用预测－校正方法解非线性含扩散的色谱方程

用预测－校正方法，模拟了非线性含扩散的色谱过程，并与有限分析法及Ｇａｌｅｒｋｉｎ方法作了比较。     

太湖流域超标特大洪水风险预警系统建设及应用

为做好超标洪水调度、保障流域防洪安全,开发建设了由基于水文水动力学耦合的超警超保风险区域预警模型与基于水文学法的洪水淹涝风险快速评估模型共同组成的超标特大洪水风险预警系统,该系统在太湖流域预报调度一体化系统中通过智能交互方式进行模型与系统的紧密集成,实现了预报调度成果的可视化。基于水利一张图的超警超保与淹涝动态展示,实现了预报产品从点到面、从常规预报到影响预测的突破,以及洪水风险由静态评估向实时快速动态分析的转变。应用结果表明：系统在2020年太湖流域性大洪水中累计发布超警超保风险提示39期、洪水淹涝风险评估4期,预测结果与实际基本一致,为科学调度防御超标洪水提供了技术支撑,避免了江苏省苏州市3万多的人员转移,有力保障了太湖流域防洪安全。     

正交激励超声切削装置的椭圆轨迹偏转与校正

为研究超声椭圆振动切削（ultrasonic elliptical vibration cutting,UEVC）刀尖轨迹形成及控制,解决刀尖轨迹非正椭圆问题,建立二维正交柔性导波UEVC装置刀尖轨迹的运动学模型;分析90°相位差下非正椭圆轨迹产生原因,建立刀尖轨迹校正模型,并推导出基于正椭圆轨迹下的刀尖轨迹偏转模型。通过实验对刀尖轨迹校正模型进行验证,校正后轨迹偏离坐标轴1.67°,小于校正前偏离角度。实验结果表明,该模型能够有效地校正刀尖轨迹,可在轨迹控制方面为后续研究刀尖轨迹偏转及变刀尖轨迹超声振动加工提供理论基础。     

基于神经网络的船舶稳性预报研究

为省略船舶稳性计算中横摇阻尼以及船舶阻力等参数的复杂计算过程,提出一种采用径向基函数(RBF)神经网络对第二代完整稳性失效概率预报的方法.研究包括过度加速度、瘫船稳性以及骑浪/横甩3种失效模式.通过研究船舶相关参数对各失效模式失效概率的影响,确定采用RBF神经网络对每种失效模式进行预报时输入特征的选取,从而降低训练时长.使用训练后的网络对样本船稳性进行预报,采用均方误差和平均绝对百分比误差对预报结果进行评估.对3种失效模式预报结果的平均绝对百分比误差分别为6.49%、7.09%、5.70%,均小于10%,表明采用RBF神经网络可较为精准地对船舶稳性进行预报.     

超高压高CO2气藏偏差系数图版扩展与应用

Standing-Katz图版法确定天然气偏差系数是目前最常用、最基础的方法之一,但存在人工读值误差大、在超高压（拟对比压力大于15）和高CO₂含量天然气使用受限等问题。设计单组分偏差系数测定实验,结合Standing-Katz图版曲线变化规律,将图版拟对比压力扩展到30,拟对比温度扩展到3.6,并将图版数字化;基于不同CO₂含量偏差系数测定实验结果,推导了考虑不同CO₂含量的天然气拟临界压力、拟临界温度计算新模型,与常规非烃校正模型相比,新模型计算精度更高,适用范围更广。进一步将新临界参数校正模型嵌入到偏差系数扩展图版中,得到不同CO₂含量的偏差系数扩展图版,该图版在南海西部超高温高压、高CO₂含量天然气偏差系数计算中误差较小（不超过3%）,应用效果良好。     

神经网络校正的EKF在高超声速目标跟踪中的应用

针对临近空间高超声速目标高度非线性、强耦合、高机动、时变参数、和独特气动特性等特点,综合运用军事运筹学理论与方法、系统建模技术、神经网络技术以及计算机仿真等,提出基于神经网络校正的扩展卡尔曼滤波(EKF)算法,并在高超声速目标跟踪中进行了应用研究。采取神经网络的学习能力来克服卡尔曼滤波发散问题,通过卡尔曼滤波后加一级误差处理环节使滤波收敛。仿真结果表明:该算法在目标发生较大机动时仍能保持较高的跟踪精度。     

无初始状态统计知识时多变量系统的最优平滑与预报

在无初始状态统计知识的情况下,我们分别就固定点平滑、固定滞后平滑与预报３种情况给出了动态系统的最优线性最小偏差估计（ＢＬＩＭＢＥ）,同时还给出了完全（ｉ,ｊ,Ｔｉ）－可重构性的概念及系统完全（ｉ,ｊ,Ｔｉ）－可重构的充要条件     

扩频系统中自动频率校正单元的设计与实现

针对ＩＳ－９５码分多址蜂窝通信系统标准,给出了一种在从导引信道上提取信道参数并同时获取对载频频差的估计方案,给出了自动频率校正环路的设计方案,及其ＦＰＧＡ实现。该方案简单可行,硬件资源消耗少,且能明显改善移动台接收机的性能。     

爆破地震峰值的神经网络预报模型

对爆破地震值进行预报,方法,采用神经网络模型,对秦山核电站某爆破工程监测得到的２０组震动峰值数据进行学习,然后对另１０组数据进行预报。结果,实测值与预报所在分类区域完全一致。