聚变反应堆条件下等离子体中阿尔芬本征模的分析

通过对托卡马克装置的研究,为中国聚变工程试验堆和国际热核聚变反应堆提供了理论和工程技术。本文基于当前主要的托卡马克,运用磁流体力学数值模拟程序和动理学混合模拟程序,探究了不同类型托卡马克装置上的离散型阿尔芬本征模,以及在高能量粒子条件下离散阿尔芬本征模的不稳定性特征,为中国聚变工程试验堆和国际热核聚变反应堆提供理论参考。模拟发现在三类托卡马克装置上,较宽的运行范围内,都存在离散阿尔芬本征模,且这种本征模易受高能量粒子激发成不稳定模式。离散阿尔芬本征模的不稳定性潜在影响未来聚变反应堆的稳态运行。     

分级骨干网架的构建及其经济效益评估方法

构建骨干网架是差异化规划电网以提高其抵抗自然灾害能力的关键手段,基于设备重要度和抗灾效益评估的阶梯式分级骨干网架建设能够兼顾电网建设的抗灾性和经济性。本文根据系统源、荷和支路的重要度评估,提出了分级骨干网架构建方法,以全寿命周期成本理论为基础并考虑设备等级、使用寿命和折旧价值,构建差异化建设投资成本计算模型,以各级负荷典型用户为代表建立负荷侧停电损失模型并与发电侧和电网侧效益组成分级骨干网架抗灾效益,结合成本模型形成差异化建设经济效益评估体系。最后以IEEE 118系统为例搜索分级骨干网架并设计多种抗灾建设方案,通过投资成本和收益的对比,证明了分级骨干网架建设的经济性和抗灾效益评估体系的合理性与可行性。     

石油类本科高校科技创新效率分析

运用DEA-BCC模型和DEA-Malmquist指数模型分析方法,对2007-2016年我国石油类本科高校的科技创新效率进行测度评价。结果表明:静态来看,2016年我国石油类本科高校科技创新综合效率、规模效率和纯技术效率均没有能够达到DEA有效,且各石油高校存在显著的差异性。石油高校科技创新资源配置规模与结构是提升科技创新综合效率的重要要素。从动态来看,大部分石油本科高校科技创新效率全要素生产率具有明显下降趋势,科技创新技术进步指数和技术效率变化指数两者较低是导致石油本科高校科技创新全要素生产率有所下降的重要原因。提升我国石油本科高校的科技创新效率应该逐步完善高校科研管理机制,培育高端技术科研人才;瞄准能源领域科技前沿,深化高校科技创新供给;加强产学研合作,推进科技创新成果市场转化。     

螺旋式全混合日粮搅拌机揉切过程分析

为探究全混合日粮搅拌机揉切机理,以麦秸秆为研究对象,对秸秆的揉切过程进行周向和轴向两个方向研究分析,将秸秆的揉切过程在空间上按顺时针依次均匀的分为4个区域,采用理论分析和高速摄像试验验证的方式进行分析,明确秸秆在箱体中剪切、揉搓、混合分布的主要区域,确定各区域物料具体的运动形式.试验结果表明:秸秆在Ⅰ区内存在离心现象,Ⅱ区是切割的主要区域,Ⅲ区是揉搓的主要区域,且在底壳最低点处揉搓作用最强,在Ⅳ区秸秆存在对流混合作用,理论分析与试验结果相吻合.     

AP 数据源融合算法构建基因调控网络

针对单一数据集构建基因调控网络算法数据量不足及构建网络结果不精确的问题, 提出一种基于能力与信任(AP)的数据源融合算法. 该算法将基因表达数据、 蛋白质相互作用数据和基序数据集, 分别通过控制与被控制双向数据流传输来分析和构建基因调控网络, 并与ReMoDiscovery,CLR和C3Net三种已开发模型在酵母全基因组网络构建结果的AUC值进行对比. 对比结果表明, 该算法在构建基因调控网络算法方面执行效率更高、 收敛性更强.     

基于变指数分数阶全变差和整数阶全变差的图像恢复算法

结合变指数全变差(totalvariation, TV)和整数阶TV,提出一种变分图像恢复算法。该变分问题的能量泛函主要分为三个部分:变指数p(x)的分数阶TV正则化项、整数阶TV正则化项和数据保真项。该模型中的指数p(x)是与图像的梯度信息有关的函数。在理论上,由于分数阶导数和整数阶导数的结合,使得所提方法不仅能有效地去除图像噪音,保护图像的边界高频信息,还能更好地保留图像的纹理细节等中低频信息,同时可以极大地消除图像处理中产生的阶梯效应和散斑效应。在模型的求解上,利用变分法可以简单地将极小化泛函的优化问题转化为梯度下降流方程。最后,通过模拟数据和真实数据对本文所提方法进行了验证。试验结果表明,该方法可以去除噪声的同时,有效保持边界和纹理细节,并且对噪声是鲁棒的,具有一定的实际应用价值。     

可穿戴血氧芯片的抗运动干扰算法与电路设计

针对可穿戴血氧芯片因运动干扰而使准确度受限的问题,提出一种基于加速度传感器的自适应抗运动干扰算法并进行了电路设计.根据三轴加速度信号判断运动幅度,当运动较微弱时,采用自适应滤波(AF)算法消除运动干扰,提取特征参数,计算血氧饱和度;当运动较强烈时,采用改进型离散饱和度变换(IDST)算法,比较不同离散饱和度下参考信号与加速度信号的相关性,相关系数最大时的离散饱和度即为血氧饱和度.所设计的芯片采用SMIC 180 nm工艺实现,算法电路的测量误差在2%以内,整个抗运动干扰模块的电路面积为0.31 mm2,最高时钟频率可达到56.4 MHz,满足可穿戴应用的需求.     

基于全卷积神经网络迁移学习的乳腺肿块图像分割

针对乳腺X线摄片中肿块通常会被周围致密组织所掩盖,对比度低,且其形状不规则,肿块图像分割困难的问题,设计了一种基于全卷积神经网络迁移学习的乳腺肿块图像分割方法.该方法首先对乳腺肿块图像进行数据增强,然后利用迁移学习,对设计的全卷积神经网络模型载入参数并训练分割模型,最后在训练好的模型上对待分割图像进行处理.分割结果采用区域面积重叠率、Dice相似系数、Hausdorff距离等指标进行评价分析,在公开数据集的483幅图像上的实验结果表明:提出的方法的分割效果明显优于传统分割算法.     

基于离散时间观测的神经网络的随机镇定

主要讨论了离散时间观测下的神经网络的随机镇定.首先,通过使用伊藤公式、Gronwall不等式、Burkholder-Davis-Gandy不等式等,证明得到离散时间观测的神经网络随机镇定的条件.其次,利用数值例子来对结论加以证明.     

基于快速残差插值和卷积神经网络的去马赛克算法

针对传统插值法存在的图像细节不能很好恢复的不足,利用卷积神经网络作为残差插值法的后处理操作,提出了一种基于残差插值和卷积神经网络的去马赛克算法。方法分为初始去马赛克和细节恢复后处理两部分。先用改进的基于梯度的快速残差插值法实现初步去马赛克插值,并针对恢复图像中包含了彩色伪影,细节丢失等问题,再使用深度残差网络学习恢复图像与理想全彩色图像之间的映射,实现后处理。在Kodak数据集和IMAX数据集上的实验结果表明,该方法结果在主观视觉特性和客观评价指标两方面相较于传统方法都有明显改进。