釜内单相受限射流流动特性

在高径比为２．５的釜式反应器内,实验考察了内受限射流时均流速的分布特,同时,应用射流相似理论模化了釜内受限射流主要流动参数的变化规律。结果表明,釜内射流可分为射流区和间区;射流芪内速率分布的自相似性,中心速度衰减,射流半宽,扩展角以及郑吸量的变化规律与自由射流相似;回流区的流动特征可由射流区的内速分布得以推断。     

基于可变安全第一准则和交易约束的投资组合调整模型

结合证券市场的实际情况,通过加入最小交易单位及交易费用约束改进了基于可变安全第一准则的风险定义,将风险表示成为与投资者意愿和交易约束相关的一条曲线。提出了一个新的基于可变安全第一准则的具有一般交易费用函数的投资组合调整优化模型,并给出求解该模型的基于遗传算法和随机模拟的混合智能算法步骤。然后,结合现实中交易费用的实际情况,分别建立了具有线性交易费用和二次分段凹型交易费用的投资组合调整模型。最后,依据上海证券市场的实际数据,通过两个实例验证模型的可行性和有效性。     

应用优化DHKELM的柴油机故障诊断方法

为准确、高效地对柴油机故障进行诊断,提出应用优化深度混合核极限学习机(deep hybrid kernel extreme learning machine, DHKELM)的柴油机故障诊断方法。该方法以各样本的频谱幅值作为故障特征,归一化处理后作为DHKELM模型的输入,从而实现对柴油机各故障状态的识别。相较极限学习机,该模型具有更深层次的结构,引入了混合核函数以及自动编码器,可以准确区分易混淆的故障类型,提高诊断准确率。针对DHKELM模型中各个超参数难以确定的问题,提出利用改进麻雀搜索算法(improved sparrow search algorithm, ISSA)对模型中各超参数进行寻优,充分发挥模型的故障诊断性能。实验结果表明,在实验室实测数据中,所提方法较传统方法具有较好的故障诊断精度,为柴油机故障诊断提供了一种新的思路。     

基于混合滤波器的Canny边缘提取算法改进

在Canny最佳边缘检测算法准则的基础上,提出了用混合滤波器代替高斯滤波器,并通过计算像素四个方向差分替2×2领域内有限差分来确定梯度幅值的方法,提高了Canny算子在提取图像边缘细节和抑制假边缘噪声方面的性能。另外,通过实验验证了该方法具有较高的信噪比和高精度边缘定位,并能达到良好的边缘视觉效果。     

一类四阶抛物型积分-微分方程的混合有限体积方法

采用混合体积元方法求解一类四阶抛物型积分-微分方程的初边值问题,构造了问题的半离散混合体积元格式,得到了误差估计结果。     

计及P-Q非线性耦合的混合交易模式阻塞费用分摊

本文基于有损耗的交流潮流追踪提出了一种混合交易模式的阻塞费用分摊新方法．这种方法以发电机对线路阻塞和负荷的贡献份额为基础,先将线路的阻塞费用归口到发电侧,再分摊给对阻塞有贡献的发电方、用户和双边(多边)交易、贡献份额中直接计及了P—Q间的非线性耦合,既保证了收支平衡,又适应混合交易和任何单一的市场模式,对1个4节点系统进行的仿真分析结果验证了本文方法的有效性．     

含参考臂的半导体激光自混合干涉测距系统研究

基于半导体激光自混合干涉效应,提出了一种新的含参考臂的测距系统,并建立了系统的理论模型,经理论分析表明,这种含参考臂的测距系统可以有效地消除频率波动带来的测量误差,从而提高系统测量精度,     

一种多层阳极在电致发光中的应用

报道了一种新型的多层阳极结构在电致发光器件中的应用,其结构为ITO/Ag/ITO,该阳极表面方块电阻为2 Ω/口.制成器件的结构为ITO/Ag/ITO/TPD:PVK/Alq/Al,在同样测试条件下,测得其发光亮度为ITO/TPD:PVK/Alq/Al器件的5倍.另外对器件亮度的衰减作了研究.     

基于混合混沌优化法的Hopfield网学习算法

提出了一个基于混合混沌优化法的Hopfield网学习算法。通过对Hopfield网权值不等式的处理,训练Hopfield网。利用混合混沌法的优点,即混沌的遍历性和禁忌搜索的“记忆性”和期望准则,有效地避免了局部最小解,克服了原Hopfield网学习的局限性,还能找到多个优化解。实验证明了该算法的有效性。     

基于混合差分法的运动目标检测

为了提高背景重建速度和目标检测精度,提出了基于混合差分的运动目标检测方法.采用一种基于统计模型的区域像素级背景重建方法.结合帧差分法对于环境的适应性和背景差分法目标检测的准确性.首先用帧差分法得到目标最大的可能区域,在该区域进行像素级背景重建.然后用背景差分精确提取目标区域.既克服了单纯帧差分对于目标运动速度的限制,又缩小了背景差分的区域,使运动目标检测的时间复杂度迅速降低.通过实验,验证了该方法在检测精度和速度上的优势,可以应用于视频监控和目标跟踪领域.