基于自适应变异PSO-SVM的APU性能参数预测模型

为提高辅助动力装置(auxiliary power unit,APU)性能参数预测的精度,针对支持向量机(support vector machine,SVM)模型在实际使用中遇到的参数选择问题,采用自适应变异粒子群优化(particle swarm opti-mization,PSO)算法实现对SVM惩罚参数和核参数...     

基于矢量栅格一体化数据模型与面向对象技术的城市地价动态监测系统

根据矢量栅格一体化数据模型的特点和城市地价动态监测系统的功能需求，在城市地价动态监测系统设计中使用矢量栅格一体化数据模型和连续快照时空数据模型，面向对象的空间数据组织和程序设计方法，以及GIS拓扑数据理论和空间分析技术，高效地实现了地块查询、空间点地价内插计算、地价空间分布的DTM演示、土地级别动态调整等系统功能．还使用栅格趋势探测法解决了一体化数据显示质量较差的问题．     

碳纳米管光伏器件的研究进展

碳纳米管（CNT）具有优异的电学特性和独特的一维纳米结构,是制作光伏器件的良好材料.文中介绍了单根/多根CNT光伏器件、CNT薄膜光伏器件、CNT 有机光伏器件、杯状叠层CNT光伏器件等典型CNT光伏器件,并阐述了这些CNT光伏器件的结构及特性,分析了CNT在器件中的作用.     

非晶硅氢薄膜材料光稳定性的研究

研究a Si:H薄膜样品在长时间强光照后会引起光、暗电导率的降低 (S W效应 )及薄膜的光转换效率 实验表明 ,随着光照时间增加 ,薄膜的光接受灵敏度下降 ,光电转换效率也相应降低 ,就此提出了S W效应发生的微观模型     

氢原子的基态经典振子模型

根据量子力学关于氢原子基态角动量为零的预言，将基态氢原子处理成经典一维振子模型，利用一种带相位因子和斥力项的势函数，给出了基态氢原子的能量及电子振动轨道的解析式。     

基于构造物特征点的矢量数据化简算法

在进行公路矢量数据化简时,采用已有算法,一些构造物可能会在转换低比例尺时被不正确地化简掉,影响应用的正确性.提出了一种基于构造物特征点的二级矢量数据化简算法,根据空间位置提取高速公路中的构造物点,进行一级化简,构成构造物特征点,以每个特征点作为分割点,将整个曲线划分为若干子曲线,在每个子曲线中采用Douglas-Peucker算法进行二级化简,最后进行子曲线合并,并设计了一种多比例尺矢量数据组织的构建方法.实验表明该数据化简算法能够有效化简数据,并且保存完整的构造物特征点,选取的多级比例尺能够满足应用的需求.     

基于MPC的无人机航迹跟踪控制器设计

针对固定翼无人机航迹跟踪问题,采用基于状态扩展的双反馈模型预测控制理论对控制器进行设计.首先推导基于侧向偏差的无人机侧向航迹跟踪模型,采用动态逆方法对模型进行线性化处理,在此基础上设计基于状态扩展的双反馈模型预测控制器,并采用量子粒子群优化(quantum particle swarm optimization,QPS...     

大型地下空间综合交通枢纽中巨型斜柱长期沉降的监测及预测分析

结构及其重要构件的长期沉降是影响地下空间综合交通枢纽施工安全的关键因素之一,对其开展监测与预测具有重要的工程意义。以深圳市黄木岗大型地下空间综合交通枢纽为研究背景,采用自动化监测系统,首先监测了12轴巨型斜柱施工后的119期长期沉降,分析其长期沉降规律,并评判其预警状态。监测结果表明,斜柱施工后,长期的沉降规律为先在安全状态内小幅波动,再增大至黄色预警状态,最后在安全状态与预警状态之间小幅波动。然后,利用109期监测数据分别构建斜柱沉降的反向传播(back propagation, BP)神经网络模型和遗传算法-BP(genetic algorithm-BP,GA-BP)神经网络模型,并预测之后10期的斜柱累计沉降量以对比验证两种模型效果。结果表明,相比BP神经网络模型,GA-BP神经网络模型的预测值与实测值更吻合。     

基于ISSA-SVM的钻井卡钻事故预测

为预防钻井过程中卡钻事故的发生,通过提出了一种改进麻雀搜索算法(improved sparrow search algorithm, ISSA)优化支持向量机(support vector machines, SVM)的预测模型方法(ISSA-SVM),在发现者位置更新公式中引入一种改进的自适应非线性惯性递减权重;在警戒者位置更新公式中引入莱维飞行策略。利用主成分分析法(principal component analysis, PCA)对外国某大型油田的实测钻井数据进行降维处理,并利用惩罚参数和核参数进行卡钻事故的预测。实验结果表明：ISSA-SVM的预测准确率高达85.185 2%,且收敛速度更快,可见ISSA-SVM可有效预测钻井卡钻事故。     

含未知输入非线性系统的扩展平方根容积卡尔曼滤波算法

针对工程实际应用中存在的未知输入会导致经典的非线性滤波器状态估计精度下降甚至滤波发散的问题,提出了一种基于最小方差无偏估计(minimum variance unbiased estimation, MVUE)准则的扩展平方根容积卡尔曼滤波(extended square-root cubature Kalman filter, ESRCKF)算法。首先,结合上一时刻未知输入估计值对状态一步预测值进行修正,得到含未知输入条件下的状态预测值。其次,设计新息并采用加权最小二乘(weighted least squares, WLS)法获取当前时刻未知输入的无偏估计。最后,通过最小化协方差矩阵的迹,同时采用拉格朗日乘子法和舒尔补引理得到系统状态的最小方差无偏估计。仿真结果表明,相比于现有的非线性滤波算法,ESRCKF算法提高了在处理含未知输入非线性系统时的状态估计精度,并能同时实现系统状态和未知输入的最优估计,验证了该算法的有效性。