香山群沉积岩浆记录及其反映的大地构造环境

目的探讨鄂尔多斯西南边缘香山群形成的大地构造环境,为鄂尔多斯盆地西南缘早古生代大地构造背景的恢复和确定提供佐证。方法通过香山群地层的岩石学、沉积学、砂岩和火山岩的岩石地球化学特征的系统研究,综合分析香山群形成的大地构造环境。结果香山群的时代划归为中晚寒武世较合适;香山群主体是一套由板岩、细、粉砂岩和砂岩组成的浊积岩系,其砂岩类型主要是长石石英砂岩、细粒石英砂岩和粉砂质石英砂岩,前寒武纪变沉积岩和花岗片麻岩为主要碎屑来源和物源区组成;砂岩的岩石地球化学特征指示香山群属发育在被动大陆边缘斜坡环境中的沉积物,火山岩岩石地球化学特征反映其应属大洋扩张构造环境下的大洋拉斑玄武岩系列。结论香山群形成于伸展构造背景下的被动大陆边缘中的大陆斜坡和深海平原环境。     

基于不完全信息的混联系统的可靠度

目的求解两类混联系统的可靠度。方法当仅知系统部件失效分布的部分信息时,利用不精确概率理论对系统建模,分析其可靠性。结果获得了两类混联系统可靠度上下界的表达式。结论所提出的模型及其分析方法是传统方法的推广,它的使用范围广,更切合实际。     

基于粒子群算法的数字电路测试生成

在已有的数字电路测试生成算法基础上，通过对一种结构简单且容易实现的算法——粒子群算法的研究，提出了一种基于模拟的测试矢量生成的新方法，即应用粒子群算法来进行数字电路的测试生成．对一些组合电路进行了仿真，并将其与基于遗传算法的测试生成方法进行比较，实验结果表明该方法比基于遗传算法的测试生成更为有效．     

基于GPRS移动网络的群控超分散无线LED系统

针对当前LED群显系统中，尚未解决的超远程的、超分散的、超大信息量的LED群控问题，提出一套新的解决方案——利用基于GPRS网络进行超远程群控超分散LED显示系统，描述了系统的设计方案．解决了超远程、超分散的LED控制问题，最后对系统的特性以及应用前景进行了讨论．     

基于ANSYS的复合材料蜂窝结构可靠性分析

对有限元分析软件ANSYS的概率分析功能做了简单的介绍，还介绍了复合材料蜂窝结构受热载荷分析的方法，提出了利用ANSYS概率分析功能对复合材料蜂窝结构进行可靠性分析的方法，分析了各种随机变量对应力的影响，通过一个具体的实例说明了用ANSYS概率分析功能实现对蜂窝结构在受热载荷下可靠性分析的可行性．对复合材料蜂窝结构可靠性分析具有参考意义．     

基于传输时差最小的OFDM系统信道划分优化方法研究

随着OFDM技术在移动通信中的广泛应用,信道划分问题逐渐被人们所关注。主要讨论了在信道状态和传输总量已知的情况下,基于传输时差最小的OFDM系统信道划分优化问题。首先证明了该问题属于NP完备问题,因此必须使用随机算法代替穷举来求解。主要讨论了遗传算法和粒子群算法在此类问题中的应用。通过仿真所给出的具体结果,可以证明尽管随机算法不能保证解的最优性,但搜索时间较短;同时在相同条件下,粒子群算法可以显示出比遗传算法更强的搜索能力,因此对于OFDM这类实时性要求较高的系统,具有更大的实用性。     

矢量喷管柔性机构运动及可靠性仿真

针对航空航天柔性机构运动具有复杂非线性的特点,提出了一种在UG-ANASYS-ADAMS多软件平台下建立柔性机构模型并进行运动仿真的方法,对某轴对称矢量喷管(AVEN)机构进行了建模仿真;采用响应面方法和蒙特卡洛法相结合的方法得到了矢量喷管性能参数的概率分布,并计算了其可靠性。该方法能够为航空航天领域同类机构的建模分析提供借鉴,响应面方法与蒙特卡洛法结合的可靠性分析方法在满足一定精度要求的同时,能够大大减少计算时间。     

基于改进PSO算法的连铸二冷过程优化仿真

连铸小方坯二冷过程优化是在实现二维传热建模和数值求解的基础完成的。冶金准则的多目标性,模型数值离散化大的计算量以及凝固相变存在引起模型求解的非线性,导致传统优化方法搜索效率低下。采用粒子群算法优化连铸二冷过程。为加强局部搜索能力,引入混沌序列对陷入局部极小点的惰性粒子重新初始化,在迭代中产生局部最优解的邻域点,帮助惰性粒子逃离束缚并且快速搜寻到最优解。仿真结果表明,改进的PSO算法有更好的搜索效率,取得了较好的效果。     

基于MCMC稳态模拟的Weibull回归模型及其可靠性应用

讨论了贝叶斯加速失效模型族中应用最为广泛的Weibull回归模型，提出针对寿命服从weibull分布的产品，运用基于Gibbs抽样的MCMC方法动态模拟出参数后验分布的马尔可夫链，在失效率的先验分布为Gamma分布时，给出随机截尾条件下参数在Weibuil回归模型中的贝叶斯估计，提高了计算的精度。借助数据仿真说明了利用BUGS软件包进行建模分析的过程，证明了该模型在可靠性应用中的直观性与有效性。     

基于PSO的SVR参数优化选择方法研究

支持向量回归机(SVR)模型的拟合精度和泛化能力取决于其相关参数的选取,因此提出了基于粒子群(PSO)算法的SVR参数优化选择方法;并以不同噪声影响下的sinc函数和实际发酵过程产物浓度的SVR模型为对象,将提出的PSO优化参数方法与现有的交叉验证法、留一法进行比较。仿真结果表明:该PSO优化SVR参数方法可行、有效,由此得到的SVR模型具有更好的学习精度和推广能力。