低频周期驱动八极形变的经典混沌现象

求解了粒子在扁椭球谐振子附加低频周期驱动八极形变势场中运动时的哈密顿正则方程．通过粒子在相空间的轨道运动，z方向的功率谱以及粒子的经典能量随时间的演化等分析，发现低频驱动八极形变加剧了系统的非线性：粒子的运动比无驱动时更容易趋向混沌，频谱更复杂，能量的大小变化也呈现多种形式．     

基于故障附加网络的故障分量算法

为深入认识和利用故障分量,提出了以故障分量为求解和分析对象的故障分量计算方法,它根据故障附加网络和故障分量在故障点的边界条件建立网络方程,并使用Newton法求解该方程。所提方法的特点是物理意义明确,省去了由故障全量导出故障分量的中间过程。编程计算结果表明所提算法快速、准确。该方法能够用于计算复杂电力系统简单故障或多重故障的故障分量,也可用于分析和评判基于故障分量的继电保护和各种安全自动装置的性能。     

透明转发器卫星通信系统在干扰条件下的互调分量

研究了有干扰时透明转发器卫星通信系统中的互调分量。首先，对有干扰时硬限幅条件下窄带系统的互调分量和DS扩频通信系统中的相关互调分量进行了理论分析；然后，针对实际系统，建立了系统仿真模型，进行了计算机性能仿真，通过对仿真结果的分析，得到一些结论。研究成果对了解透明转发器卫星通信系统在强干扰条件下存在的互调分量的影响及其量化结果，从而设计具有针对性的卫星通信抗干扰系统具有实际意义。     

低频声波声检测研究

提出了基于在线可编程模拟器件ispPAC10差动放大及低通滤波电路来完成低频声波信号的采集。该方法可有效地降低检测电路的噪声干扰，提高输出信号的信噪比。     

用对称分量法分析三相异步电动机的断相运行

应用对称分量法对三相异步电动机断相运行进行了理论分析,得出断相运行时电动机电磁转矩和电流的变化情况,针对正序定子电流和负序定子电流的关系,提出了简便易行的断相运行保护判据.     

不同频率超声波对养殖水体浮游植物群落结构的影响

采用单因子梯度试验法,设定20（I）、28（II）和40kHz（III）3个不同低频率超声波试验组,以不进行超声波作用为对照组,研究超声波对养殖水体中浮游植物群落结构的影响. 40d的试验结果表明：对照组浮游植物的丰度为各组最高,试验组II、III中,浮游植物丰度分别为3.8×10⁵、2.3×10⁵ ind·L^-1,显著低于对照组（P<0.05）. 共鉴定到浮游植物种类属数为16个,数目大小依次为试验组I>试验组II>试验组III>对照组. 试验组I中Shannon wiener多样性指数（H）、Margalef丰富度指数（D）分别达1.661±0.055和1.071±0.020,为各组最高;试验组III中Pielou均匀度指数（J）达0.619±0.018,为各组最高;与对照组相比,施加20kHz超声波显著提高了养殖水体中浮游植物生物群落多样性（P<0.05）.     

利用URL-Key领域术语识别方法

首次提出利用URL-Key进行领域术语识别的方法。以URL作为媒介, 借助已知URL-Key的领域性来判断未知领域候选术语的领域性。首先, 借助互联网中已有的人工分类领域URL, 根据URL-Key在各领域汇总使用的频度, 采用基于方差的领域URL-Key识别方法, 构建领域URL-Key词表; 然后, 利用伪反馈技术, 收集候选领域词检索得到的URL结果集, 根据URL结果集构建候选领域术语的URL-Key特征向量; 最后, 利用SVM对候选领域术语进行提取。在4个领域进行实验, 都取得不错的效果。新提出的方法可以有效地解决低频术语识别问题, 为低频术语的识别提供新的思路。     

配电网故障暂态信号的逼近处理方法

针对一些需尽快计算故障后稳态电流电压值的应用情况,如配网配变支路保护、用户侧保护等,短时间内处理电流电压故障暂态信号成为了一个必须面对的问题。现有电网故障信号处理方法通常受限于采样数据长度和待求参数数量,存在处理电流电压故障暂态信号时间较长和难求取的问题。利用配网故障暂态电压电流的特点,由稳态工频分量和直流衰减分量组合建模近似表征配网故障暂态电压电流,采用粒子群高斯牛顿混合算法对此模型的各参数进行辨识,实现暂态参数的求取。仿真分析和工程应用表明,该方法可缩减待求参数个数,利用较短的采样数据对故障暂态电压电流信号参数进行求取,且具有较高鲁棒性。     

基于安卓系统的色盲辨色软件设计

色盲人群的色彩分辨能力低于正常人，论文在分析H分量旋转色盲矫正方法的基础上，开发出了具有色盲模拟、色盲检测和色盲矫正功能的实时视频图像处理系统，并在android系统移动终端上设计出了相应的应用软件，经实际测试，该系统运行稳定，实时性好，可以帮助色盲色弱人群提高对色彩的分辨能力。     

仿生智能优化算法及其在盲源分离中的应用

传统盲源分离(Blind Source Separation,BSS)采用梯度方法对目标函数进行优化来确定最优解,但梯度算法无法解决收敛速度和稳态精度两者之间的矛盾,而且可能落入局部最优.为了解决上述问题,仿生智能优化算法逐渐被引入到BSS中,取得了传统优化算法无法比拟的优良特性,为BSS问题优化求解提供了一条全新的途径.介绍了几种仿生智能优化算法,描述了BSS的基本概念和数学模型,最后对几种仿生智能优化算法在BSS的应用情况进行了总结.