变速变桨风力发电机组的建模研究

风力发电系统结构复杂、体积大,风力发电系统控制的研究工作存在很大的困难.通过采用机理建模的方法建立变速变桨风力发电系统的数学模型.分析了风力发电机组各部件的数学模型,其中有传动系统模型、发电机模型、风轮系统模型,并将子模型整合在Simulink中,得到可靠的系统仿真模型.     

基于交通信号灯信息的混合动力汽车节能预测控制方法

针对传统混合动力汽车控制方法不考虑已知道路交通信号灯信息对车辆能量管理影响的问题,提出了基于交通信号灯信息的混合动力汽车节能预测控制智能优化策略。通过建立混合动力汽车系统的简化模型,并采用连续广义最小残量方法求解模型预测控制问题。运用MATLAB/Simulink进行仿真,仿真结果验证了交通信号灯信息模型的有效性,以及所设计的模型预测控制算法大幅度提高混合动力汽车的燃油经济性的能力和实时控制性能。研究结果表明所提出的控制策略可以实现车辆行驶轨迹的优化控制,显著提高了车辆的燃油经济性,并满足系统的实时最优控制要求。     

第13届欧洲杯足球赛西班牙队形成射门的攻防过程模型研究

本文研究和归纳了世界高水平足球队攻防过程战术的运用和实施。对第13届欧洲杯西班牙队形成射门的攻防过程中的94项行为进行统计和分析,从而建立了形成射门过程的攻防模型,为今后的训练和比赛提供理论上的参考依据。     

停车受限条件下多模式交通网络动态拥挤收费

在一个多起始单终点的交通网络上,本文研究当终点处停车空间不足时,如何通过在路段瓶颈处实施拥挤收费实现系统最优.首先,根据小汽车和公交的出行成本函数,运用凸规划算法求解系统最优条件下网络中各OD最优的小汽车和公交出行量.其次,根据系统最优时的小汽车出行量,计算出为了消除交通瓶颈处车辆排队而实施的动态拥挤收费.再次,根据小汽车和公交车出行成本的均衡条件,计算出各OD对每辆小汽车出行者应缴纳的停车拥挤附加费(或应获取的补贴),收取该费用(或发放补贴)的目的是调节小汽车和公交的出行量使它们在双模式均衡(小汽车与公交车出行模式均衡)条件下分别达到系统最优水平.最后,算例分析了两组OD对的情况,计算出两种泊位供应量下各OD对小汽车最优出行量与小汽车出行的停车拥挤附加费或补贴,并且给出了动态拥挤收费与道路收费的函数曲线.     

供应链网络风险扩散动力学模型及其应用

在考察分析供应链网络结构域组分特征的基础上,建立了供应链网络风险扩散动力学模型,给出其定态解.该模型由一组方程构成,设置了风险产生项与风险湮没项,合理考虑了风险在供应链网络主体间的传导概率,并设置了主体感染风险阈值.该模型能够反映供应链网络中风险扩散机理,也可以揭示供应链网络结构演进下的风险扩散特征变化.将模型运用到实际的农产品供应链网络中,获得了当前农产品供应链网络及其演进结构下的风险扩散特性.     

粒子的散射方程、孤子解和高能统计模型

基于粒子散射的实验结果和已知的理论,首先,讨论了散射的各种方程,包括Lipkin方程、Pearson方程和Laguerre方程等,并且应用于各种散射;其次,重点研究了非线性方程,如Kd V方程、非线性统一方程等及其孤子解;然后,探讨了共振态和弹性、非弹性碰撞;进而,讨论高能散射和相应的统计模型;最后,提出不同能量的散射可能对应粒子低能具有对称性和高能具有统计性的新二重性.     

基于弱监督学习的主页人物属性抽取方法

提出了一种基于弱监督学习的主页人物属性抽取方法,首先根据领域模式从个人主页中提取出人物属性的前导词,接着通过前导词获取人物属性作为初始的属性种子,在这些属性种子中提取属性的模式,并结合分类和bootstrapping方法不断迭代抽取出无前导词的人物属性。在整个抽取过程中,只需要少量的人工标注。在英文机构网站上的人物属性抽取对比实验结果表明,该方法较属性分类抽取方法在准确率上提高了7.8%,召回率上提高了7.5%。     

中国式过马路治理数学模型

基于对"中国式过马路"问题的调研数据,运用波利亚安全模型原理,建立适合我国国情的治理"中国式过马路"陋习的数学模型,为交通管理部门这方面的治理提供了理论依据.     

电子-质子散射中几何标度效应的研究

在色玻璃凝聚理论框架下,我们对x≤0.01情况下电子-质子深度非弹性散射中新联合实验数据进行全局分析,研究能在全局τ区间内描述几何标度效应。利用新联合实验数据验证了理论上预言的几何标度效应,研究结果显示在高能情况下色玻璃凝聚态存在的可能性。     

一种资源与服务性能关系的建模方法

获取资源与服务性能的关系模型是在云环境中为服务合理分配虚拟资源的关键.然而,训练数据的规模往往显著影响这种非线性关系模型的准确率.针对现有方法不足,提出了将协同过滤推荐(CFR)和支持向量回归(SVR)相结合的服务性能动态建模方法(CSDM).该方法在服务部署与运行时同时训练两种模型,并选择二者中MAE占优的性能模型预测给定资源状态下的服务性能,从而保证预测精度.同时,CSDM引入择优阈值以降低模型训练代价.实验表明,CSDM在不同规模的训练数据上均有较高的预测准确率,且择优阈值对预测精度和建模效率具有显著影响.