范·弗拉森的量子力学解释理论

范·弗拉森的量子力学解释理论既是他的量子力学哲学的核心，也是他的建构经验论的科学思想基础。本文主要从量子力学的一般解释理论、量子力学测量问题、测量的模态解释的主要思想、模态解释的意义等四个层次较深入浅出地介绍范·弗拉森的量子力学解释理论。     

关于模态命题系统P5的协调性

证明模态系统P5的协调性．即：证明了模态系统P5的所有公理的布尔值为1．亦即：V^B(B是一个完全的布尔代数)是模态命题系统P5的布尔值模型．     

果蝇跨模态学习的相互作用

动物在感知过程中存在不同模态感觉之间的相互促进或排斥的相互作用，但在学习和记忆过程中是否也存在相互作用并不很清楚。中科院上海生命科学院神经科学研究所郭建增和郭爱克在973计划项目“脑发育和可塑性的基础研究”的支持下，通过对模式动物果蝇进行视嗅觉双模态实验，发现在果蝇的学习过程中，相对于单模态信息刺激，给果蝇同时予以视觉和嗅觉双模态信息刺激。     

基于多尺度排列熵和正则化RVFL的高压隔膜泵单向阀故障诊断

高压隔膜泵单向阀运行工况复杂,运行时产生的振动信号具有非线性、非平稳特性,导致信号特征提取困难,故障状态难以识别.为了提取单向阀运行状态的非线性动力学特征,提升故障诊断模型的识别精度和泛化能力,提出了一种基于多尺度排列熵（Multi-scale Permutation Entropy,MPE）和正则化随机向量函数链接（Random Vector Functional Link,RVFL）网络的单向阀故障诊断方法.首先,对工况下采集的单向阀振动信号进行变分模态分解（Variational Mode Decomposition,VMD）获得既定的若干本征模态函数（Intrinsic Mode Function,IMF）分量;然后,计算IMF分量的多尺度排列熵,构建表征单向阀运行状态的特征值向量;最后,基于运行状态的特征值向量,建立正则化随机RVFL的故障诊断模型,并应用于单向阀的运行状态监测与识别.实验结果表明,构建的故障诊断模型能够精确地识别单向阀的故障类型,准确率达到98.89%.     

基于经验模态分解特征的无线电引信抗扫频式干扰方法

针对目前调频无线电引信在复杂电磁战场环境中对抗扫频式干扰能够力弱的问题,提出一种基于经验模态分解(empirical mode decomposition,EMD)特征的无线电调频引信对抗扫频干扰的方法.对基于目标和扫频干扰作用下的调频无线电引信检波端输出信号进行EMD分解,得到10层本征模态函数(intrinsic mode function,IMF)分量,提取每层IMF分量中本征模态函数能量占比、能量聚集度和Renyi熵特征,并利用主成分分析算法对于特征进行降维,保证累积解释差异在95%以上,以降维后的特征矩阵作为支持向量机的输入对目标和扫频式干扰信号进行分类识别.实测数据结果表明,所提方法能够有效对目标和扫频式干扰信号进行分类识别,分类识别精度可以达到98.06%±0.003 8,目标检测率达到96.65%±0.003 7,虚警率为3.35%±0.003 7.     

单通道涡流无损检测信号盲源分离算法

针对脉冲涡流无损检测(pulsed eddy current testing, PECT)系统中获取单一检测信号存在的混叠问题,文章提出一种基于经验模态分解(empirical mode decomposition, EMD)和快速独立分量分析(fast independent component analysis, FastICA)的单通道盲源信号分离算法。该算法首先通过EMD对混合观测信号分解,然后利用奇异值分解(singular value decomposition, SVD)估计源信号数目,根据估计得到的源信号数目将观测信号和对应模态分量构成新的虚拟信号,最后利用FastICA算法分离得到源信号的估计。有限元仿真实验表明该算法能有效分离单通道混合检测信号,并且优于小波分解的单通道盲源分离算法。     

某型号汽车波纹管结构参数优化研究

为提高某型号汽车波纹管的服役性能,文章对波纹管的结构参数进行优化。建立波纹管的模态分析和静力学分析有限元模型,基于单因素法研究壁厚、波高、波谷曲率半径、内径对波纹管一阶固有频率及最大应力值的影响规律;基于正交试验设计原理并结合极差分析和方差分析,以一阶固有频率及最大应力值为目标函数,确定各因素对试验指标影响的主次顺序;通过综合平衡法获得最优的结构参数组合,并对优化结果进行验证。研究结果表明：一阶固有频率及最大应力值均随壁厚的增大而增大,随波高、内径的增大而减小,随波谷曲率半径的增大呈先减小后增大的趋势;极差分析和方差分析得出各因素对2个指标的影响主次顺序均为壁厚、波高、内径、波谷曲率半径;最优结构参数组合为壁厚0.25 mm、波高11.6 mm、波谷曲率半径1.30 mm、内径121.0 mm;优化后的波纹管固有频率提高,服役状态下的应力水平降低。     

基于新型相似日选取和VMD-NGO-BiGRU的短期光伏功率预测

光伏功率预测在现代电力系统调度和运行中起着重要作用.针对光伏发电功率的多变性和复杂性,提出了一种基于新型相似日选取和北方苍鹰算法（Northern Goshawk Optimization, NGO）优化双向门控循环单元（Bidirectional Gated Recurrent Unit, BiGRU）的短期光伏功率预测方法.首先,利用斯皮尔曼相关系数选取主要气象因子,通过变分模态分解（Variational Mode Decomposition, VMD）将原始光伏功率和最大气象因子分解重构为一系列子信号.其次,通过构建新的评价指标筛选出相似日数据集,利用一组BiGRU建立以相似日子信号为网络输入的深度学习模型,并利用NGO对每个BiGRU网络的超参数进行有效优化.最后,对各子信号的预测结果进行综合,得到最终的光伏功率预测值.仿真结果表明,所提混合深度学习方法在预测精度和计算效率方面均优于其他方法.