多层材料组成储罐类结构温度场简化分析

为研究不同材料组成的多层储罐类结构温度场分布,基于该类结构的几何特征和温度场分布特点,将结构简化为球壳部分、圆筒部分和平板部分的组合,进而给出了简化分析模型。从热传导方程和能量守恒原理出发,应用温度边界条件的转换,得出温度等效边界条件。在研究单层材料温度场的基础上,应用递推方法和层间边界条件的连续性,给出了多层不同材料组成的球壳部分、圆筒部分和平板部分的温度场分布的理论简化解。以某典型工程为例,通过该方法与ABAQUS软件数值模拟结果的比较,验证了其计算精度。     

注塑过程子时段动态非线性质量预测

针对注塑间歇过程多阶段、缓慢时变、非线性和质量变量测量值不能在线获得等特点，提出子时段滑动窗口广义回归神经网络质量预测方法，首先，采用分类算法对三维数据矩阵的时间片PCA负载矩阵进行分析，根据相关性分析把注塑过程划分为几个子时段，然后确定与重量密切相关的阶段，在确定的阶段内采用滑动窗口建立GRNN多模型，解决常规MPLS在工业应用过程中存在的几个潜在问题：（1）静态单一模型；（2）模型失配问题；（3）MPLS线性方法不能充分有效压缩和抽取非线性过程信息；（4）估计未来测量变量所引进的模型偏差。所提方法与子时段滑动窗口MPLS方法进行仿真比较。结果证明了所提方法的有效性。     

谓词/变迁系统对一阶谓词公式的建模

研究了利用谓词/变迁系统对一阶谓词公式建模的方法。借助于软件工程中＂由粗到细,逐层分解＂的思想,定义了对各种逻辑联结词进行处理的基本模型。给出了一阶谓词公式的二叉树表示方法,进而利用二叉树的递归性质,提出了递归构造一阶谓词公式对应的谓词/变迁级的＂事实变迁＂表示的方法,克服了已有相关建模方法中存在的不足,为一阶谓词公式的自动化建模提出了新的思路。最后,探讨了一阶谓词公式的谓词/变迁系统模型在谓词逻辑推理领域的应用及其意义。     

滑动平均模型的最小二乘辨识方法比较研究

滑动平均模型辩识的困难是信息向量中存在不可测噪声项。借助于递阶辩识的交互估计理论,用估计残差代替信息向量中中不可测噪声项,借助于多新息辨识理论扩展新息长度和充分利用系统观测数据的思想,提出估计滑动平均模型参数的多新息递推最小二乘辨识方法和最小二乘迭代辨识方法。与常规递推增广最小二乘算法相比,提出的方法具有更快的收敛速度,能产生更高精度的参数估计。仿真例子验证了算法的性能。     

模型参数未知的双率采样数据系统广义预测控制方法

对于双率采样数据系统,预测控制的困难是存在采样间损失输出,使得传统的预测控制算法和参数估计算法无法实现。为此,阐述了参数未知双率系统预测控制策略。其基本思想是,利用多项式变换技术导出了一个可以使用双率数据进行辨识的模型,通过对这个模型的估算和对采样间损失输出的估计,提出了双率系统的预测控制算法,仿真例子给出满意的控制效果。     

基于可控源音频大地电磁法的场源影响校正新方法

基于一维正演模拟,对可控源音频大地电磁法(controlled-source audio magnetotelluric method, CSAMT)实测资料处理的场源影响校正问题进行了研究。通过计算远场因子与发射频率、收发距和大地电磁阻抗倒数模三者乘积(综合因数)的关系,实现了简洁有效的查表场源影响校正方法。同时,为提高校正方法解决实际生产问题的能力,又开展了视电阻率数据场源影响校正与反演处理协同联进策略(反演递归校正法)的研究工作,从而进一步提高了数据处理效果;考虑到反演递归校正处理方法,受初步校正结果影响较大,又提出了设计层状背景模型的校正方案,即在工作区前期地质与物性等资料综合研究成果的基础上,通过对工区地质-地电模型的构建,进一步提高CSAMT实测资料的场源影响校正效果,并经由理论模型算例和实测数据处理验证了方法的可行性和有效性。     

一类带延迟风险模型的破产概率的递推计算

考虑了一类带延迟的风险模型的破产概率问题.索赔记数过程为泊松过程,在泊松过程的每个跳跃点都有两类风险发生,其中一类的索赔会延迟.对该类风险模型,利用拉普拉斯变换和所满足的微分方程,给出了破产概率的递推计算公式,从而解决了最终破产概率的近似求法.     

基于RFE_RF算法的幼龄沉香叶片含水率预估模型

【目的】针对随机森林算法在树木水分预测模型中高维度变量筛选困难及精度较低的问题,研究基于递归特征消除(RFE)与随机森林(RF)的融合算法,构建幼龄沉香(Aquilaria sinensis)可见光图像与叶片含水率的估测模型,探索适合幼龄沉香生长的水分条件,为实现沉香幼苗水分亏缺程度的无损监测提供可行方法。【方法】以2年生的名贵树种沉香为研究对象,用相机获取4种不同水分梯度下的幼龄沉香可见光图像,提取15种图像特征,利用递归特征消除法筛选沉香叶片最优的图像特征子集,然后结合随机森林算法构建沉香叶片含水率的预测模型,最后利用十折交叉验证法,将RFE_RF模型与常规随机森林(RF)以及最小二乘法支持向量机(LSSVM)相比较,检验模型的可行性。利用递归特征消除和随机森林融合(RFE_RF)算法筛选出幼龄沉香叶片图像的标准红光值(I_NR)、饱和度(S)、矩形度(E_R)3个特征,并以此作为模型自变量。【结果】与重度水淹胁迫相比,幼龄沉香对于长期重度干旱胁迫更加敏感,且干旱时间超出2周时幼苗叶片严重受损,威胁沉香生长;沉香最适叶片水分生长范围为50%~65%,适度增加水分,有利于沉香生长。基于RFE_RF融合算法构建的预测模型敏感度、特异性、误报率和精度分别达到88.64%、85. 31%、14. 39%和91.62%,优于LSSVM模型效果;与RF预测模型相比其敏感度提高3.34%、特异性提高10.87%、误报率降低36.83%、精度提高13.39%。【结论】基于RFE_RF融合算法建立的沉香叶片颜色、形状特征与含水率的模型,解决了随机森林过程中高维度变量选择问题,提高了RF在林木水分预测模型中的精度,实现了沉香幼苗叶片含水率的无损估测和诊断,为珍贵树种在经营管理中对水分进行准确管控提供了新思路。