基于量子微粒群优化算法的半透明介质光学参数反演

针对半透明介质光学参数估计问题,建立了脉冲激光辐照下半透明介质光学参数反演模型,采用量子微粒群优化(QPSO)算法反演了折射率和吸收系数,分析了测量误差、热物性参数对反演结果的影响,并利用敏感性分析揭示了反演精度与测量误差的关系.计算结果表明：建立的反演模型和采用的QPSO算法可以精确估计折射率和吸收系数,即使人为添加10%的测量误差,反演结果依然具有较强的鲁棒性和准确度.本研究可为半透明介质物性参数获取提供技术参考.     

基于PSO磁悬浮球系统自适应灰预测控制

目的 针对磁悬浮球系统非线性不稳定和滞后性的问题,提出一种基于粒子群优化的自适应灰色预测 PID (Proportion Integration Differentiation)复合控制策略。 方法 通过在 PID 控制模块的反馈环中引入具有等维新息特征的灰色预测器,对系统误差进行及时反馈修正,以提高控制系统的响应速度和鲁棒性;同时,融合粒子群智能算 法对控制器参数迭代优化,以提高控制系统控制精度和抗干扰能力;最后,在 MATLAB / Simulink 环境下搭建仿真 平台进行对比实验。 结果 验证基于粒子群优化的自适应灰预测控制系统模型的超调量、峰值时间、调节时间显著 改善。 结论 证实该策略可以有效抑制系统滞后性,具有良好的稳定性和鲁棒性。     

回流充气法处理中,高量含铁地下水的研究

本文介绍一种深井回流充气工艺,它兼具充氧和除铁综合性能的新型工艺形式,能改善含铁地下水的过滤性能.在此基础上提出了深井回流充气稳定期的概念,建立了深井回流充气系统中氧量的平衡关系.通过正交试验,提出了处理中、高量含铁地下水的推荐工艺流程和工艺参数.采用χ—射线衍射方法测试了井内铁泥和成熟滤料表面滤膜的成分和形态,分析了"充气"和"过滤》两过程中的除铁机理.     

神经网络校正的EKF在高超声速目标跟踪中的应用

针对临近空间高超声速目标高度非线性、强耦合、高机动、时变参数、和独特气动特性等特点,综合运用军事运筹学理论与方法、系统建模技术、神经网络技术以及计算机仿真等,提出基于神经网络校正的扩展卡尔曼滤波(EKF)算法,并在高超声速目标跟踪中进行了应用研究。采取神经网络的学习能力来克服卡尔曼滤波发散问题,通过卡尔曼滤波后加一级误差处理环节使滤波收敛。仿真结果表明:该算法在目标发生较大机动时仍能保持较高的跟踪精度。     

伪距,伪距增量,载波相位双差／惯性深组合导航系统

利用滞后状态卡尔曼滤波将伪距,伪距增量以及载波相位双差同ＩＮＳ进行了深组合,仿真结果表明该组合导航系统不仅精度高,而且对解决惯导的对准问题具有突出的作用。     

旋风除尘器内锥形扩口芯管对其性能的影响分析和实验研究

用平衡粒径模型分析了旋风除尘器内常用的柱菜芯管结构存在的缺陷,提出了用带锥形扩口和十字板的芯管改进旋风除尘器的内部芯管结构,并用实验研究测得了新型结构减阻效的幅度。     

采用标准系统方块图实现OTA—C滤波器的设计

提出了一种采用现代控制理论中的状态空间表达式的系统方块图直接实现了ＯＴＡ－Ｃ滤波器的方法,ＳＰＩＣＥ程序模拟结果验证了设计方法的正确。     

利用时变滤波器模拟多普勒信号

计算机模拟的多普勒信号可用于评估各种多普勒信号处理的性能。为了快速而容易实现模拟正交多普勒信号,提出了一种仅利用一个时变波滤器的方法。该方法根据白噪声通过时变滤波器的特性而实现的。实验表明,对以该方法模拟的多普勒信号的短时傅里叶分析结果与理论预测相吻合,故该方法是切实可行的。     

APT 理论的非参数解释

本文用非参数回归方法中的核函数法和最近邻法来解释ＡＰＴ理论．通过不同核函数的选择和最近邻估计中参数的变化以及鲁棒性回归的辅助解释,来寻找ＡＰＴ理论较好的非参数解释．     

乙烯气相聚合高效催化剂的组成和聚合反应

研究了２种类型的乙烯气相聚合高活性催花剂．用ＳｉＯ２,ＭｇＣｌ２作复合载体,负载ＴｉＣｌ４制得的ＳＭ型催化剂,载体中含ｗ（Ｔｉ）为２％～３％,ｗ（Ｔｉ３＋）为３５％～５９％,比表面积１０５～１２０ｍ２／ｇ,催化活性每小时每克催化剂Ｔｉ催化得５．０～５．７ｋｇ产物ＰＥ（ｋｇ·ｇ－１·ｈ－１）,聚合动力学曲线为衰减型．用镁粉、卤代烷、四氯化钛为主要组分制备的ＭＧ－２型催化剂,载体中ｗ（Ｔｉ）为６％～７％,ｗ（Ｔｉ３＋）为５５％～６９％,比表面积７０～８５ｍ２／ｇ,催化活性１．８～２．０ｋｇ·ｇ－１·ｈ－１,聚合动力学曲线为平稳型．对ＳＭ型催化剂扫描电镜及图象分析得到颗粒平均粒径（ｄ）,颗粒长短轴比（ｄｌ／ｄｓ）及颗粒大小粒径比（ｄｍａｘ／ｄｍｉｎ）分别为３１μｍ,１．４０２,４．１,ＭＧ－２型催化剂为３３μｍ,１．５２４,７．０,相应聚合产物颗粒的ｄ,ｄｌ／ｄｓ,ｄｍａｘ／ｄｍｉｎ,ＳＭ型催化剂为２４７μｍ,１．２９５,４．６,ＭＧ－２型催化剂为２６３μｍ,１．５４０,９．０．显示出ＳＭ催化剂更优良的聚合性能．