基于非对称离散分数傅里叶变换双相位编码技术对二维条码图像加、解密的研究

在现有光学图像加密一种方法(分数傅里叶双随机相位编码技术)的基础上,提出一种改进的基于非对称离散分数傅里叶变换双相位编码光学加密方法,并用计算机模拟两种方法对二维条码图像进行加密、解密的过程,比较两种方法的仿真实验结果中两种方法的加密性能和解密图像的质量优劣.     

基于GAs/PSO组合算法的水轮机调速系统PID参数寻优

提出了一种基于GA s/PSO组合算法的P ID控制器参数自整定方法,这种方法兼有遗传算法(GA s)和粒子群算法(PSO)的优点。组合算法种群由GA s和PSO的最佳个体迁移形成,其中GA s采用了实数编码和变异概率自适应,PSO算法采用了带指数衰减的惯性因子的速度更新算法,以加快收敛速度。通过对水轮机调速系统P ID控制器参数寻优仿真比较表明,该组合算法寻优性能比单独的GA s和PSO表现更为优异,且所得系统具有更好的动态性能。     

导电聚合物/磁性纳米复合材料的制备及其结构与性能

导电聚合物/磁性纳米复合材料的研究是开发同时具有电、磁性能的功能材料的最佳选择之一,是制备电磁屏蔽材料,电磁波吸收剂等功能材料的重要途径。导电聚合物与磁性纳米粒子复合,既可实现电、磁性能的复合,又可通过调节各组元的组成和结构实现对材料电、磁性能的调节。对目前导电聚合物/磁性纳米复合材料的制备原理、方法,复合材料的结构及控制,材料的性能与应用进行了评述。     

用热分解方法在多孔硅中形成纳米银粒子

通过简单的溶液浸泡－热分解方法成功地在氧化多孔硅的孔中沉积了纳米银粒子,形成了银/氧化多孔硅/硅的复合结构.用X射线衍射光谱(XRD)和扫描电子显微镜（SEM）表征了多孔硅上纳米银粒子的存在.     

含氮废水的电化学处理技术研究

通过对电化学方法处理含氮废水的实验条件、处理效果以及降解机制的对比分析发现,在电化学法处理含氮废水的几种主要影响因素中,作用顺序为氯离子浓度>填充粒子>极板>电流密度>pH>初始浓度.其中,Cl-能够促进不同形态氮向氮气转化,缺点为易生成二次污染物.电化学法处理含氮废水在实际应用中效果显著,但由于实际废水中组分复杂,部...     

正常金属/dx2-y2+idxy混合波超导隧道结中的准粒子寿命效应

考虑到准粒子的有限寿命效应,在Blonder-Tinkham-Klapwijk（BTK）理论框架下,通过求解Bogoliubov-de Gennes（BdG）方程,计算正常金属／dx^2-y^2＋idxy混合波超导隧道结中的准粒子输运系数与隧道谱．结果表明：准粒子的有限寿命效应不仅能压低隧道谱中的电导峰．而且可以有效地阻止峰的滑移;随着非弹性散射的增强,还会在零偏压处形成一宽峰．     

CuTAPc-Fe3O4纳米复合粒子的性质和固定化漆酶性质研究

研究了CuTAPc-Fe3O4复合粒子的磁性能、热稳定性、抗氧化性、溶解性和贮存稳定性,表明由于CuTAPc在Fe3O4纳米粒子表面形成了复合层,显著提高了CuTAPc-Fe3O4复合粒子的稳定性．将CuTAPc-Fe3O4复合粒子作为载体,在0℃以pH5．0的2mg／mL漆酶磷酸缓冲液为应用液进行漆酶固定,固载率为20％;以ABTS作为底物,固定化漆酶的最适pH为3．0,最适催化温度为45℃,Km值为23．8μmol／L．     

基于粒子群优化的圆阵列波束形成方法

围绕均匀圆阵列(uniform circular array, UCA)在波束形成中存在的波束主瓣宽、旁瓣电平高的问题,提出了一种基于粒子群优化(particle swarm optimization, PSO)算法的圆阵列波束形成方法。通过对UCA的输出信号进行模式空间变换,将UCA数据转换为虚拟均匀线阵数据形式。利用PSO算法充分挖掘均匀线阵各阵元间数据信息,进行阵元拓展,从而实现阵列阵元数及孔径尺度的增加,实现降低阵列波束主瓣宽度及旁瓣电平的目的。实验结果表明,在适当增加计算复杂度的前提下,利用PSO算法对阵列进行阵元拓展可以显著地提高波束形成质量,且适用于自适应波束形成。     

基于改进的局部保持投影的战时备件分类

为提升战时合成部队备件保障效能,需对其进行有效分类,以便开展备件的预储预置。针对备件种类多、时效性强、影响分类因素复杂的现实问题,提出了基于改进的局部保持投影的备件分类方法。首先,根据战时备件分类储备的影响因素,作为备件分类的特征指标,其次,利用改进的局部保持投影的降维方法对备件原始特征数据进行特征降维,得到低维特征向量。再利用支持向量机（support vector machine,SVM）的分类器对低维数据进行分类。并通过量子粒子群对SVM的核函数参数进行寻优,提升备件分类精度,得到满足备件分类准确率最优时的降维维数和分类器参数。最后,通过对演习装备备件分类的实例分析,验证了模型的可行性和合理性,并对比分析了其他分类方法,表明该方法能够较好地解决战时备件分类的问题。     

基于共识粒子群的全局优化求解方法

针对粒子群优化(PSO, particle swarm optimization)和高效全局优化(EGO, efficient global optimization)两种算法的特点,提出一种共识粒子群和局部代理模型协同的全局黑箱优化算法(CPSO-LSM, consensus particle swarm optimization and local surrogate model)。该算法固定PSO算法周期对粒子进行分群并在粒子达成共识后停止,将每群粒子周围的优质子区域输出作为代理模型的建模区域,通过比较各区域最优值获得高质量最优解甚至全局最优解。不仅避免了PSO冗长的计算过程、提高了建立代理模型的速度和精度还可以避免陷入局部最优。通过对比其他算法在标准测试函数的仿真结果,CPSO-LSM具有较好的收敛速度和求解精度。