基于计算实验的流感大流行预防策略

流感是人类健康的重大威胁之一.为探索预防新型流感大流行的有效策略,建立了北京市计算流行病模型,评估了边境口岸检疫,病例治疗,病例隔离,社会关系抗病毒预防以及免疫接种措施对四种新型流感大流行的预防效能.结果表明:边境口岸检疫对于预防新型流感大流行的作用非常有限;积极的病例治疗可预防传播能力类似于2009年A(H1N1)的新型流感大流行;高强度的病例治疗和病例隔离可预防传播能力类似于1957年A(H2N2)的新型流感大流行;对于传播能力类似于1918年A(H1N1)的新型流感,在高强度病例治疗和病例隔离的基础上须对病例的社会关系进行抗病毒预防才有可能预防大流行;而对于具有超级传播能力的新型流感(R_03.3),必须依靠有效的广谱疫苗才能预防大流行.研究结果对于进一步完善我国应对流感大流行的应急准备与处置计划具有参考价值.     

远距离支援干扰下双隐身飞机自卫相参干扰对单脉冲雷达影响

以复杂电磁环境下双隐身飞机自卫相参干扰对抗单脉冲雷达为研究背景,针对单脉冲雷达角欺骗问题,提出了远距离多假目标干扰下双隐身飞机自卫相参干扰模型。首先构建双隐身飞机姿态敏感性模型,提取即时雷达散射截面序列,依据目标回波与干扰信号对应关系,建立复合等效信干比模型。在此基础上,采用脱靶与有效干扰最小即时距离对双机干扰模式下雷达角跟踪误差形成评判指标。仿真表明，该组网干扰模式使雷达角跟踪误差提高696.49倍,比单一干扰模式使单脉冲雷达角跟踪误差平均提高1.07倍,检验了组网复合相参干扰样式的有效性。     

基于强化学习和共识融合的分布式协作频谱感知方法

在频谱感知中为了解决不同信誉用户网络节点之间的数据融合问题,提出了一种基于强化学习和共识融合的分布式协作频谱感知方法。该方法将每个感知用户认为是一个智能体(agent), agent通过强化学习算法从相邻节点选择合作用户进行共识融合,采用信誉值作为奖励,确保agent倾向于信誉高的节点进行融合,并同时降低恶意用户的信誉值,使其逐渐退出感知网络,最后采用一致性融合方法使整个网络达成共识,并与判决门限对比,完成协作频谱感知。仿真实验表明,该方法能够有效的识别恶意用户,并通过强化学习提高整个网络的感知性能,使协作频谱感知网络更具智能性和稳定性。     

基于马氏距离的二元退化可靠性分析

为解决二元退化产品可靠性建模困难,提出了基于马氏距离(Mahalanobis distance,MD)的二元退化产品可靠性分析方法。首先引入MD,将二元退化数据降维至一元MD,并采用蒙特卡罗方法确定MD失效阈值;然后分别采用了Wiener过程的基本模型和3个具有随机参数的Wiener过程模型进行退化建模,运用贝叶斯方法进行参数估计,并通过模型验证、分位数图(quantile-quantile plot,QQ图)和改进的留一法交叉验证等模型选择方法综合判断确定最优模型。最后采用裂纹增长数据实例验证了所提方法的有效性。     

安徽省地区专业化的度量

利用樊福卓构造的地区专业化综合指数,结合1998—2012年度安徽省17个主要城市15个产业对安徽省地区近年来的专业化程度进行度量,分析安徽省的地区专业化特征,为安徽省产业布局提供新的理论思路。     

基于养生理念的小区生态园林植物群落配置设计——以池州和泰星城小区为例

首先论述了小区生态园林植物配置的原则,提出养生保健理念配置具体手法,具体调查了池州市和泰星城小区绿化树种的选择以及群落配置,进行了系统分析评价,借以探讨池州养生宜居小区的建设。     

激光冲击强化对Ti2AlNb合金微观组织及残余应力的影响

Ti2AlNb(O-Ti2AlNb)具有优异的力学性能,在航空发动机方面有远大应用前景.激光冲击强化(Laser Shock Peening,LSP)是一种先进的表面改性技术,能够在材料表面诱导产生高幅值、大深度的残余压应力,改善材料微观组织,提高材料抗疲劳、高温氧化等性能.本文采用激光冲击强化对Ti2AlNb合金进行表面改性,并研究其组织演变、残余应力以及高温环境对性能的影响.结果表明:激光冲击强化能够显著减小Ti2AlNb合金近表面的晶粒尺寸.显微硬度由冲击前的350 HV提升到395 HV;在冲击区域近表面产生了约-377 MPa的残余压应力;而在高温环境中,由激光冲击强化所诱导的材料近表面残余应力随时间逐渐释放,在600℃条件下,残余应力释放较为缓慢;而在720℃条件下,残余应力迅速释放.     

改进蚱蜢算法在电动汽车充换电站调度中的应用

电动汽车充换电站调度优化问题一般采用群智能优化算法求解，但现有算法存在陷入局部最优、早熟收敛等缺陷，因此提出一种改进的蚱蜢算法:采用边界反弹机制，提高算法效率;引入正余弦搜索机制，加强算法的全局搜索能力;采用Lévy飞行对粒子进行随机扰动，防止种群陷入局部最优;采用非线性收敛策略加快算法后期的收敛速度.实验结果表明，该算法在电动汽车充换电站调度优化问题上，性能优于原始蚱蜢算法以及其他现有群智能算法.     

基于模型的汽油机电子节气门控制器设计

摘要： 建立了电子节气门系统模型，并通过系统辨识方法得出模型参数.根据被控电子节气门的摩擦力和非线性回位弹簧模型，设计了前馈非线性补偿控制器.将经过前馈非线性补偿后的电子节气门系统简化成线性系统，并对该线性系统进行H无穷控制器的设计.对设计的H无穷控制器进行离散化，并加入比例控制环节来弥补控制器离散化导致的性能下降.经过试验验证，在前馈非线性补偿器、H无穷控制器和比例控制的作用下，被控电子节气门的性能达到了设计需求.     

基于MATLAB下的SER算法与LMS算法的比较

本文主要研究了自适应算法中的两种算法,序贯回归(SER)算法和最小均方(LMS)算法,并且利用Matlab软件对这两种算法进行了计算机仿真.结果表明,相对于LMS算法而言,SER算法自适应权值迭代通常不是按照最速下降的路径,而是在直接指向最佳权值点的方向上进行.而且,当特征值相差较大时,自适应收敛的速率将不会因特征值的影响而变慢.