无网格法求解分段连续型延迟偏微分方程

考虑了一类分段连续型延迟偏微分方程.首先分析了方程的解析解,给出了级数形式的解.其次采用无网格法求解了该类方程的数值解.利用θ-加权有限差分法对方程的时间变量进行离散,并利用Multiquadric(MQ)径向基函数和配点法建立了全离散格式.采用傅里叶分析法给出了数值方法稳定的条件.通过数值算例给出了方法的误差及验证了方法的有效性.     

铁路道砟形态特征的统计分析与几何重构

道砟颗粒几何形态特征对其力学特性影响显著。为了量化研究铁路道砟形态特征,以真实的铁路一级碎石道砟颗粒为例,采用3D激光扫描获取道砟颗粒点云数据,引入道砟整体形态特征指标（长轴、中轴、短轴、球度指数）,提出道砟局部形态特征指标（曲率指数）,统计并建立上述整体和局部形态特征指标的概率密度分布函数。在此基础上,基于本征正交分解（POD）及径向基（RBF）神经网络提出了基于颗粒形态指标概率密度分布的道砟样本的重生成算法,重构道砟颗粒样本库。采用上述重生成算法分别重构了600及4 000个颗粒道砟,结果表明：重构道砟样本形态特征指标的统计分布结果均与真实扫描试样结果接近,证明该方法能够快速实现基于颗粒形态指标概率密度分布的任意数量道砟样本的建立。     

基于参数优化的RBF神经网络结构设计算法

针对径向基函数(RBF)神经网络的结构优化问题,提出了一种基于参数优化的RBF神经网络优化算法.首先,改进K-means++算法,使得聚类算法更精确,为RBF神经网络的隐含层节点找到一个合适的初始中心;然后,考虑数据分布和缩放因子选择的影响,采用方差度量法计算隐含层神经元基函数的宽度;最后,修正网络参数,提高网络的非线性逼近能力.实验结果表明,本文提出的基于参数优化的RBF神经网络具有良好的逼近效果和泛化能力.     

盾构叠交穿越施工引起的既有隧道变形分析

针对上海新建11 号线盾构隧道夹穿地铁4 号线的工况, 采用数据监测的方法, 分析了先下后上穿越施工引起的既有隧道变形规律, 采用三次样条插值法对变形曲线进行了拟合, 并得出了穿越段全长纵向的变形曲率. 基于改进的隧道纵向等效化连续模型, 得出了隧道纵向变形曲率与环缝张开量的关系, 并结合行业规范, 对先下后上多层次穿越引起的既有隧道变形提出了建议控制指标. 研究结果表明: 新建隧道先下后上夹穿既有隧道时, 应控制开挖工程中的最大变形量; 内外圈的变形集中在上行线隧道中心线左右2.5 倍盾构外径范围内; 下穿施工时,外圈由于先期扰动, 沉降量较内圈更大, 先期扰动影响主要集中在外圈中心区域. 研究成果为地铁叠交穿越, 尤其是先下后上穿越既有隧道的保护提供了一定的理论基础.     

渐开线圆柱齿轮啮合过程中磨损的计算机仿真

利用边界元的基本思想，渐开线直齿圆柱齿轮可以简化到端面进行分析，从而将空间啮合问题转化为平面啮合问题。将边界曲线离散成许多单元和结点，对这些离散点进行啮合和磨损分析，提出了用参数三次样条曲线来模拟磨损后的齿面，实现了对任意啮合点磨损量的计算。编制了一系列的软件，实现了用计算机对齿轮啮合过程中的载荷、应力及磨损进行动态模拟，得出的结果符合通常的磨损规律。     

Performance prediction for Grid workflow activities based on features-ranked RBF network

Accurate performance prediction of Grid workflow activities can help Grid schedulers map activities to appropriate Grid sites.This paper describes an approach based on features-ranked RBF neural network to predict the performance of Grid workflow activities.Experimental results for two kinds of real world Grid workflow activities are presented to show effectiveness of our approach.     

一种基准制配合换算的新方法

本文通过对目前使用的基准制换算的两种规则和作者提出的整体移动规则作了论证、分析、比较 ,指出了整体移动规则在基准制换算过程中的科学性、可行性、简捷性。     

叶绿体DNA种内多样化

着重讨论了９科３２种植物叶绿体ＤＮＡ种内多样化，进而探讨叶绿体ＤＮＡ种内多样化的遗传学基础和意义。     

fuzzy向量空间的直和

研究了ｆｕｚｚｙ向量空间的直和性质及其与ｆｕｚｙ基的关系．     

一种新的RBF神经网络非线性动态系统建模方法

将遗传算法与正交优选法结合 ,用来训练径向基函数 ( RBF)神经网络 ,并对基函数宽度进行自动地调整 ,得到了一种训练 RBF神经网络的新方法 .将其应用于连续流体搅拌反应槽 ( CFSTR)生化反应器的建模中 ,得到了令人满意的结果 .该算法提高了径向基函数神经网络的泛化能力和鲁棒性 ,研究表明是一种有效的“黑箱”动态建模方法