葡萄幼胚培养技术的研究(Ⅱ)——接种时间及处理方法对胚培养的影响

选用花后35￣60d的巨峰、里扎马特和无核白葡萄,取其幼胚接种于不同激素水平M S培养基上,进行胚培养,以研究接种时间及处理方法对胚培养的影响.结果表明对花后60d的里扎玛特和巨峰的幼胚进行胚培养,其发芽率和成苗率显著高于层积处理后催芽播种的种子的发芽率与出苗率.低温和横切处理能有效地促进葡萄幼胚的萌发.花后60d的巨峰和里扎马特的发育率和成苗率最高;花后60d的无核白的幼胚发育率最高,花后50d的幼胚成苗率最高.     

基于灰色关联分析的路段行程时间卡尔曼滤波预测算法

为改善卡尔曼滤波用于时间序列预测时的自适应性能，提出基于灰色关联分析的路段行程时间实时预测算法．首先，利用灰色理论对行程时间序列的各影响因素进行灰色关联分析，根据灰色关联度的大小来选取路段行程时间的主要影响因素，由此建立相应的动态方程．在此动态方程基础上，通过卡尔曼滤波递推进行路段行程时间预测．文中利用深圳某交通干道上的实测行程时间进行仿真实验，结果表明该算法的综合预测性能优于常规卡尔曼滤波方法，可应用于正常交通流状况下的路段行程时间预测．     

一类不确定非线性离散时滞系统的鲁棒镇定问题

研究了不确定非线性离散系统的鲁棒镇定问题,把不确定非线性离散系统的鲁棒镇定问题转化为严格的线性矩阵不等式,给出了可设计系统无记忆状态反馈控制律的充分条件;当条件满足时设计出无记忆状态反馈控制律使闭环系统渐近稳定,同时得到有界非线性扰动项的最大界值.然后把结果推广到非线性时滞系统,得到了相应的结果.     

Research on Chaotic Time Series Prediction Based on K-entropy and RBF Neural Networks

In this paper, a method of direct multi-step prediction of chaotic time series is proposed, which is based on Kolmogorov entropy and radial basis functions neural networks. This is done first by reconstructing a phase space using chaotic time series, then using K-entropy as a quantitative parameter to obtain the maximum predictability time of chaotic time series, finally the predicted chaotic time series data can be acquired by using RBFNN. The application considered is Lorenz system. Simulation results for direct multi-step prediction method are compared with recurrence multi-step prediction method. The results indicate that the direct multi-step prediction is more accurate and rapid than the recurrence multi-step prediction within the maximum predictability time of chaotic time series. So, it is convenient to forecast and control with real time using the method of direct multi-step prediction.     

IEEE802.11 DCF退避机制分析和改进

引入二维马尔科夫模型,对退避时隙选择概率分布对IEEE802.11DCF系统性能的影响进行了理论分析,并提出了一种简单有效的退避时隙选择改进方案.仿真结果证明,该方案能够有效提高IEEE802.11的饱和吞吐量.     

EKF在多变量混沌序列辨识中的应用

运用扩维技术以及扩展卡尔曼滤波算法的跟踪辨识特性同步实现对多变量混沌序列的精确预测和混沌系统主动态方程的参数辨识。利用典型混沌方程与所观测时间序列的吸引子特性比较，较准确地确定系统初始状态。对理想Roessler三个变量的时间序列和大连市气温降雨二变量时间序列进行仿真并与递推最小二乘法进行比较，结果表明该方法的有效性。     

一种支持实时协同虚拟装配的体系架构

协同虚拟装配技术为多个设计人员在同一虚拟场景中共同进行装配试验提供了条件。主要就如何实现协同装配的实时性进行了研究,提出了一种“复合式”的协同体系架构,并采用基于C/P(命令/参数)消息的数据传输方式实现协同任务的实时传输,进一步的采用任务的分解执行方式实现协同任务的实时处理。在上述架构与技术基础之上设计开发了一个支持实时协同的虚拟装配系统,并以大型机械压力机的实时协同装配为例对系统进行了验证。     

成本约束下工作流时间最小化的资源配置优化

时间是衡量工作流性能的重要指标。通过对工作流的资源配置的优化,可以改善工作流的时间性能。资源配置优化可以从资源专业化/一般化程度和资源数量两个方面来进行。为了优化资源的这两个方面,提出了一种基于分层嵌套遗传算法的资源优化方法。它采用工作流实例平均响应时间作为评价指标,在成本的约束下,正确配置各类资源专业化/一般化的程度及资源数量,从而最优化工作流时间性能。并通过实例,说明了该方法的可行性和有效性。     

企业科研社会责任的法律规制与自觉行动--基于新《公司法》精神解读

企业在国际潮流的推动和国内经济体制改革深化的背景下正成为科研主体,这与新<公司法>鼓励公司成为市场活动的主要力量相契合.企业社会责任正初步法律化,新<公司法>对此只做了导向性规定,企业科研活动应遵从社会责任导向.企业科研社会责任的有效承担需要法律规制,但更需要形成多方合力作用,以责任和谐和利益联结的制度安排发挥合力,最终促成企业自觉行动的意识和能力.     

时滞的周期神经网络模型周期解的稳定性分析

通过构造Lyapunov-Krasovskii泛函,获得了时滞周期神经网络模型周期解全局渐近稳定性的一个充分条件.