,该方法对于解决弱信号提取问题有一定效果.     

基于皮尔逊系统的语音信号盲源分离

当利用传统自然梯度算法对所有语音信号都使用同一个激活函数进行分离时,对语音信号的盲源分离效果都不尽理想.针对这一问题,采用基于皮尔逊系统的分段激活函数对传统自然梯度算法进行改进.通过引入皮尔逊系统,将皮尔逊函数与传统激活函数相结合,再利用信号的矩估计方法,分段选择合适的激活函数代入分离矩阵,有效克服了传统语音分离算法的缺点和不足.仿真结果表明,在对实际的语音信号进行分离时,改进算法的性能明显优于传统自然梯度算法,并且在保持了良好收敛速度的同时大大减少了均方误差.