基于改进TOPSIS的电力基建项目评价机制与应用

针对现有电力基建项目评审时存在的测评指标不全面、评价结果不合理等缺陷，提出基于改进TOPSIS的电力基建项目质量偏差度评价模型。通过对影响电力基建项目质量评审合理性的因素进行分析，实现项目质量偏差度评价指标体系的构建。采用组合赋权法，使得主客观权重值得到有效的平衡，完成权重组合系数的合理选取。利用余弦相似度和灰色关联分析，完成对传统TOPSIS法的改进。在此基础上，将改进TOPSIS法运用于电力基建项目质量评价工作中，使评审结果的准确性得到进一步的提高。算例结果表明，该模型可有效完善项目质量偏差度评价指标，使得评价结果更加符合实际情况，为电力基建项目的评审工作提供有效支持和决策。     

两个新的q级数展开式

利用拉马努金西塔函数，建立两个新无穷乘积系数子列的生成函数，并且得到这两个无穷乘积系数的符号是以5为周期的。     

高校场域中学术治理机制对科研产出的影响

随着我国科技政策导向和资源配置对高校学术产出重视力度日益加大,高校科研生产对政府和市场的资源依赖性不断增强,其组织场域呈现外部基于学术性标准的分层和内部学术与行政权力分权的双重特质。作为高校外部组织场域和内部科研生产的中间变量,学术治理机制集中体现了组织场域位置与组织内部技术要素的互动。学术-行政权力耦合是我国高校学术治理机制的主要构型,与外部行政化的场域特征相契合。学术治理机制存在层间异质性和层内同质性,处于场域位置顶层的院校学术权力主导及专业化分工的治理特征明显,师均科研产出较高;处于场域位置底层的院校行政权力主导或学术-行政融合治理的特征鲜明,师均科研产出较低。学术治理机制从结构层面的学术决策权力配置模式、关系层面的学术-行政部门非正式关系以及文化层面的学术氛围3个维度作用于高校教师的科研产出。高校场域位置优势既可直接也可间接通过影响大学学术治理机制,进而影响院校科研产出。应通过高校分类定位、错位发展、多元评价,松动固化的高校组织场域布局,构建以同行评议为核心的学术治理机制、校内学术与行政部门的专业化-支持性关系,优化高等教育场域的组织生态,激发多样化的学术生产活力。     

阶次自适应AR等效电路模型的锂电池SOC滑模观测

基于等效电路模型的一类车载动力电池剩余荷电状态(state of charge，SOC)的估算方法，其估算精度高度依赖于模型精度，模型精度又正比于模型复杂度，以至于难以较好地应用于嵌入式控制单元.提出复杂度相对较低、能够自适应确定最优模型阶次的全新等效电路模型——基于阶次自适应AR模型的车载动力电池等效电路灰箱模型.基于此灰箱模型，给出锂离子电池SOC的滑模观测器设计推导及能观性、收敛性证明.结果表明，本文提出的基于阶次自适应AR等效电路灰箱模型的滑模观测器SOC估算方法(adaptive autoregressive-sliding mode observer，AAR-SMO)具有低模型复杂度、高精度、强鲁棒性及快速收敛等性能.     

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。     

线性区域数量与PLNN表达能力的相关性

使用分段线性激活函数的神经网络(PLNN)在机器学习中得到广泛应用.本文给出了一种PLNN模型表达能力的度量值——线性区域数量，并给出了线性区域的数学表示.分析了线性区域之间的关系并计算合并后的线性区域数量，同时给出一种基于Z曲线的线性区域数量的计算方法.针对一个任务实例进行分析，计算不同网络结构的线性区域数量及合并后的线性区域数量，分析了线性区域数量与不同网络结构的准确性的关联.结果表明，线性区域数量能够表现PLNN模型的表达能力，对于选择网络超参数及解释模型边界具有研究意义.     

双向认知网络物理层安全策略建模及仿真研究

为提高移动通信系统的性能,构建了一个存在主网络干扰和窃听者的双向认知中继网络的物理层安全传输模型,设计了一种中继选择和功率分配的联合优化策略,用于对抗窃听者,保护收发节点的信息传输。通过仿真分析得出,此非凸优化问题限制条件较多,难以保证粒子群优化算法随机生成的初始解的可行性,从而造成求解困难。提出了一种基于可变网格优化和粒子群优化算法的混合优化算法。仿真结果表明此算法提高了次级网络的保密速率,提升了次级网络的安全性能。     

导航信号功率增强对阵列接收机的影响分析

为了分析低轨导航增强系统中信号功率增强对阵列接收机的影响, 提出一种信号传播与阵列接收机的数学模型, 基于该模型分析了功率增强条件下最小均方误差算法与直接矩阵求逆算法对抗干扰性能的影响。根据理论分析与仿真实验, 增强信号对最小均方误差与直接矩阵求逆的影响相似, 当信号增强量在15 dB以下时, 阵列抗干扰对信号的影响较小；随着信号功率进一步增强, 增强信号被识别为干扰并进行了抑制；当信号的信噪比增强到10 dB时, 增强信号被抑制约15 dB。研究结果表明, 在采用传统阵列抗干扰方法的情况下, 信号功率的增强并非越大越好, 信号功率增强15 dB时对传统阵列抗干扰的影响较小。     

基于自适应变异PSO-SVM的APU性能参数预测模型

为提高辅助动力装置(auxiliary power unit, APU)性能参数预测的精度,针对支持向量机(support vector machine, SVM)模型在实际使用中遇到的参数选择问题,采用自适应变异粒子群优化(particle swarm optimization, PSO)算法实现对SVM惩罚参数和核参数的优化选择,提出一种基于自适应变异PSO算法优化SVM的APU性能参数预测模型。进一步分析了预测模型不同预测步长对短期预测精度的影响。利用某型APU性能参数数据进行了验证,并与多种预测模型进行了对比实验。实验结果表明,对于排气温度(exhaust gas temperature, EGT)的预测,自适应变异PSO-SVM模型的平均绝对百分比误差(mean absolute percentage error, MAPE)比标准PSO-SVM模型低47%;对于滑油温度(oil temperrature, OT)的预测,自适应变异PSO-SVM模型的MAPE比标准PSO-SVM低29%,为短期APU性能变化趋势预测提供了一定的参考。     

基于功率谱熵特征提取的脑电波大脑年龄预测

 大脑会随着年龄的增加而出现功能衰退，通过决策实验获取年轻人和中老年人的脑电信号，可以定量分析大脑随年龄增长而出现的变化。提出了一种基于熵的脑电波刻画方法，并利用机器学习的方法能够比较准确地预测人的大脑年龄。研究表明，脑电波功率谱熵（PSE）具有良好的时域分辨能力和更准确的区分效果，年轻人在做决策时的脑电波功率谱熵的分布是大于中老年人的，即年轻人所产生的脑电波信息量更大。此外，支持向量机（SVM）的分类效果优于随机森林（RF）方法，最高平均精度达88.02%，比随机森林高出2.66%。通过基尼指数对特征重要性排序，还发现决策过程中左眼电区域、大脑的颞和中央区域的决策反应差异很大，分类器更容易在这些特征区域做出更好的分类。