流态化准数方程及最小流化速度的确定

气体力学参数的确定是流态化过程正常进行的前提,本文运用相似理论,从流化一类现象中固体颗粒和气体介质两方面的运动相似入手,用与前人不同的研究方法,导出了适用于全过程的流态化准数方程式,以此作为流化过程气体力学诸参数研究的统一基础。在此基础上,针对工业加热流化床的特点,通过实验建立了最小流化速度的实用计算式,由于考虑了固体颗粒与气体介质密度比这一影响因素,从而提高了计算精度,为流化床气体力学参数的确定提供设计依据。     

多目标准则下的一般决策模型

定义了一多目标准则下的一般决策模型（ＭＯＤＭ），并将ＭＯＤＭ的（ｋ）的阶段最优问题转化为一等价一般决策模型ＤＭ（ｋ）的最优问题。     

行政诉讼证明标准多元化初探

借鉴他国经验,构建多元化行政诉讼证明标准是必要的;行政诉讼多元化证明标准的构建应考量行政案件的类型、证明的难易程度、行政决定的重要性和行政管理的特点等因素,结合具体行政行为的类型设计不同的证明标准。     

基于EEF准则的认知无线电合作频谱感知

频谱感知是认知无线电的一个重要组成部分.提出了一种基于指数嵌入族(exponentially embedded family,EEF)准则的合作频谱感知算法.与传统方式下所有合作用户皆参加检测的方法不同,提出的算法依靠用户选择机制,并且不需要知晓授权用户信号的任何先验信息.该算法先对参与合作频谱感知的认知用户进行筛选,然后在筛选出的最优用户频谱观测数据的基础上生成全局检测统计量(global decision statistic,GTS),最后对授权用户是否存在做出全局判决.仿真表明,在虚警概率保持不变的情况下,进行最优用户选择(optimal user selection,OUS)的合作频谱感知算法的检测概率优于未进行最优用户选择的算法.     

双线法与横摆角速度法联合的车辆稳定性判据

车辆稳定性判据决定了车辆稳定性控制系统的介入与退出时机,是车辆稳定性控制的基础.设计了一种基于相平面法的车辆稳定性判据,在传统双线法确定的稳定区域中引入横摆角速度法确定的稳定区域,设计联合车辆稳定性判据,协调对质心侧偏角和横摆角速度的控制,并获取稳定性判据的相应阈值变化的数据库,用于在控制过程中查表获得车辆的稳定区域边界.利用质心侧偏角和横摆角速度偏离函数表征控制变量偏离参考值的程度和车辆状态相对稳定区域边界的位置.极限工况下,当车辆状态超出稳定区域边界时,车辆稳定性控制应迅速介入,控制车辆状态回到稳定区域.     

一种基于地理位置预测的高性能路由算法

提出了基于ARIMA预测模型的高效路由算法.该算法中节点通过前向与反向成功转发率、数据传输速率等计算链路的丢包率和期望传输次数来获取干扰感知期望传输时间(i ETT),代替DSR路由算法中的最短跳数判据.并引入ARIMA模型来预测节点下一时刻的运动位置,防止链路频繁断裂造成的网络丢包,并在链路失效之前预先选择最稳定的路径进行数据传输.仿真结果表明,所提路由算法相比DSR判据吞吐量提高6%~9%,平均端到端时延降低2%~6%,提高了网络整体性能.     

组合惩罚似然估计下发散参数变量选择

在Wang等给出的组合惩罚函数的基础之上,将SCAD惩罚部分推广到一般的非凸惩罚的形式,利用岭回归在解释变量相关度较高情形下的良好表现,提出一种推广了的组合惩罚.在参数个数发散的情形之下,利用贝叶斯信息准则(BIC)来选择调整参数,能同时完成变量选择和参数估计.而且还可以证明在合适的条件之下,这种估计具有Oracle性质.模拟研究的结果证明了所提出的方法在预测变量具有强相关性之下的优势.     

一种新的联合Turbo译码算法

提出了一种新的Turbo码的联合译码算法,该算法结合了常数Log-MAP译码算法和Log-MAP算法的优点,并且结合了停止判决准则。新算法在效率和纠错性能上达到了较好的平衡,尤其是在中高信噪比的情况下：只增加了较少的计算量,就使得常数Log-MAP算法达到了几乎Log-MAP算法的纠错性能。     

油田注水诱发应力场演化及地层活动机制研究

基于多孔介质理论建立注水诱发应力场变化定量评价的力学模型,利用有限元方法对耦合模型进行求解,分析注水过程中超孔隙压力与应力场演化规律,揭示注水诱发地层活动的力学机制。计算结果表明:注水形成的超孔隙压力控制局部应力场分布,一方面导致垂向、水平有效应力减小,Mohr应力圆左移,地层活动趋势增加;另一方面削弱注水层段水平地应力的作用效果,导致主应力差值减小、Mohr应力圆直径缩小,易于地层稳定。注水诱发地层活动与岩层渗透性能、吸水软化与构造应力环境等组合因素密切相关。     

基于DW-ICA-SVM的工业过程故障检测算法

为了有效提高支持向量机(SVM)算法的故障检测和监视性能,提出一种新的基于DW-ICA-SVM的工业过程故障检测算法。首先,对训练数据进行标准化,运用独立元分析(ICA)获取数据的独立元矩阵,提取隐藏的非高斯信息。其次,运用杜宾-瓦特森(Durbin-Watson, DW)准则计算独立元(ICs)的DW值,通过DW方法有效提取重要噪声信息,选取重要的ICs。再次,将包含重要信息的ICs作为SVM模型的输入,获得判别分类函数,将测试数据的ICs输入该模型,对其进行故障检测和监视。最后,将新算法运用于非线性数值例子和田纳西-伊斯曼工业过程,并与PCA,LPP,ICA,SVM和ICA-SVM方法进行比较。结果表明,所提方法降低了样本间的自相关性,有效提高了故障检测率。因此,新算法在一定程度上加强了对隐藏非高斯信息的提取与识别,为提高SVM算法在工业过程故障检测中的应用性能提供了参考。