定温加热下微石英管内部换热特征的实验研究

以蒸馏水为工质,流过内径分别为242μm,315μm和520μm石英管,采用饱和水蒸气来加热石英管,实现定温加热以研究石英管内部的换热．根据饱和水蒸气的压力来确定石英管外壁的温度值,实现了定温加热与温度测量的同步．实验得到了雷诺数RP在100-6000变化时的努谢尔特数Nu,并与经典的层流、过渡流及紊流换热准则方程式进行了对比．实验结果表明,在Re较低时,微石英管内部的Nu低于常规经典的换热准则方程式的解,但RP增加到16001900时,微石英管内的Nu与过渡流准则方程式的解基本一致;当RP增加到3500～5000时,微石英管内部换热的Nu达到常规尺度下的紊流换热方程式的解．     

基于粒子群的交叉规划问题的求解算法

提出了基于单纯形法和内部映射牛顿法的子空间置信域法的粒子群算法,分别用于求解线性交叉规划和非线性交叉规划,并结合实例说明了这两种混合粒子群算法求解交叉规划的可行性和有效性.     

Forecasting and analyzing economic activity with coincident and leading indexes: The case of Connecticut

We develop coincident and leading employment indexes for the Connecticut economy. Four employment-related variables enter the coincident index while five employment-related variables enter the leading index. The peaks and troughs in the leading index lead the peaks and troughs in the coincident index by an average of 3 and 9 months. Finally, we use the leading index in vector-autoregressive (VAR) and Bayesian vector-autoregressive (BVAR) models to forecast the coincident index, non-farm employment, and the unemployment rate.     

燃烧过程中有害物质的富集与超细颗粒物的形成

燃煤排放的超细颗粒物及其上富集的有害物质已对环境和人类健康造成了巨大危害.通过对烟煤在沉降炉内燃烧试验研究,综合分析了煤粉粒径、燃烧温度、氧气含量对一次颗粒物形成的影响,并探讨了烟煤的膨胀特性及其对颗粒物形成的影响;采用最新的采样方法和系统从空气动力学直径角度对多台燃煤锅炉除尘器入口、出口的飞灰颗粒进行13级分级取样,得到了除尘器前后飞灰颗粒、元素的质量粒径分布规律、元素分布富集规律及不同除尘器对不同粒径颗粒的除尘效率;揭示了有害元素在超细颗粒物上的分布规律;针对燃后区化学团聚促进作用进行了实验研究,发现团聚剂能较好促进超细颗粒物团聚,使烟尘排放减低50%.     

超立方体三次幂的可区别数研究

根据d维超立方体p次幂结构特性,研究了其顶点间距离与海明距离的关系,给出了确定顶点坐标的充分必要条件,并对d维超立方体三次幂H3d的可区别数进行了研究.得到H3d可区别数的一个上界:D(H3d)≤5(d≥6).     

基于MPC的无人机航迹跟踪控制器设计

针对固定翼无人机航迹跟踪问题,采用基于状态扩展的双反馈模型预测控制理论对控制器进行设计。首先推导基于侧向偏差的无人机侧向航迹跟踪模型,采用动态逆方法对模型进行线性化处理,在此基础上设计基于状态扩展的双反馈模型预测控制器,并采用量子粒子群优化(quantum particle swarm optimization, QPSO)算法对控制器参数进行优化,考虑无人机飞行过程中受到的未知干扰,引入扩张状态观测器(extended states observer, ESO)对干扰进行观测,进一步提高系统的鲁棒性,并结合实际工程应用对系统进行数学仿真。仿真结果表明,基于状态扩展双反馈模型预测控制的无人机侧向航迹跟踪控制器,能够在系统存在模型不确定性与受到动态干扰时对期望航迹进行准确、稳定的跟踪。     

基于注意力机制的GRU神经网络安全态势预测方法

传统的网络安全态势预测方法依赖于历史态势值的准确性,并且各种网络安全因素之间存在相关性和重要程度差异性。针对以上问题,提出一种基于注意力机制的循环门控单元(recurrent gate unit, GRU)编码预测方法,该方法利用GRU神经网络挖掘网络安全态势数据之间的时间相关性;引入注意力机制计算安全指标的分配权重并将其编码为网络安全态势值;利用改进的粒子群优化(particle swarm optimization, PSO)算法进行超参数寻优,以加速GRU神经网络的训练。仿真分析表明,所提方法具有更快的收敛速度和较低的复杂度,并且在不同的预测时长下具有较小的均方误差和平均绝对误差。     

粒子群优化算法中加速因子的设置与试验分析

着重分析了粒子群优化算法中线性变化加速因子对粒子收敛的影响,使用4个著名的基准函数,对加速因子进行了测试,并在此基础上,对加速因子提出了一个推荐的设置值．模拟实验结果表明,该推荐设置值可以使粒子在搜索的初期获得更好的多样性,从而使粒子具有更强的摆脱局部极值的能力,在后期加快粒子的收敛速度以提高PSO算法的性能。     

塞曼效应实验的一个应用

由塞曼效应实验结果去确定原子的总角动量量子数J值和朗德因子g值,近而去确定原子总轨道角动量量子数L和总自旋量子数S的数值.此方法的运用,对知识巩固和加深的同时,训练学生由实验结果得到理论结论,实现物理学理论指导实践、实践反作用理论的宗旨.这无疑对增强学生的创新能力有巨大的帮助.     

基于混沌粒子群算法的高速旅客列车优化调度

列车优化调度是一个大规模、复杂的、具有非线性离散变量和多约束的多目标数学优化问题.在优化过程中,考虑了特快旅客列车中途离开时间和整个运行时间等因素.首次将粒子群优化(particle swarmoptimization,PSO)技术引入列车优化调度,克服了传统优化方法易陷入局部最优和维数灾难等弊端.通过一个工程实例验证了该算法的可行性和有效性.同时,与现存的列车优化调度方法相比,粒子群优化方法的搜索时间短而且优化结果更接近最优解.