动态系统模型验证的多元响应分析

摘要： 针对模型验证中多元动态响应分析问题,提出了基于改进的响应误差评估(Enhanced Error Assessment of Response Time Histories, EEARTH)方法与层次分析(Analytic Hierarchy Process, AHP)法的多元响应分析方法.采用EEARTH方法并结合动态时间规整,分析了物理试验与仿真数据动态时间响应曲线上重要特征的差异,并转化为统一的0～100%的EEARTH评分.采用AHP并利用领域专家知识以确定3个EEARTH评分的重要程度,以及各响应量对最终AHP EEARTH评分的影响权重,从而获得多元动态系统模型验证的整体评分.对某车型的驾驶员乘员侧约束系统的实例研究表明,该方法能有效实现复杂多元动态系统的模型验证.     

基于精细复合多尺度熵与支持向量机的睡眠分期

提出将脑电信号与眼动信号的精细复合多尺度熵作为睡眠分期依据,利用多层次支持向量机的机器学习算法对睡眠进行自动分期.利用精细复合多尺度熵对睡眠信号进行特征提取,选用脑电以及眼电通道的信号,以保证输入特性的可靠性,并通过3层支持向量机实现了睡眠的自动分期.结果表明,分类器的输入参数可由熵值曲线的变化特征来确定.基于精细复合多尺度熵的多层次支持向量机算法的睡眠分期准确率达到85.3%,与已有的分类算法相比,所提出的算法更加均衡,且整体分类效果更佳.     

甲状腺素诱导小鼠模型表观指征变化与阴虚火旺证的相关性研究

目的考察甲状腺素诱导小鼠模型表观指征的变化与阴虚火旺证的相关性,为阴虚火旺证动物模型的构建提供参考。方法将48只体质量18～22 g小鼠随机分为空白对照组和3个模型组,每组12只,雌雄各半,模型组每天分别灌胃给药不同剂量(40mg/kg、80mg/kg、160mg/kg)的甲状腺片混悬液,空白对照组灌胃给药双蒸水,并测定小鼠体质量、摄食量、饮水量、体温、自发活动和心率的动态变化。结果与空白对照组相比较,各模型组小鼠均表现为体质量增加缓慢,摄食量与饮水量增加,体温升高,心率加快,自主活动频繁等特征,能够模拟形体消瘦,消谷善饥,口干欲饮,五心烦热,心悸,烦躁等阴虚火旺证的主要临床指征,其中高剂量模型组雌性小鼠表观指征的变化更显著,与空白对照组比较有显著性差异(P0.01)。结论甲状腺素造模诱导小鼠表观指征的变化能够模拟阴虚火旺证的主要临床特征,雌性小鼠每天灌胃给药160mg/kg,连续14d诱导模型小鼠表观指征的变化与阴虚火旺证的相关性更为显著。     

基于约束网络的汽车整车配置过程冲突消解

针对汽车整车配置过程的冲突,提出基于约束网络的冲突消解方法,将数学模型、客户需求、知识作为配置指标,建立基于约束的冲突消解模型,针对约束模型中约束等级,提出冲突影响权值,用扩展配置指标求解最优配置变量消解冲突,并通过新车型配置验证上述方法的有效性.结果表明,采用冲突消解方法,可以在保证配置约束网络一致性的基础上,配置出一款最大限度满足客户需求的产品.     

基于转换表的物料清单多视图映射方法

通过定义转换表及操作函数,针对不同的映射类型,提出了一种物料清单(BOM)多视图映射方法.该方法通过转换表记录不同BOM间的映射参数,并通过主函数调用,实现不同BOM视图间数据的相互转换.以汽车制动系统的生产为例,验证了基于转换表的映射方法能对不同BOM视图数据进行有效映射,且系统通过该方法能够正确地保持BOM多视图间数据的一致性.     

视觉修复系统模型建立与信息处理

针对客观世界的场景图像复杂,与视觉假体有限的微电极刺激阵列之间的矛盾,从视觉信息需求入手,开展了视觉假体装置建模与视觉信息的研究,设计了视觉假体装置眼动机构的生物、机械、电子一体化模型,并通过心理物理学实验进行评估验证.实验结果反映了视觉假体使用者的视觉效果和最小视觉信息需求.     

结合定性知识的定量贝叶斯模型外推方法 

针对新设计域中试验数据有限而难以进行模型验证的问题,提出了定性知识与定量贝叶斯推理相结合的模型外推方法.其中,量化方法用于将领域专家意见等定性知识转化为先验概率;贝叶斯网络及限定抽样范围的蒙特卡罗方法用于定量推理,并通过贝叶斯区间假设检验的贝叶斯可信度提供模型外推结果.对Sandia国家实验室某静态力学结构的研究表明,该方法能有效实现新设计域不确定性系统的模型可信度外推.     

基于文本挖掘的生物领域实例获取

面向以自然语言描述的生物领域实例,基于自然语言的向量表示模型,研究与设计相关的生物领域实例获取问题,提出了基于文本挖掘的生物领域实例获取方法.通过对语料库文本向量空间的构建和知识挖掘,研究生物领域文本的特征选择、相似性度量和实例检索方法,为设计需求驱动的生物领域实例获取提供技术支持.实例分析表明:一方面,基于向量空间模型的生物领域文本挖掘方法在精度和召回率两方面均较基线法具有较大的优势;另一方面,基于向量空间的文本检索机制具有很好的适应性和扩展性,可以满足不同环境下语义检索的需要.