生化过程的神经网络组合模型

用神经网络描述未知的反应动力学参数，结合反应器物料平衡方程，提出了生化过程的神经网络组合模型。并提出了特别适合微生物发酵过程的Ｍｏｎｏｄ饱和型和基质抑制型的神经元传递函数。在Ｈｅｂｂ学习的基础上，引入教师指导信号，提出了神经网络误差一次反向传播的快速学习算法。将此组合模型用于某流加发酵过程状态变量和动力学参数的在线估计，仿真研究获得了满意的结果。组合模型具有训练速度快、预测精度高等优点，为动力学结     

热轧带钢超快速冷却过程的换热分析

采用有限差分数值计算方法,确定了热轧带钢实现超快速冷却的综合对流换热系数范围,对于厚度为3~4 mm的带钢,实现300~400℃/s超快速冷却速率所需的带钢表面对流换热范围约为(4~8)kW/(m2.K).分析了水冷过程中带钢表面的局部换热机理,认为冷却系统实现超快速冷却的关键在于扩大带钢表面射流冲击换热区的面积.温度场的计算分析表明,与层流冷却相比,超快速冷却条件下厚度方向的温度梯度显著增大,有必要在超快速冷却技术的实际应用中考虑厚度方向温度梯度的影响.     

快充对高功率镍氢电池充电效率的影响研究

比较了各种倍率恒流充电和脉冲充电过程中N i-MH电池的温度和内压,进行了在动力电池工作荷电状态范围内的300周高倍率循环测试,并对循环前后电池正负极电位、储氢合金形貌、循环伏安特性的变化进行了研究.实验结果表明,高倍率充放电循环使电池性能下降的主要原因是负极合金性能的恶化.     

基于视域剔除和图像缓存技术的复杂场景快速绘制方法

结合基于场景图构建的虚拟场景和仿真应用的特点,提出了一种基于视域剔除和图像缓存技术的复杂场景快速绘制方法。此方法能够有效地解决图像缓存算法中,由于未考虑视域不可见剔除,而造成的绘制元素复杂度计算偏差引起图像缓存误判断,从而降低绘制效率的问题。另外,通过对图像缓存有效性的判断,可以简化视域不可见剔除的判断,提高绘制效率。     

运用GA和FFT确定稀疏阵列的激励幅度

针对天线单元沿阵列中心非对称分布的稀疏直线阵列(单元从间距为半波长的规则栅格中稀疏),讨论了以激励幅度分布为决策变量,以最大相对旁瓣电平为优化目标的遗传算法(genetic algorithm,GA),运用个体的真值编码及其中间重组的交叉方法改进了遗传算法的收敛性能。由于阵元间距是栅格的整数倍,因此GA中凭借离散傅里叶变换,使适应度函数的计算可利用高效的FFT算法。仿真中对一个154阵元、孔径约100倍波长的非对称稀疏线阵的激励幅度进行优化,使其副瓣电平下降了1.36dB。两个仿真实例证实了算法的有效性。     

基于对比度因子调节的快速分形解码算法

通过对搜寻码本设置门限的方法来调节对比度因子,提出了基于对比度因子调节的快速分形解码算法.实验结果表明,该算法获得了较基本分形算法质量高的第一次迭代后图像,在图像质量降质较小的情况下比基本分形解码明显地加快了收敛速度,从而可较好地满足需要超高速图像解码的应用场合(如实时视频传输).     

电大尺寸载体天线间宽带干扰耦合快速分析

为求解电大尺寸载体天线间的宽带干扰耦合度,建立了天线间干扰耦合分析模型,提出了自适应多层快速多极子算法作为求解该耦合分析模型的核心算法.该算法将阻抗积分表达式中的基函数和权函数分别用不同空间位置上的Dirac函数展开,使阻抗积分的计算得到大大简化,所有转移过程可由快速傅里叶变换计算完成,应用波形渐进估计技术计算载体表面及天线上的宽带电流值,最后结合微波二端口网络理论求得天线间的宽带耦合度.数值实验和实测结果证明,在精度相等的前提下,所提出的快速分析方法比传统快速分析方法的计算效率和存储效率均提高了30%左右.     

体温过低对大鼠脑干听觉诱发电位快慢成分的影响

目的：探讨体温过低对大鼠脑干听觉诱发电位快慢成分的影响。方法：计算机平均叠加技术颅表记录大鼠脑干听觉诱发电位（BAEP）快慢成分，体表物理降温法逐渐降低大鼠体温，传感探头式数字体温计监测大鼠直肠温度，体温每降低1℃测试1次BAEP快慢成分，观察波峰潜伏期（PL）、波峰间潜伏期（IPL）和波幅的变化。结果：随体温逐渐降低（36－25℃），BAEP快慢成分PL逐渐延长，快成分I－Ⅲ、Ⅱ-Ⅳ和I－Ⅳ IPL也逐渐延长，但两者波幅未随体温降低而发生规律性显著变化。结论：体温过低对大鼠BAEP的快慢成分均有显著影响。     

基于可进化性的快速遗传算法

给出三类可进化性较强的个体的定义,提出充分重视个体的可进化性并对可进化性强的个体加以引导,来提高遗传算法搜索效率的思想·同时考虑算法全局收敛性能而采用一种并行群体进化结构,设计了旨在提高遗传算法寻优效率的基于可进化性的快速遗传算法,仿真结果验证了这种快速遗传算法的良好性能     

Zernike矩的快速算法

给出了Zernike矩求解的一种快速算法 .利用Zernike多项式迭代性质 ,找出了Zernike正交矩之间的内在关系 ,这样 ,高阶的Zernike矩可由低价的Zernike矩求出 ,再在Chan等人提出的关于一维几何矩有效算法的基础上 ,得出了一种快速算法 .与已有方法相比 ,该算法大大减少了求解过程中的乘法次数 ,降低了计算复杂度 ,从而提高了运算速度和效率 ;并可以有效用于模式识别、图像分析及重建等领域中