高密度存储器技术发展与应用浅谈

高密度存储技术指的是能在一个存储单元中存储多个值以实现大容量数据的存储器及其相关技术,本文着眼于市场应用前景和产业发展趋势,简单分析了磁性随机存取存储器、电阻随机存取存储器中高密度存储器技术的发展与应用。     

青藏铁路含保温夹层路基厚度与地温关系的研究

通过对青藏铁路风火山段含有保温夹层的路基建立均匀介质分层纯导热模型并运用分层近似解法求出冻土表层的温度函数,结合Lachenbruch给出的冻土层的理论温度表达式,得到了路基填料层、保温层、地表年平均温度与正弦变化温度的振幅比三者之间的隐式方程,并应用该方程对三者之间的关系进行了分析.     

基于GM(1,1)的农田土壤湿度灰色预测模型

针对土壤湿度变化趋势对于分析区域旱情的重要性,研究了GM(1,1)模型的建模方法,建立了基于GM(1,1)的农田土壤湿度的灰色预测模型,并将试验数据和预测值进行对比。结果表明土壤湿度的预测值略大于试验值,且相对误差不大于5%,验证了所建立的预测模型的准确性。该模型为土壤湿度动态变化特征的深入研究提供了重要的科学依据,对农田水利灌溉具有重要意义。     

利用SRTM数据修测高山区地貌的探讨

在高海拔区域测制地形图,如青藏高原地区,所获取的遥感影像局部存在着大范围的高山阴影或云雪覆盖,造成立体观测地貌困难的现象,探讨应用SRTM数据对这类特殊区域地貌进行修测补绘。介绍了数据处理的作业过程,并对实验区SRTM与SPOT5影像立体测图成果进行实验对比分析,成果符合要求。     

高斯信道中功率分配问题的一种优化方法

信号检测中,检测概率一直是作为衡量检测性能的一个重要标准.众所周知,Neyman-Pearson准则下的最优检测是似然比检测.然而多传感器系统下随着信号维数增加,似然比检测门限的计算涉及高维积分,计算困难相当大,因此文中考虑的高斯信号检测模型,没有直接计算检测概率而是将两个密度函数的相对熵作为衡量检测性能的一个度量来研究高斯信号检测中功率的分配,并且建立了目标优化模型.针对文中建立的优化问题,首先由加强的Fritz John(F-J)必要条件证明了优化问题的局部最优解满足KKT(Karush-Kuhn-Tucker)条件,并且进一步证明存在惟一的拉格朗日乘子.然后利用凸函数的性质我们说明了D(P1‖P0)是tr(∑s)的非减函数,最后在此基础上得到了优化问题的最优解,即得到了功率分配矩阵.同时也给出了特殊信道下的功率分配矩阵.     

灰色系统理论在废气污染物排放量预测中的应用

应用灰色系统预测理论,以GM(1,1)模型对我国废气排放中主要污染物排放量进行预测,可有效克服原始数据的离散性,在少信息的情况下得到高精度的预测结果。以2008²012年废气主要污染物排放量为例进行了中短期的预测,结论表明,预测精度均可达到最优的精度等级。     

中立随机马尔科夫跳变系统延迟反馈控制器设计

本文研究了具有时变时滞的中立随机马尔科夫跳变系统的延迟状态反馈控制问题.主要目标是在漂移项和扩散项部分都设计模态相依的延迟状态反馈控制器使得闭环中立随机马尔科夫跳变系统满足随机稳定.通过构造模态相依的Lyapunov-Krasovskii候选泛函,借助线性矩阵不等式技术,得到了闭环中立随机马尔科夫跳变系统随机稳定的充分条件.仿真例子说明了所采用的方法的有效性和实用性.     

汽车转向系统模态的分析与优化

汽车转向系统方向盘怠速振动特性是评价其舒适性的重要指标.本研究提出了转向系统模态固有频率的计算方法,通过灵敏度分析确定转向系统上下支架连接处5个钣金件的厚度值为设计变量.基于响应面模型和序列二次规划算法相结合,给出了转向系统模态的优化方法.在转向系统质量增加0.14 kg的条件下,系统一阶固有频率增加了2.66 Hz.本研究提出的转向系统模态分析与优化方法对转向系统的设计具有一定的指导意义.     

基于随机机器故障的柔性作业车间动态调度

为了有效快速地应对生产过程中出现的随机机器故障,构建了一个故障机器可恢复的动态柔性作业车间调度模型,采用事件和周期混合驱动的方式,设计了一个组合重调度策略.在组合重调度策略中,将改进的二叉树右移重调度与完全重调度进行组合,引入序位偏差和完工时间偏差为重调度评价指标,对重调度方法进行选择,并且在精英选择遗传算法(elite selection genetic algo-rithm,ESGA)基础上,对精英选择策略进行改进,以防止陷入局部最优.试验算例仿真结果表明,动态调度算法对随机机器故障下的柔性作业车间动态调度是有效的.     

改进GA-BP神经网络在高校教学质量评价中的应用

为了提高高校教学质量评价的有效性和准确性,提出了一种基于混合智能优化算法的教学质量评价模型。引入熵值法客观地确定教学质量评价体系的指标权重及初始评价结果,利用自适应变异的遗传算法(Genetic algorithm)优化BP神经网络(Back propagation neural network)的参数,建立教学质量评价模型。实验结果表明,与BPNN(Back propagation neural network)、GA-BPNN(Genetic algorithm-back propagation neural network)模型相比,预测精度分别提高15.04%和5.41%,收敛速度明显提高,说明基于自适应变异的GA-BPNN教学质量评价模型能够及时有效地完成教学质量评价。