线性时间序列模型与双线性模型的识别研究

根据线性模型的特点，在推广的高阶矩概念的基础上，将高阶矩应用于系统的结构辨识问题中。介绍了用最小二乘原理估计高阶矩参数以及判定参数置信区间等内容。     

磁流变阻尼器滞回模型参数的敏感性分析及其简化模型

为解决Bouc-Wen模型参数多、数学表达式复杂、参数识别困难的问题,根据Bouc-Wen模型中参数的物理意义及其对结果输出贡献的大小进行了参数敏感性分析,滤除敏感性差的参数,令敏感性强的参数参与拟合滞回曲线,从而获得了简化的Bouc-Wen模型.在参数敏感性分析中,提出并采用了修正的one-at-a-time(OAAT)法.修正OAAT法是在OAAT法的基础上,令待测参数之外的其他参数自由变化,充分考虑了参数之间的耦合关系,具有全局敏感性分析的意义,可使结果更为准确和全面.为了验证Bouc-Wen简化模型的有效性,采用遗传算法对Bouc-Wen模型和Bouc-Wen简化模型的参数进行了识别,并对磁流变阻尼器力学特性试验数据进行了数值模拟,结果表明:Bouc-Wen简化模型能够更精确、更高效地模拟滞回曲线,拟合精度平均提高了4％,计算效率平均提高了47％.     

单相可调逆变电源的控制与仿真

以通用逆变电源为设计目标,采用SPWM脉宽调制作为控制核心,对单相逆变器进行稳压调节与仿真。建立了逆变电路仿真模型,通过输出电压瞬时值进行闭环PID控制,输出电压可在50～220V内调节,适应于一般性负载。     

基于词内部模式的中文新词识别研究

提出了一种基于支持向量机的中文新词识别算法.该算法结合新词内部模式以及词长等提出了基于词内部模式的改进字符位置似然概率,并综合新词的邻接类别等特征对新词进行识别.经过小说语料测试,实验结果表明：该算法的微F1值为0.583 3,宏F1值为0.775 7,分别比不考虑词内部模式的基准算法提高约63%和30%.     

一种高速低相位噪声锁相环的设计

设计了一种1．8V、SMIC0．18μm工艺的低噪声高速锁相环电路．通过采用环行压控振荡器,节省了芯片面积和成本．通过采用差分对输入形式的延时单元,很好地抑制了电源噪声．与传统的简单差分对反相器延时单元相比,该结构通过采用钳位管和正反馈管,实现了输出节点电位的快速转变,整个电路芯片测试结果表明：在输入参考频率为20MHz、电荷泵电流为40μA、带宽为100kHz时,该锁相环可稳定输出频率为7971MHz—1．272GHz的时钟信号,且在中心频率500kHz频编处相位噪声可减小至-94．3dBc／Hz。     

指纹图谱技术在中药鉴别中的应用

简述了中药鉴别发展历史，中药指纹图谱技术鉴别的理论依据以及中药薄层色谱指纹图谱、高效液相色谱指纹图谱、气相色谱指纹图谱、高效毛细管电泳指纹图谱、核磁共振指纹图谱、质谱指纹图谱、X射线衍射指纹图谱和DNA指纹图谱的鉴别．     

开环反应对E-20环氧树脂水性化过程的研究

研究接枝单体对E-20型环氧树脂分子中环氧基开环率的影响。采用自由基接枝共聚的方法对环氧树脂进行改性使其具有水溶性。以过氧化苯甲酰为引发剂,接枝单体拟选用丙烯酸、甲基丙烯酸丁酯、苯乙烯通过自由基反应接枝到E-20环氧树脂分子上,制备自乳化的环氧乳液。这种改性的环氧树脂乳液具有很低的有机挥发物,满足了当前提倡的绿色环保的要求。     

适用于励磁系统建模的模糊神经网络方法

基于原有励磁建模方法,将模糊理论和神经网络相结合,充分利用模糊理论处理不精确问题和神经网络较强的泛化能力等优势,形成一种模糊神经网络(FNN),并推导了FNN的学习算法.将此FNN用于发电机的控制环节——励磁系统建模.仿真结果显示,FNN模型能够较精确地对实际系统进行拟合.     

一种非线性时序模型的结构辨识方法

本文从模型的结构形式入手,讨论了几种非线性模型之间的关系,采用Gram-Schmldt正交化最小二乘算法实现了非线性模型的结构确定和参数估计。并给出了应用非线性模型对陀螺漂移过程的建模结果。     

基于Attention Bi-LSTM模型构建蛋白质诱饵序列库

利用计算机技术在海量质谱数据中鉴定蛋白质序列是蛋白质组学研究最基本且重要的任务之一,诱饵序列库构建的好坏是蛋白质鉴定质量控制成功的关键之一。发展了基于注意力机制-双向长短期记忆神经网络(Attention Bi-LSTM)的诱饵序列构建方法,整体研究基于编码-解码框架,采用双向长短期记忆神经网络在解决传统循环神经网络梯度消失问题的同时,可以捕获前向后向更多依赖信息对处理序列数据更加有优势;引入注意力机制提高模型对目标序列库和诱饵序列库相关程度的关注度;并与目前常用的随机和反转算法进行比较。结果显示,基于Attention Bi-LSTM模型构建的诱饵序列库能满足理想诱饵序列库的各项特征要求;在不同大小实验数据集以及谱图、肽段、蛋白3个层面对比分析,显示构建的诱饵序列库与其他方法比具有更好的灵敏性。因此,Attention Bi-LSTM是一种很有潜力的诱饵序列库构建方法。