基于神经网络的绝热毛细管新型简化模型

通过对现有各种毛细管仿真模型的分析比较，提出了基于神经网络的新型简化模型——两相区关联模型．该模型针对壅塞两相区各参数间的相关性，建立了无量纲长度与两相区进出口压力间的人工神经网络辨析关系．而且基于等焓假设推导出两相区进出口压力相同的非壅塞态与壅塞态流量关系式．从而获得了快捷而且紧凑的仿真流程．在样本范围内取得了良好的仿真结果，R12和R22壅塞状态下的误差绝对值分别控制在2．14％和2．46％内．     

绝热毛细管流量特性的神经网络关联

毛细管流量特性关联式的建立为毛细管设计提供了一条简单、可靠的理论途径。本分析了现有关联方法存在的不足,提出用多层前向人工神经网络来关联绝热毛细管流量特性的方法。结果表明,在采用相同的输入和输出变量的情况下,神经网络方法与献中的同类方法相比,关联精度有显提高。     

跨临界CO2制冷系统中绝热毛细管性能模拟研究

建立了CO2制冷系统中绝热毛细管一维稳态分布参数模型,以研究跨临界CO2系统中毛细管的性能和流动特性.分别采用3种不同摩擦系数关联式(Churchill、Colebrook、Bittle&Pate关联式)进行模拟和比较,研究了CO2在毛细管内的温度、压力、焓、熵及干度等的沿程分布规律.分析了管径、入口压力、入口温度和背压等4个参数对毛细管质量流量的影响,并考虑了壅塞现象.结果表明:采用Churchill和Colebrook关联式的效果较好,92%的计算值误差在10%以内,而Bittle&Pate关联式不适用于CO2绝热毛细管计算,因为它未考虑毛细管内壁的粗糙度;背压对质量流量影响很小,即使发生壅塞,壅塞质量流量和未壅塞时的质量流量差别也不大.     

毛细管两级串联节流特性

基于单根绝热毛细管模型建立了绝热毛细管的两级串联节流模型,并根据房间空调器的相关实验数据进行了验证,以两级毛细管的同何尺寸（内径和管长）为变化参数,通过模型对串联节流流量特性进行了仿真和分析,发现了流动壅塞位置的多样性及其对流量的影响,提出了可以指导房间空调器中串联毛细管设计的两点结论：高压连接管只要满足一定的几何尺寸范围就能起到辅助节流的作用;热泵工况下辅毛细管的内径是影响流量的主要参数。     

绝热毛细管性能模拟的平均参数模型

根据分区集中和参数平均的思想,建立了一种简单、精度和通用性良好的绝热毛细管流动模型．出于系统动态仿真的需要,模型中考虑了过热流动和壅塞流动．基于Ｒ１２的分布参数模型计算结果,提出了不同流动区域内参数平均的一个关联式．该关联式对制冷剂Ｒ１３４ａ和Ｒ６００ａ也取得了与Ｒ１２相仿的效果,表明该关联式具有良好的通用性．对Ｒ１２、Ｒ１３４ａ和Ｒ６００ａ在毛细管内的流动特性进行了模拟计算．结果表明,该模型可用于制冷装置系统仿真和工程计算     

关联噪声对单模激光统计性质的影响

利用线性近似方法推导了具有ｅ指数关联噪声的单模激光增益模型的光强关联函数和关联时间，分析讨论了光强关联函数随时间的演化特征及各种参数对光强关联时间的影响．研究表明：ａ．噪声间的负关联使得光强关联函数随时间演化具有两种形式，即单调衰减和出现负极值；ｂ．噪声间的负关联使激光的驰豫过程变快，而正关联则慢化了激光的驰豫过程；ｃ．光强关联时间随泵噪声强度变化的一个明显特征是存在一个峰（谷）值．     

强度干涉学中的2π关联函数

摘要：计算了强度干涉学中的2π关联函数和Yano-Koonin的Gaussian源、Pratt膨胀源模型下的具体关联函数形式，并用蒙特卡罗方法模拟计算了两种模型下的2π关联函数和源的半径。结果表明，在高温、小膨胀速度时，两种关联函数公式之间的差别很小，在CERN和BNL能区可使用任一公式。     

关联噪声对单模激光统计性质的影响

利用线性近似方法推导了具有ｅ指数关联噪声的单模激光增益模型的光强关联函数和关联时间，分析讨论了光强关联函数随时间的演化特征及各种参数对光强关联时间的影响。研究表明：ａ．噪声间的负关联使得光强关联函数随时间演化具有两种形式，即单调衰减和出现负极值；ｂ．噪声间的负关联使激光的驰豫过程变快，而正关联则慢化了激光的驰豫过程；ｃ．光强关联时间随泵噪声强度变化的一个明显特征是存在一个峰（谷）值。     

绝热毛细管内制冷剂流动的非平衡性

建立了制冷剂在绝热毛细管内流动的两流体模型,模型中考虑了气液两相间的速度滑移和温度滑移.采用6种制冷剂的流量实验数据验证该模型,结果表明,90%的预测值与实验值偏差在±10%以内,并且能合理预测压力的沿程分布.应用该模型研究了制冷剂在绝热毛细管内自蒸发过程的非平衡特性.结果显示:气液两相间的速度滑移和温度滑移在整个两相区一直存在,但在绝大部分区域内,这种非平衡性并不显著;与不考虑非平衡性的平衡均相流模型相比,本文模型计算的毛细管流量平均偏高7.3%.     

空气源热泵毛细管节流空调系统的研究

根据气液两相流动的均相流假设,建立了绝热毛细管的分布参数模型.在冷热工况下空调系统制冷剂充注量差值的基础上,采用该模型模拟计算了应用毛细管节流的热泵型空调系统中主副毛细管的长度.将储液器法和采用主副毛细管控制制冷剂流量这两种方法进行了对比分析,结果表明,在控制系统高低压差和制冷剂流量时,两种方法各有利弊.因此,提出了采用主副毛细管和增加储液器相结合的方法控制热泵型空调系统冷热工况下的制冷剂流量.     

绝热毛细管中制冷剂流动特性的一阶积分模型

制冷剂在绝热毛细管内的流动因存在汽液两相流而较为复杂．本通过引入两相流区压力和比容之间的一阶近似式,获得该问题的一阶近似积分解．在常见的制冷空调工况范围内,以制冷剂CFC-12、HFC-134a和HC-600a为工质,对该模型与分布参数模型进行了对比;同时也与实验数据进行了对比．结果表明：与分布参数模型的平均偏差小于1％,与实验数据亦较好吻合;计算速度较分布参数模型提高了一个数量级以上。     

小麦赤霉病神经网络和偏最小二乘预测模型

选取2004-2014年间发病期的气象因素为自变量,小麦赤霉病病穗率为因变量,借助神经网络的函数映射能力,采用Fletcher-Reeves算法的变梯度反向传播算法,建立了小麦赤霉病的气象预报模型.由于神经网络无法提供直观的函数来反映病穗率与气象因子之间的关系,为了进一步分析气象因子间的相关性,采用主成分分析法提取主成分,并利用回归分析得到线性函数关系,建立了偏最小二乘模型.神经网络预测模型平均预报精度达到99%,但只提供病穗率和气象因子之间的拓扑关系;偏最小二乘预测模型可以得到病穗率和气象因子之间直观的函数关系,模型平均预报精度达到97%.2种模型均具有较高的预报精度,对小麦赤霉病的预防工作具有一定的参考价值.     

RNA二级结构预测的神经网络方法

针对利用经典的随机上下文无关文法(SCFG)等模型对RNA(R ibonucle ic ac id)二级结构进行预测时,存在计算复杂性问题,该文给出了RNA二级结构的“新二级结构单元标签”(N SSEL)表示,相应提出了一种新的RNA二级结构预测的神经网络方法。这种二级结构的N SSEL表示格式很容易转换成常用的CT格式。基于tRNA数据集的实验表明,在完全相同的训练与测试数据集下,该方法,较之性能最好的B JK与BK 2等SCFG模型,其预测精度与相关系数都有所提高,证明了所提方法的可行性与有效性。由于神经网络启发式方法不存在计算时间复杂性问题,因此可望将此法用于预测SCFG等算法难以处理的大于1 000个碱基的长RNA序列的折叠问题。     

基于神经网络的病态线性方程组求解

提出了一种基于神经网络的病态线性方程组求解方法。将病态线性方程组的一般系数矩阵转化为对称正定矩阵，然后将此方程组的求解转化为一个无约束优化问题。以此优化问题的目标函数作为神经网络的能量函数，利用最速下降原理构造神经网络的动力学方程，并证明该神经网络系统的稳定性。从而把原病态线性方程组的求解问题转化为一个等价的神经网络优化问题。最后通过两个算例的数值仿真求解以及与其他求解方法的比较，验证了该方法的可行性与有效性。     

基于平均比容人工神经网络辨识的绝热毛细管简化模型

采用分相集中参数的建模思路,提出将平均比容的权重因子作为两相区简化的特征参数,并获得该特参数的无量纲影响参数,采用人工神经网络方法建立特征参数与其影响参数之间的非线性映射,人工神经网络的学习样本采用工质Ｒ１２,检验样本包括Ｒ１２、Ｒ２２、Ｒ１３４ａ和Ｒ６００ａ等多种工质。     

基于改进的反向传播神经元网络复杂煤岩层对比方法研究

为了提高复杂地区煤岩层对比的准确率,解决由于反向传播神经元网络(BP神经元网络)连接权值和阈值的初始值选择不合适而导致的无解问题,本文把求全局最优解近似值的遗传算法(GA)和求局部最优解精确值的传统BP神经元网络所使用的梯度法有机地结合起来,取长补短,用于复杂地区煤岩层对比。首先,用GA求得BP神经元网络权值和阈值的全局最优解的近似值;然后,把该近似值作为初始值,训练该神经元网络;最后,用训练好的BP神经元网络进行复杂地区煤岩层对比工作。本文利用测井曲线采用小波变换分析沉积旋回,并用于煤岩层对比。该新方法在钱营孜煤矿的复杂煤岩层对比中,取得了较好的效果,比常规的单一方法和简单的组合方法效果要好。     

基于不同误差函数的神经网络求解线性方程组

对于同一线性方程,存在多种不同的求解方法,而且由于求解方法的不同,其收敛速度也存在差异.对一个一般的线性方程设计2个不同的误差函数,利用梯度下降法建立2个梯度神经网络模型.借助Matlab仿真软件进行计算机仿真,根据不同的梯度神经网络模型求出线性方程的解,从而证实2个梯度神经网络模型的可行性.最后借助Matlab软件模拟利用2个梯度神经网络模型求解线性方程时的收敛情况,比较2个梯度神经网络求解线性方程的收敛速度.     

模式识别在RoboCup中的应用

在RoboCup仿真比赛中,球员的个体技术是比赛成功的重要因素,在充分分析RoboCup比赛个人技术中的两类技术,即判别函数、动作函数的确定方法的基础上,将模式识别的理论应用于RoboCup仿真比赛的个体技术中,分别使用判别域代数界面方程法确定判别函数,神经网络法确定动作函数,以射门和截球为例,详细叙述了设计过程,最后,使用传统方法和使用模式识别方法的球队在RoboCup仿真比赛中进行比赛,试验证明使用模式识别方法的球队,在比赛中个体技术显著提高。