强间断多介质流的高精度伪弧长方法

考虑到双曲守恒律方程随着时间的发展,产生的解会包含强间断.伪弧长算法可以削弱方程的奇异性,因此结合伪弧长算法和高精度权基本无振荡格式发展了高阶伪弧长算法,有效提高计算求解的精度和分辨率.由于在变形的网格中直接构造高精度格式较为复杂,因此通过坐标变换将控制方程映射至正交均匀的弧长空间,然后在弧长空间中完成计算.结合Level Set技术和虚拟流体法界面处理,将算法拓展到多介质流的计算中,针对网格移动以后Level Set距离函数的插值,提出了三阶非守恒插值格式.计算结果表明,高精度伪弧长算法具有较高的收敛阶,可以有效降低间断处的数值震荡,提高间断分辨率.     

变压器绕组局部放电量测量误差计算及其修正方法研究

为分析IEC60270标准下电力变压器局部放电测量时因绕组分布纵向电容及衰减特性所带来的视在放电量测量误差并进行修正,提出了包含耦合电容的变压器局部放电分布电容网络模型。通过解析方法,量化了变压器绕组端部的局部放电量测量值随放电位置的变化情况,基于绕组等效RLC网络智能反演算法,提出了一种绕组局部放电频谱定位方法及局部放电量测量误差修正算法,介绍了算法的理论基础与基本思路。以一台变压器绕组电气参数仿真结果,构建了等效RLC网络模型,并以其作为研究算例应用所提修正方法,结果表明,放电量误差随放电位置远离测量端逐渐增大,最大时接近90%,而修正后局部放电量的最大误差比修正前降低了一个数量级,验证了修正算法的可行性,为将其进一步运用于实际变压器建立了一定的基础。     

DTNs中一种基于节点有效交互度和效用的节能路由算法

延迟容忍网络是一种通过节点机会通信的网络类型.由于该网络中节点不易预测的移动性模式和容易中断的连接,路由算法一直是DTNs中研究的重点.但是目前从节省能量消耗角度提出的路由算法较少.文章提出一种基于节点有效交互度和效用的节能路由策略.首先,从节点有效交互度出发来进行转发传输速率控制,在节能与转发成功率之间自适应调整.其次,从节点效用出发设置消息携带者转发概率,选择合适的节点进行消息转发,避免网络产生过多消息副本.再次,仿真实验结果显示,与其他路由算法相比,该文提出的算法在保障网络消息传递率的基础上可以降低约6%～15%节点能量消耗.     

双重加权朴素贝叶斯算法预测乳腺癌复发率

针对朴素贝叶斯算法在处理不平衡数据时准确率不高的问题,提出类权重和属性值权重相结合的双重加权朴素贝叶斯算法.双重加权可降低算法的属性独立假设对分类结果的影响,提升少数类对分类过程的作用.乳腺癌患者复发率预测结果表明,双重加权朴素贝叶斯算法相对于传统的朴素贝叶斯算法、属性值加权的朴素贝叶斯、K最近邻分类算法、支持向量机分...     

基于精英反向学习粒子群算法的光伏电池参数辨识

快速准确辨识光伏电池参数对于电池输出功率预测及电池故障诊断模型的研究具有重要意义.针对传统智能算法应用于光伏电池参数辨识时存在准确性低、易陷入早熟的问题,提出一种精英反向粒子群算法(EOPSO),在算法进化过程中,对当前种群中的优秀个体根据概率进行精英反向学习,生成精英反向种群,并将精英反向种群与当前种群进行竞争,当算...     

粒子群优化模糊PID的塔式起重机定位和防摆研究

针对塔式起重机控制系统是一个大时滞性、时变及非线性的控制系统,无法建立准确数学模型,难以进行精确控制的问题,设计了模糊PID控制器,通过模糊推理对PID的参数进行在线调整,但由于专家经验具有局限性、盲目性以及模糊控制内不确定因子过多,导致控制性能较差.因此,本文采用粒子群算法对量化因子和比例因子先在离线状态下进行迭代优...     

一种新的模糊神经网络删剪策略

模糊规则的数量直接决定模糊神经网络结构的复杂度和效率.基于神经网络自构行学习(NNSCL)算法,用共轭剃度预条件正则方程算法求取删除隐层神经元后的剩余权值,得到改进的NNSCL-1算法.将此算法应用到模糊神经网络的规则推理层,可以极大地优化网络的规则及结构,并且结构优化后不需要重新训练也能保持网络的精确度和泛化能力.仿真结果显示了此算法的有效性和可行性.     

基于反馈判决的鲁棒自适应机动目标跟踪算法

针对平方根容积卡尔曼滤波(SRCKF)在机动目标跟踪中面临测量异常和模型失准时估计精度下降的问题,提出了一种基于反馈判决的鲁棒自适应算法.利用Huber函数对观测残差序列处理获得权重向量以修正测量协方差,增强算法的抗差能力以克服测量异常问题;同时,引入多重渐消因子调整预测误差协方差,从而改变滤波增益,增强算法的自适应性...     

重图的T-染色

重图的T-染色是图的T-染色的一个较为实用的部分,这是因为在研究频率分配时,干扰可能会在不同的水平上发生.由于一个重图G能够被剖分成K个不同部分,用G(y,G0,G1,……,GK-1)来表示G.重图G(V,G0,G1,…,GK-1)的一个T-染色是指一个函数f,f满足同时是Gi的T(i)染色,即:对(A)i=0,1,……,K-1,{x,y}∈E(Gi)(→)|f(x)-f(y)|(∈/)T(i).G的f染色的色数是指值不同的f(x)的个数,记作:XT(f).其中x∈V(G).G的f染色的跨度等于max|f(x)-f(y)|,记作:spT(f),其中{x,y}∈E(G).G的T-染色的色数和跨度分别记作XT(G)和spT(G),当f取遍所有G的T-染色时,XT(G)=minXT(f),spT(G)=minspT(f).本文将给出一些关于重图的T-染色的已知结论,同时还将给出一种计算重图的spT的新算法.     

NSS自身安全防护系统的设计与实现

介绍了网络安全扫描系统(NSS)采用的两种安全防护保护机制和相关算法的描述.