Laplace变换在现代电子电路中的应用

处理了二阶RLC网络中求解输出量的微分方程、电压波形绘制的问题,用直接求解微分方程的方法和用MATLAB绘制图形的方法对二阶RLC网络的电压进行了分析.     

基于拦截式中间件的HLA仿真克隆研究

仿真克隆可以提高分布式离散事件仿真的效率和并行性,方便快捷地对仿真中的多种可能性进行分析、比较和评估.介绍仿真克隆的相关概念,基于HLA仿真克隆的体系结构,提出并设计一种支持多剧情并发执行的拦截式仿真克隆中间件,并讨论基于该中问件的仿真克隆过程以及克隆过程中的数据同步策略,最后通过实验验证所提方法的适用性.     

DSOM: 一种基于NO时空动态扩散机理的新型自组织模型

研究了神经信号传输中, 内源性一氧化氮(NO)的四维动态扩散特性及其在长时程学习过程中的增强作用. 将NO扩散机理建模后与Kohonen自组织映射模型相结合, 在空间SOM基础上引入时间增强, 提出了新型的动态扩散型自组织映射模型, 计算了最优化权值的误差函数, 并分析比较了该模型与SOM中噪声干扰对训练的影响. 最后结合多项典型的一维和二维输入模式,给出自组织映射模型与扩散型自组织映射模型的仿真结果对比.     

基于Backstepping方法的液压主动悬挂最优控制及仿真

建立了充分考虑液压装置动力学特性的1/4车辆非线性主动悬挂模型,并提出线性二次型指标下最优控制与非线性Backstepping技术相结合的内外环控制设计策略。仿真结果表明,运用所设计的控制器,车辆能够在变化的地形条件下满足操作稳定性,同时能够有效的改善乘坐舒适性。     

动态数据驱动应用系统的概念研究

动态数据驱动应用系统(DDDAS)是一种功能强大的仿真应用的全新模式,是系统仿真发展的新趋势,是实现现代战争中将信息优势转换为决策优势的有效途径.由传统仿真的不足引入DDDAS概念,然后对DDDAS概念进行了较为深入的分析与研究,从仿真应用、算法、系统软件支撑三个方面详细探讨了实现DDDAS的关键技术.最后,构建了基于DDDAS的决策支持系统概念框架,并指出了DDDAS的应用前景.     

不确定曲面上轮式移动机器人鲁棒轨迹跟踪

对于不确定曲面上运动的轮式移动机器人设计了鲁棒跟踪控制律.并给出稳定性证明.设计过程中用系数未知但有界的二次曲面在局部近似不确定曲面,首先构造有界横截函数推导光滑标称跟踪控制律,然后通过backstepping方法将该光滑控制律拓展到动力学模型,最后利用Lyapunov重设计技术构造出鲁棒控制律解决曲面引入的重力干扰.所设计的控制律使得轮式移动机器人具有对不同曲面参数的适应能力.仿真结果验证了控制律的有效性.     

鲁棒的极大熵聚类算法RMEC及其例外点标识

针对极大熵聚类算法MEC(maximum entropy clustering)对例外点(outliers)较敏感和不能标识例外点的缺陷，提出了一种改进的极大熵聚类算法RMEC(robust maximum entropy clustering)。该算法的基本思想是通过引入Vapnik'sε-不敏感损失函数和权重因子重新构建目标函数，并利用优化理论推导出新的学习公式。RMEC算法不但对例外点较之MEC算法有更好的鲁棒性，而且还能有效地利用学习后的权重因子标识出数据集中存在的例外点。仿真试验结果亦表明了RM     

大脑fMRI数据时/空模式综合分析的一种新方法

提出了一种新的fMRI数据处理方法, 可获得大脑激活区的时空综合信息. 该方法首先利用多窗口谱估计得到脑图像各体元的谱成分, 并在任务相关频率处对体元谱成分作显著性检验, 分离出任务相关脑区; 然后利用时间独立成分分析方法提取脑区任务响应的时间模式, 从而得到任务相关脑区的时-空综合信息. 这一方法的优点是: 无需对血液动力学和任务相关脑区的空间分布做出先验性假设, 具有好的鲁棒性和信息挖掘能力; 解决了单纯的时间独立成分分析在低信噪比下发散、结果不可信、鲁棒性差的问题.     

紫甘蓝色素的光热稳定性研究

研究了紫甘蓝色素的吸收光谱,测定了色素在不同pH值、不同光照、不同加热条件下的稳定性.结果表明,紫甘蓝色素的吸收光谱为花色苷的特征吸收.该色素水溶性好,在酸性溶液中稳定,对光、热均有一定耐受性.     

基于变形模型的肝CT序列图像分割

研究了一种基于变形模型的肝轮廓提取方法。该方法以人的经验知识作为先验信息，利用灰度特征、肝CT序列图像特点、肝区轮廓的整体几何信息作为区域聚合依据进行肝区图像分割。实验表明该方法能够较好地克服噪声和轮廓初始位置的影响，对肝CT序列图像的分割效果较好。