均匀增长无标度网络的等价模型

分析了无标度网络的BA模型和与BA等价的随机连接到边模型.在给出边的权重和节点适应度定义的基础上,提出了无标度网络的边加权网络模型和节点适应度模型.通过解析的方法证明了它们与BA模型的等价性.计算机模拟的结果也说明了它们的等价性,并给出了4个等价模型之间的比较.     

非资产型第三方物流的两层次委托代理模型研究

根据非资产型第三方物流运作中委托代理关系信息不对称的特点,建立了非资产型第三方物流链的两层委托代理关系模型.分别给出了一对一和一对多两种模型的最优合约.对模型结果进行了分析,结合物流实践提出了防范委托代理风险的措施.     

基于DHGF的香精配方评价方法

四元评价(DHGF)模型将改进的Delphi法、层次分析法(AHP)、灰色关联统计和模糊评判法综合集成,在评价的不同步骤中运用不同的方法.论证了利用该模型对单个香精配方进行品质评价的可行性,给出了四元评价模型的步骤,并用实例说明了这种评价方法的有效性和合理性.     

多响应近似线性回归模型的Minmax稳健设计

研究多响应变量近似线性回归模型的Minmax稳健设计问题．以响应变量均方误差阵的迹tr（MSEM）为准则，对回归方程系数采用广义最小二乘估计，进而利用最小二乘法得到最优逼近函数．从而将Huber（1975）的方法和Wiens（1990）的结果推广到多响应变量场合．最后考察了一个特例，即当回归变量问可能存在交互作用时的双响应二元曲面线性回归模型，得到了与Wiens（1990）较一致的结果．     

创新驱动:无锡发展的第四次浪潮

“走开放型自主创新之路，把引进消化吸收再创新和产学研结合作为提高自主创新能力的一条主渠道，推动‘无锡制造’向‘无锡创造’跃升。”在无锡市国民经济和社会发展的“十一五”规划建议中，这一段关于科技创新的表述，清楚地显示了无锡创新发展的“精气神”。     

四档位行星变速箱传动方案综合法

为了探讨四档位行星变速箱传动方案综合方法，应用图论理论综合行星齿轮变速箱传动方案，研究了4个行星排变速箱传动方案拓扑图综合方法，该方法通过4个行星排拓扑图中基本构件的不同方式的相互结合，能综合出不同的变速箱传动方案；推导了依据给定的变速箱外传动比，计算了每个行星排内传动比的表达式，并编写了计算机辅助综合变速箱传动方案软件。该软件在给定不同的输入输出和依次固定不同的基本构件时，能得出所有可能的4个行星排变速箱传动方案。实例结果印证了该综合方法的有效性。     

双四象限探测器位置自适应测量新模型

为了得到最佳的动态跟踪性能，提出了最小二乘向量机与矩阵光学相结合的建模方法，建立了双四象限探测器在激光跟踪光路中的全新测量模型，该模型可实现对探测器参数的自适应测量．相对于以往的数学模型和测量方法，该模型具有清晰的物理含义，更符合研究对象的工作机理．使用该模型可获得更完整的测量样本，消除了测量中的“死点”和“坏点”，对位移量测量的不确定度为1μm，最大误差在原研究基础上减小了3μm，系统也省去了多维高精度的测量和机械调整系统．这一模型同时为三维小角度测量提供了一个快捷的技术途径．     

一种用于虚拟试验的双向可控知识引擎

提出了用XML描述作物生长模型脚本的方法，通过引入组件技术构建出知识引擎组件，组件的结构是基于Observer模式的，可用不同的功能类来处理脚本中不同功能节点的信息．针对脚本中自定义的3种变量，开发了类似于C＋＋的模板类并进行归一化处理，以减少代码的冗余．知识引擎组件对象把生长模型的XML脚本作为自身的一个属性对XML脚本进行实时解释，驱动虚拟作物器官组件对象生长，使生长模型中的农学知识从虚拟作物试验系统开发平台和虚拟作物器官组件中分离出来．在运行过程中使用多线程技术使知识引擎能够受外部控制，随时中断解释，以便于进行试验．通过一棵完整玉米的虚拟生长过程，验证了所提知识引擎能使作物形态的数学模型与作物形态显示模型完整地结合在一起，真实地再现作物的生长发育过程．     

一种计及损耗的变压器非线性模型

建立了一种计及损耗的变压器模型，用线性电阻、电感的串联模拟漏阻抗，用非线性电阻和非线性电感的并联模拟励磁支路，并提出建模算法，由变压器空载试验测得的电压、电流有效值和功率损耗，得到非线性电阻和非线性电感分段线性化的瞬时值特性曲线．应用该变压器模型和另两种模型，分别对330kV系统中的切除空载变压器过电压进行了仿真，对比计算表明，计及变压器铁损的非线性后，切除空载变压器过电压有明显的降低，过电压的幅值由忽略铁损的723．099kV和用线性电阻模拟铁损的582．036kV，降低到铁损的非线性模型的396．519kV．该变压器模型有助于准确地对电力系统中涉及变压器饱和特性的现象进行研究．     

无偏GM(1,1)模型的动态特性分析

传统GM(1,1)模型是最基本的灰色预测模型,无偏GM(1,1)模型是在传统GM(1,1)模型基础上的一种改进,它消除了传统GM(1,1)模型本身所固有的偏差.对无偏GM(1,1)模型的动态行为特性进行分析,并与传统GM(1,1)模型进行对比,明确了无偏GM(1,1)模型特性和适用条件.