动力学模态分解方法重构及预测流场误差分析

利用动力学模态分解(dynamic mode decomposition,DMD)方法可以实现非定常流场的分解、重构和预测,但该方法重构和预测流场的误差需要给出定量分析.鉴于此,提出了定量描述动力学模态分解重构和预测流场的误差分析方法,以雷诺数Re=80的圆柱绕流二维流场数值模拟结果为例,研究了非线性流动和周期性流场重构和预测误差的动态变化情况.结果表明:依据能量大小确定的模态反映了流场的主要相干结构;低频、低增长/衰减率和大尺度的相干结构能量占比大,对流场的影响较大;DMD方法可以准确重构非线性和周期性变化流场,重构的误差小于10-10,预测流场的误差较重构流场出现跳跃增大现象;DMD方法预测非线性变化流场的误差在样本时间区间内较小(小于10-3),超出样本区间误差的发展急剧增大,变化情况依赖于数据样本;预测周期性流场的误差稳定在10-4左右.     

运用图像重构误差控制的骨架简化方法

将贝叶斯模型方法运用于基于图像重构误差控制下的骨架简化问题,通过建立平衡算法实现重构精度与骨架简化的平衡统一.在算法的设计中,通过对骨架分支级别的设置,运用重构误差和骨架简洁度两个控制参数以及平衡算法,在骨架主轴的基础上通过添加相关各级别的骨架分支,实现对骨架分支的优选,最终获得图像的最优近似骨架.实验结果表明:本算法对于边界扰动具有较好的鲁棒性,与其它方法相比,本算法复杂度较低,运算速度更快,得到的骨架也更简洁.     

植入式硅神经微电极的发展

 神经科学和神经工程研究需要研究大脑神经元的电活动情况，以了解大脑产生、传输和处理信息的机制。植入式神经微电极作为一种传感器件，是时间分辨率最高的神经电活动传感手段之一。介绍了国内外几种主要的植入式硅基神经微电极的结构特点、制备方法和性能特点。分析表明，未来通过不断结构优化和改性修饰，特别是在高通量的神经记录方面，通过与同样基于硅材料的电路的集成，硅神经微电极能够进一步提高生物相容性，解决大规模的电极通道体内外传输与连接问题，实现对神经元的在体大规模长时间记录。     

电动势的测定及其应注意的问题

本课题通过用不同的方法测定的电动势分析,经过电动势测定的误差分析,找到各种方法的利弊,并且对电极制备以及测定电动势的装置进行改进,近而对问题进行探讨。改进后找到实验和研究的捷径,从而在高等学校化学实验以及生产中节省很多的人力和财力。     

C~(14)年龄测定中的统计误差分析

本文从放射性衰变所遵守的统计规律出发,导出了以衰变计数表示的C~(14)年龄测量统计误差表达式,对公式的物理意义及适用范围进行了讨论,并对若干测量实例做了统计误差处理。     

精密镗削头振动模态的实验研究

通过对国产与进Ｄ的同类型精密镗削头振动模态实验研究，找出了这两种精密镗削头的固有振动频率，给出了它们的各阶动画振型图．从这一侧面解释了国产精密镗削头回转精度偏低的原因。     

CNC系统中任意三维椭圆弧的高速插补新方法

本文根据两步递归插补的思想,导出了任意三维椭圆弧高速插补的公式和算法.它是空间圆弧高速插补方法在三维椭圆弧的情况下进一步推广应用.本文最后还对插补算法进行了稳定性分析和误差分析.     

辅助变量与扰动项相关情况下的回归估计

讨论了辅助变量与扰动项相关条件下的回归估计,给出了在这种条件下回归估计量的偏差和均方误差以及均方误差的估计.