泵站枢纽三维湍流数值模拟研究

采用雷诺平均纳维斯托克斯方程(RANS)和标准κ-ε湍流模型,运用SIMPLEC算法,对无锡市仙蠡桥泵站枢纽6种运行组合工况进行了三维数值模拟,预测了回流区及旋涡发生的位置和形态,计算得出了泵站枢纽流速分布规律以及泵站出水河道与京杭大运河交汇处的最大横向流速,计算结果与水工模型试验结果吻合.该研究不仅为仙蠡桥泵站枢纽优化设计、合理布局提供了理论指导,而且研究方法可应用于其他泵站枢纽水流流态数值模拟.     

实现自相关验证的通用注册码构建算法

提出了一种用户身份认证的注册码构建算法,其认证的必要信息通过自相关映射隐藏在注册码内,并可通过自相关验证来辨别注册码的真伪。构建的注册码具有用户惟一性、可验证性和安全性保证。     

一种基于B-3次样条曲线的改进的填充算法

面向服装款式CAD系统应用，提出以扫描线填充算法中的有序边表算法为核心，款式智能拼接技术中款式部件存储技术为辅助的基于B-3次样条曲线的改进的有序边表填充算法。     

一种新的多模式快速匹配算法

提出了一种针对多模式的快速模式匹配算法。算法分为预处理阶段和匹配阶段两个部分，预处理阶段对所有待匹配的模式进行分析，构造一个关于这些模式的树型有限状态自动机，匹配阶段利用这个模式自动机．对文本串进行一次性的搜索，查找文本是否包含模式集中的模式。为了提高了匹配速度，算法利用已匹配的字符串信息实行跳跃式的比较，避免了文本扫描指针的回溯。     

规则"真"的一般概念和"真"规则形式算法

在粗糙集理论框架内研究基于不完备信息系统的决策规则"真"的一般概念,讨论在一般"真"意义下最优决策规则的统一获取算法,其中首先探讨了在研究不完备决策系统时的基本考虑,然后讨论了决策规则的"真"的一般框架,引入了在一般"真"意义下广义决策向量概念,以此为基础,研究了最优决策规则的形式获取算法.     

一种新的遗传算法及其在变压器故障诊断中的应用

提出了一种新的遗传算法,其基本思想是:以网络权重和偏差的实数形式作为基因构成染色体向量,采用基因多点交叉和动态变异进行种群最优选择.研究结果表明,这种新的遗传算法是一种随机优化算法,克服了梯度下降法的不足,能够自动调节网络参数、网络的连接权重和偏差.在此基础上设计出一种基于遗传算法和溶解气体分析的变压器故障在线诊断系统.该系统只要将传感器测出的变压器中线圈电流、特征气体的含量作为输入参数,就能对信息进行融合分析,得到输入变量(线圈电流、溶解气体含量)与输出结果(故障类型、程度和部位)的复杂对应关系;能有效地减少输入层神经元的个数,改进网络内部结构,提高神经网络模型的学习效率和诊断的准确率,诊断精度高,漏报少,无误报现象.     

基于Levenberg-Marquardt算法的用户鉴别

为了维护计算机系统的安全,一般通过设置用户口令以便进行身份鉴别,防止他人冒名顶替.口令鉴别的主要弱点在于,一旦被窃,冒名顶替者就可以轻而易举地进入用户的私人账户进行非法活动.击键动力学的研究是给口令加上一个简便而有效的保护措施.击键动力学方法通过获取并分析用户敲击键盘的特征数据,自动地识别出用户的真实身份.这一辅助身份鉴别的关键问题主要是寻找准确率高、执行速度快的识别算法.本论文采用Levenberg-Marquardt(LM)算法对上述存在的问题进行了研究.     

一类多频线谱振动的主动控制方法

针对多频线谱振动提出一种新的主动控制方法--多通道解耦LMS自适应滤波方法.该方法以多个并行的LMS自适应滤波器结构和带通滤波器组成前馈控制器,带通滤波器对自适应滤波器进行解耦,以一个单自由度的减振器作为执行机构,对多个频率线谱振动进行主动减振.综合了LMS算法的快速性和频域自适应滤波的有效性,物理意义清晰,易于扩展.应用于国产某型机械式制冷机的主动减振,用B&K的PULSE 7700对现场调试结果进行分析,验证了该方法的有效性.     

基于遗传算法的模糊神经网络控制器在虚拟仪器中的实现

模糊控制技术在复杂的非线性控制过程中表现出优越的性能，神经模糊控制器的出现为自适应模糊控制设计开辟了新的途径。遗传算法由于具有不依赖于问题模型、全局最优、隐含并行性、高效率和解决不同非线性问题的鲁棒性等特点，能很好地用于神经网络的训练。两种方法综合使用，可以大大提高模糊神经推理控制系统的自学习性能和鲁棒性。通过应用Active X技术在Lab VIEW中调用和操作MATLAB的方法，实现了基于遗传算法的模糊神经网络控制器。     

基于Grover算法的量子多用户检测

经典的多用户检测技术，其求解最优解的时间复杂度为0(2n)，这是一个NP难解问题．在Pauli算子的基础上建立量子多用户信道模型，给出利用Grover算法的多用户检测解决方法．该算法的时间复杂度为O(√2n)，并且当2n足够大时，其错误的概率趋近于0．