壳聚糖/聚乙交酯三维编织物的力学性能

选择合适的生物材料和适宜的制备方法是实现组织修复、重建的重要环节．采用三维四步圆型编织方法,由壳聚糖和聚乙交酯(PGA)纤维制备绳索状三维编织物,研究其拉伸力学特性．研究结果表明：壳聚糖三维编织物的拉伸曲线与天然肌腱相似；直径为3．5mm的壳聚糖三维编织物在湿态下的最大拉伸载荷为50～85N,远低于其干态下值(140～225N),添加轴向纱对其无显著影响；在编织纱中掺入PGA纤维,可显著提高三维编织物的最大拉伸裁荷；PGA含量较高的壳聚糖/PGA三维编织物预期可以用作人工肌腱材料．     

隧道人工冻土帷幕边界雷达探测试验分析

在分析冻结法施工过程中冻土帷幕边界的传统判定方法优缺点，以及比较冻结土体与天然土体电性差异的基础上，结合上海复兴东路隧道联络通道的施工，开展了采用探地雷达方法对人工冻土帷幕边界进行判定的试验．通过正演模型试验了解了冻土边界的雷达反射波波形、振幅及相位特征；对实测雷达剖面进行非线性滤波处理，以消除隧道内的电磁干扰，并通过追踪同相轴判定冻土边界．雷达剖面解释结果与由测温孔监测资料推算出的温度场分布所反映的冻土边界能够较好地吻合，可以弥补测温法中测温孔数量少、元件损伤而导致数据丢失的缺陷．     

多目标遗传繁衍样本策略的应用研究

提出了以最小误差平方和作为样本相似度,结合制约条件经验公式的多目标遗传算法进行样本繁衍的策略,并探讨了使用多目标遗传算法对样本进行重复繁衍,从而得到符合真实条件并与原始样本非常接近的仿真样本,以便与原始样本一起进行训练得到可用神经网络的方法。作为对该方法的验证,笔者使用这种方法在仅能获得43个样本的基础上,建立了一个用于预测爆炸密实法地表沉降量的神经网络模型,获得了良好的效果。     

翅片管换热器仿真软件精度自适应校正方法

提出了一种自动修正翅片管换热器仿真精度的方法.根据用户所能提供实验数据的数量,采用不同的策略,实验数据较少时采用简单的多项式回归的形式来建立管外空气侧换热系数修正因子的修正多项式;实验数据较多时采用人工神经网络的方式来得到管外空气侧换热系数修正因子的神经网络关联模型.用于实际的仿真计算时,修正前的换热量误差最大28.96%,平均为11.12%;采用多项式修正后误差最大15.33%,平均5.38%;采用神经网络修正后误差最大4.9%,平均1.0%.     

对抗环境下足球机器人路径规划

在RoboCup中型组足球机器人比赛环境下,实现机器人实时、有效的路径规划是赢得比赛的重要前提.充分考虑到足球机器人比赛中实时性和对抗性的特点,采用具有实时性优势的人工势场法,并综合考虑障碍物、目标点以及机器人之间相对位置和相对速度的关系,提出一种相对威胁系数的概念.该系数能够反映比赛中双方机器人实际对抗的强弱程度.将相对威胁系数应用到传统的人工势场中,形成一种新的改进型人工势场法,较好地解决了对抗环境下机器人路径规划中一些实时性、有效性的问题.仿真实验验证了所提出算法在足球机器人比赛系统中具有可行性.将该算法应用于交龙足球机器人上,在实际比赛中取得了较好的成绩.     

徐州市人工侧柏林的群落结构及物种多样性分析

以徐州周围山地人工侧柏林为研究对象,在全面勘察的基础上,建立了10块具有代表性的调查样地.通过对群落的生境条件、种类组成和结构等的调查,详细分析了徐州市现有侧柏林的群落结构和物种多样性.分析结果显示,徐州周围山地现有人工侧柏林群落结构简单,物种丰富度和多样性较低,生长更新缓慢.建议引种朴树、臭椿、黄连木、三角槭、梧桐、女贞等树种,以改造林相,促进地带性植被的恢复.     

BP神经网络数值预测方法的研究

人工神经网络作为一个具有高度非线性映射能力的的计算模型,具有广泛的应用前景.在数值预测方面,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测.本文在对其进行深入研究的基础上,探讨了利用BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议.     

应用人工神经网络方法预测M-EDTA配位稳定常数

应用人工神经网络法预测金属离子的M-EDTA配位稳定常数,并通过计算54种金属离子的M-EDTA配位稳定常数,确定了金属离子的基本参数与M-EDTA配位稳定常数的定量关系.通过对网络结构和参数的优化,提高了预报的准确度.     

同步电机在线参数辨识的混合算法

根据输出误差法(OEM)、遗传算法和神经网络的优缺点,提出了一种同步电机参数在线辨识的四步法.由于OEM辨识参数需要较好的初值,文中首先用遗传算法在大范围内进行参数寻优,然后以此值作为OEM的初值进行迭代,再用OEM求得的结果训练人工神经网络,最后通过成功训练的神经网络在线辨识各种运行状态下的电机参数.这样使得传统的OEM参数辨识算法、遗传算法和神经网络在辨识参数方面充分地扬长避短,解决了单一算法的不足.在对一台111kVA、440V同步电机进行的仿真试验中,该方法在保证精度的前提下,辨识时间仅为0 008s.     

非线性时序的混沌特性分析与预测

非线性时间序列相空间重构过程中的参数选择问题以及有效的预测方法一直是该领域研究的热点和难点，基于虚假最近邻域概念，同时确定最佳的嵌入维数m与时间延迟τ，对实际非线性时间序列进行相空间重构，求解出时间序列最在Lyapunov指数LE，验证了其中混沌特性，其可预报尺度为[1／LE]．并应用基于[1／LE]个输入神经元与Kenya提出的m：2m：m：1这两种人工神经网络结构对非线性时间序列进行训练和预测，预测结果的平均误差分别为4％和2％左右，后一种神经网络结构能提供更好的预测结果。