自旋为1的系统的量子非经典性度量

相干态最初在1960年由Klauder和Sudarshan提出.基于此,许多经典性和非经典性的度量被提出. 1971年Radcliffe提出了原子相干态,但基于原子相干态的非经典性度量研究仍然较少.本文利用原子自旋相干态的特征提出一种度量非经典性的方法,并讨论了这种度量的若干性质,例如转动算符作用下的不变性和纯态的非经典性.我们给出了一些计算例子,例如猫态、NOON态和混合态.这种度量只在自旋为1的系统上讨论.这些结果对探索量子非经典性的度量和量子资源理论有一定的意义,也对实验室利用非经典性度量起到积极作用.     

基于三阶泰勒展开逼近目标函数的无约束最优化算法

针对基于二阶泰勒展开逼近目标函数精度低的牛顿法优化问题,研究基于三阶泰勒展开逼近目标函数的最优化算法意义明确,算法归结为多元二次方程组的求解,应用非线性方程组的牛顿法求解,在目标函数中加入二次函数辅助项,提出两个改进的最优化算法,改进的算法1可保证牛顿法的雅可比矩阵非奇异,改进的算法2可保证牛顿法的雅可比矩阵正定,所提出的无约束最优化算法可推广到高阶泰勒展开情形,数值分析例验证了所提出的最优化算法的有效性.     

基于超网络的舆论演化动态模型

针对舆论演化过程中的复杂动力学问题,提出了超网络视觉下的舆论演化动态模型,该模型包括节点的添加、重新连接链路、超边的添加以及节点的老化4个过程,其中节点代表关键词,超边代表关键词所构成的话题。其次,利用非均匀网络的演化机制,分别对该动态演化模型的超度、节点自身关注度与节点间影响力两个因素的超度进行了详细的理论分析,分析结果表明节点超度完全符合幂律分布。最后,通过Matlab仿真模拟,分析了不同参数对节点超度分布变化的影响,并进一步验证了结果是遵循幂律分布的。     

非酒精性脂肪肝与心血管疾病相关性的研究

非酒精性脂肪肝是慢性肝功能障碍最常见的原因，是一个严重的全球性健康问题。非酒精性脂肪肝已被证明与胰岛素抵抗、肥胖和代谢综合征相关，而这些因素又与心血管疾病密不可分。大量研究表明，非酒精性脂肪肝患者发生心血管疾病的风险增加，心血管疾病是其主要的死亡原因。越来越多的证据提示非酒精性脂肪肝不仅是心血管疾病的一个易感因素，而且可能参与了心血管疾病的发病机制。     

航空发动机两级燃油泵振动特性的影响因素

为了解承受离心、油液扭矩载荷的燃油泵装配体结构振动特性及影响因素,选取某航空发动机两级燃油泵转动部件为分析对象,基于通用有限元软件平台建立两级燃油泵转动部件装配体结构、单个低压级叶轮的三维有限元模型.根据两级燃油泵在最大起飞工作状态下的工作参数,计算出其转动部件受到的离心、油液扭矩载荷,再利用有限元软件计算了转动部件装配体结构、单个低压级叶轮在无外载荷作用下的、只有离心载荷作用的、只有油液扭矩载荷作用的、离心和油液扭矩载荷同时作用的自振频率和振型.通过对计算结果的对比分析,发现了离心载荷、油液扭矩载荷、构造(转动部件装配体或单个零件)因素对两级燃油泵转动部件频率、振型的影响规律,对其他与油液有相互作用的旋转部件振动特性的计算和分析具有重要指导意义.     

分布式声传感器井中背景噪声统计特性分析

分布式声传感器技术(DAS: Distributed Acoustic Sensor)是一种新近提出的高精度勘探数据采集方法,受制于复杂背景噪声的影响,DAS记录处理水平有待进一步提高.针对上述问题,采用基于替代序列的时间序列平稳性检验方法和Lilliefors检验法对DAS记录中复杂背景噪声的平稳性和高斯性进行研究.用以分析的实际地震数据是按照勘探工业要求采集的井中DAS记录.研究结果表明,DAS背景噪声是非平稳、非高斯随机过程且噪声特性随记录时长发生变化.相关研究成果实现了针对DAS背景噪声特性的可靠认知,对提高DAS记录处理水平具有重要参考价值.     

基于双通道多特征融合的电力负荷智能感知方法

负荷识别是分析用户用电行为的主要工具之一.提高负荷识别的精度对于开展用能监测服务、实现节能降损具有重要意义.提出了一种基于双通道多特征融合的电力负荷智能感知方法.首先,从电器设备的基本属性出发,分析了电流、谐波、功率等数值特征以及电压-电流(V-I)轨迹图像特征对负荷识别的影响;其次,考虑了特征之间的互补性,分别采用主成分分析-神经网络(principal component analysis-back propagation,PCA-BP)算法和卷积神经网络算法将数值特征和图像特征以不同通道在高维空间进行深度融合;最后,采用Softmax分类算法对融合后的高级特征和设备标签进行有监督的学习,从而实现了不同类别电器设备的有效辨识.算例测试结果显示,所提出方法的负荷识别准确率高达94.55％.该结果充分说明了将多种特征进行高维空间融合,可以更全面、立体地反映设备的本质属性,提高算法的识别精度.     

NACA埋入式进气口气动特性试验设计优化

为了优化(美国)国家航空咨询委员会(National Advisory Committee for Aeronautics,NACA)埋入式进气口气动特性,基于计算流体力学(computational fluid dynamics,CFD)数值方法,以阻力、总压恢复系数、出口质量流量和出口马赫数为性能指标,对3个关键几何参数进行了试验设计(design of experiments,DoE).基准工况结果表明,在进气口斜坡侧边靠近主流处有轴向涡产生.DoE结果表明,斜坡角度对性能指标影响大,斜坡扩张角角影响小,出口转折半径对阻力和出口质量流量影响大,且斜坡角度一定时折转半径越小越好.斜坡角度越小,前缘位置马赫数越小,涡管越长,同一截面速度分布越均匀,因此总压恢复系数和出口质量流量越大,且出口气流不均匀度小,气动性能佳.     

自动驾驶汽车车底边框的优化算法

为了对通过YOLO框架所提取出的汽车底边框进行优化,首先对于道路上的每一辆汽车底部部分像素块建立改进后的高斯混合模型,通过该模型来刻画道路灰度值以及车底阴影灰度值的正态分布规律,然后通过对每辆检测到的汽车进行自上而下的扫描算法以确定汽车边框的实际高度,最后通过进行路测实验来说明算法的可行性与准确性.