颈椎数字减影图像三维运动检测系统的探讨

利用微机对数字减影成像ＤＳＡ（ＤｉｇｉｔａｌＳｕｂｔｒａｃｔｉｏｎ）系统的颈椎（模拟）图像进行处理,建立了一种颈椎非接触式三维运动检测系统．该系统拟采用ＤＳＡ对病人颈椎进行正、侧位照影,根据ＤＳＡ的两路ＰＡＬ制式输出,经过预处理、识别和ＤＬＴ测量方法计算,得出被检测颈椎每块椎骨中心点的空间坐标,从而达到确立完成某动作时病人每块椎骨间的相对位移、相对转角等运动参数的目的．     

SiC 粒子增强铝基复合材料的断裂行为

通过拉伸和两种缺口断裂韧性试验（４ＰＢ和３ＰＢ）及断口和卸载试样金相观察分析,对ＳｉＣ粒子增强铝基复合材料的断裂行为进行了研究．结果表明：ＳｉＣ粒子与基体界面发生脱粘开裂形成微裂纹并扩展进入基体是其主要断裂过程．在ＳｉＣ粒子加入量相同,并进行Ｔ６处理的条件下,大尺寸ＳｉＣ粒子的复合材料具有较高的断裂强度和断裂韧性．     

碳化硅粒子增强铝基复合材料的研制

论述了ＳｉＣ粒子增强铝基复合材料的制备工艺,探讨了不同ＳｉＣ粒子加入量对材料物理性能、力学性能、磨损性能等的影响．结果表明,ＳｉＣ粒子的加入降低了材料的密度和热膨胀系数,但大大提高了材料的耐磨性能;复合材料与基体合金相比,抗拉强度有所下降．     

Higgs机制的历史发展研究

Ｈｉｇｇｓ真空对称性自发破缺的思想在现代物理学中占有十分重要的地位，本文揭示了这一重要思想是如何从固体物理研究中移植到粒子物理学中的；并成为粒子物理学的重要观念的，最后指出：这一思想的发展改变了人们对对称性探索的传统方式；以及我们应从Ｈｉｇｇｓ机制发展中所获得的启示。     

Mn_2O_3超微粒子的制备及其光学非线性

本文合成了表面修饰的Mn2O3，超微粒子（UFP）有机溶胶，并采用简并的四波混频（DFWM）手段研究了Mn2O3有机溶胶的三阶非线性光学特性，得到了较大的非线性极化率X3．最后讨论了Mn2O3超微粒子的三阶非线性产生机制．     

基于粒子群的工业大数据雾计算多目标优化任务调度算法

针对工业生产中基于软件定义网络的雾计算架构大数据处理场景中的独立任务调度问题,提出了基于粒子群的多目标优化任务调度算法。该算法同时考虑优化任务的完成时间与异构雾集群的负载均衡值两个指标,采用一种非线性递减的方法更新惯性权重值,解决基本粒子群算法后期权值较大导致局部收敛能力较弱的问题。通过MATLAB仿真验证了所提算法的有效性。试验结果表明,在前期获得更大搜索空间的同时该算法提高了后期的收敛速率。     

基于自适应粒子群算法的电动汽车充电桩布局优化

为了优化城市汽车充电桩布局,本文在主要考虑建设成本和运营成本最小化的基础上,结合居民用电和土地成本等因素构建了社会总成本最小的规划模型,并运用Floyd最短路径算法以进行选址约简。为避免传统粒子群算法（PSO）收敛速度慢、易陷入局部最优的缺点,本文采用了自适应粒子群优化算法（CPSO）对模型进行求解,并结合一个算例分析验证了所提出算法在城市电动汽车充电桩选址布局规划中的可行性。     

超微粒子－有机聚合物薄膜的研究

我们用离子团束－飞行时间质谱（ＩＣＢ－ＴｏＦＭＳ）系统制备了金（Ａｕ）超微粒子－聚乙烯（ＰＥ）薄膜和Ｃ＿（６０）－聚乙烯薄膜。用透射电子显微镜（ＴＥＭ）分析了所制备的样品。它们的结构是Ａｕ超徽粒子镶嵌在多晶的ＰＥ薄膜中，其中Ａｕ原子团呈球形，直径分布在２．０－５．０ｎｍ窄范围内，当沉积基底温度为９０℃时，Ａｕ原子团相互靠近，几乎连接起来，但仍保持原来大小。基底温度为１４０℃蒸积的Ｃ＿（６０）－ｐＥ薄膜具有晶态结构，其晶格常数为１．４５４ｎｍ。     

柔性作业车间调度的动态禁忌粒子群优化算法

针对复杂的多目标柔性作业车间调度问题(FJSP),提出一种基于全知型粒子群优化(FIPS)和动态禁忌搜索(TS)的混合Pareto算法,它在利用FIPS的全局搜索能力确定搜索方向后,通过TS进行有效的局部搜索以提高算法的搜索性能.该算法采用基于强度的适应度函数来评价粒子,以使非劣解均匀分布于Pareto前沿;采用基于公共关键块的多种邻域结构,既保持了种群的多样性,避免算法陷入局部最优,又有效提高了算法的收敛速度.算法中还引入了基于变异的自适应扰动策略来进一步增加解的多样性.对不同规模实例的比较实验表明,文中所提出的算法具有较好的搜索性能,是一种求解大、小规模多目标FJSP的有效算法.     

基于PSO的支持向量机多元控制图均值偏移诊断模型

为了诊断多元控制图发出的报警信号是由哪一个或者哪些变量组合发生均值偏移引起的,提出了基于粒子群优化（PSO）算法的支持向量机（SVM）多元控制图均值偏移诊断模型．模型中使用丁。控制图对多元过程进行控制,在假设过程方差．协方差矩阵保持不变的前提下,根据不同的均值偏移模式,产生SVM训练数据集和测试数据集,用Ps0对SVM的参数进行优化,最终得到优化的SVM模型．结果表明,基于粒子群优化算法的支持向量机模型（SVM．PSO）比基于SVM和基于神经网络（ANN）模型的分类能力更强,分类准确率超过85％．