荧光假单胞杆菌磷脂酶B界面催化分子机制初探

基于荧光假单胞杆菌磷脂酶B（Pf-PLB）一级序列，分析了Pf-PLB的相关理化性质及其二级结构，并采用同源建模的方法对Pf-PLB的三级结构进行了预测；基于其预测结构，提出“掀盖进入，侧向离去”假说模型，初步探讨了Pf-PLB界面催化的可能机制；采用定点突变的方法对Pf-PLB的结构进行改造，结合突变体Pf-PLB的催化特性对所提出的机制模型进行了验证。     

动态结冰孔隙结构三维建模方法

动态结冰内部呈现多孔结构特点，这一微观孔隙结构是影响其宏观物性的关键因素，然而传统方法难以对三维孔隙结构进行定量表征。为了客观刻画结冰微观结构特征，提出了基于结冰二维图像定量信息的三维微观结构建模方法。首先，研究并确定了真实结冰尺寸与建模区域之间的比例关系，分析比例尺对分辨率和建模的影响；其次，结合二维孔隙率和孔径分布函数，提出了三维孔隙数量及其孔径的推导方法，并给定了孔隙位置随机生成方法；基于此，最终建立了以0-1矩阵形式表征结冰三维微观孔隙结构的方法。实验表明，所生成三维结冰模型的二维孔隙定量信息与实验结果吻合度较高，建模方法准确可行，为动态结冰三维刻画、微观特征参数提取和相关微观仿真模拟提供了新途径。     

基于曲面相交法的多边形柱体编织结构建模

介绍了基于曲面相交方法建立多边形柱体编织结构模型的方法。通过对编织过程中股线的运动分解和合成,抽象出了编织曲面和螺旋曲面,该两类曲面包含了编织过程中股线运动的全部信息。基于该事实提出了基于曲面相交法建立多边形柱体编织结构股线模型的方法,并以Solid Works2013为平台详细介绍了该类编织结构建模过程。     

基于Python语言和Abaqus软件的轮胎参数化高效建模技术

基于Abaqus软件提供的Python二次开发接口,研究复杂结构轮胎的参数化高效建模方法。建模过程如下：结合宏录制功能录制所需Python代码,修改参数后生成脚本文件,采用RSG对话框创建轮胎建模插件,输入轮胎结构关键参数后可以一键生成轮胎有限元几何模型。该方法将原来需要数小时才能完成的轮胎建模缩短为几秒钟,极大地提高复杂结构轮胎的设计效率,为后续轮胎有限元仿真分析奠定了较好的基础。该技术可以推广应用于飞机、轮船、汽车等的其他复杂结构零部件的高效建模中。     

生化过程的非结构模型和结构模型

本文介绍了生化过程的两类主要的数学模型——非结构模型和结构模型的结构和建模方法。并在分析两者特点的同时。提出了今后有关这类过程模型化的对策之设想。     

基于逻辑与启发性知识的MINLP过程综合方法

提出了一种系统化的基于逻辑与启发性知识的MINLP过程优化综合方法 .该方法将超结构图的拓扑结构分解成特定的几种设备连接类型 ,通过组合形成基于逻辑的混合整数规划模型 ,克服了数学规划法在建模方面所存在的不直观、难于系统化地实现、复杂的超结构模型难于建立等缺点 .模型中还以硬逻辑或启发的形式引入工程经验 ,减小了搜索空间 ,加快了求解速度 .通过化工厂公用工程系统综合的实例 ,将本方法与传统的层次分解法、数学规划法进行了比较 ,证明了其实用性和优越性     

融合过程先验知识的递归神经网络模型及其应用

大部分化工过程具有非线性特性,一般的线性建模方法难以有效应用。针对非线性化工过程动态建模,提出了一种基于过程先验知识的递归神经网络模型,充分发掘化工过程隐含的先验知识,并将这些先验知识以非线性约束的形式嵌入NARMAX结构的前馈神经网络中,同时基于增广拉格朗日乘子法约束处理机制,用PSO-IPOPT混合优化算法对过程先验知识递归神经网络权值进行优化。该过程先验知识递归神经网络模型对非线性化工过程动态建模,不仅有良好的建模精度和预测外推能力,而且能避免零增益的出现和增益反转,确保网络模型在实际应用中的安全性。文中以环管式丙烯聚合反应过程实际工业数据验证了所提网络模型的有效性。     

利用结构逼近式混合神经网络实现间歇反应器的建模

提出了一种新的混合神经网络建模方法——结构逼近式混合神经网络。基于此结构建立的混合神经网络可以充分利用已知非线性系统的结构信息,使神经网络“灰盒”化,更好地解释和描述系统各变量间的因果关系,从而提高网络的建模精度和模型的可靠性。本文介绍了这类神经网络的基本特性、拓扑结构和训练方法。报告了一个典型放热液相二级平行间歇反应的建模过程;并针对间歇反应过程测量滞后的情况,与两种不同的混合神经网络模型作了比较,仿真和比较结果证明了方法的有效性。     

状态变量部分不可测的间歇反应器的智能建模

提出一种智能化的神经网络建模方法,建立状态变量部分不可测的间歇反应器模型。针对间歇反应是一个非线性、非稳态过程,根据化学反应的非线性分离特性,采用结构逼近式神经网络构建模型的拓扑结构。利用反应的先验知识优化网络结构,赋予网络节点实际的物理意义,并完善网络训练过程,使建模过程灰箱化;通过假想教师-人工免疫训练算法,解决不可测变量影响常规网络训练的问题;通过并行优化假想教师和网络权值,提高建模精度。以实际橡胶硫化促进剂制备的间歇缩合反应过程为实验对象,详细论述了建模和网络训练的过程,证明了方法的有效性。     

过程工业软测量中的多模型融合建模方法

对多模型融合建模方法在过程工业软测量中的研究进展进行了系统总结。根据整体模型中子模型的不同,多模型融合建模方法主要可分成数据驱动融合建模方法和半参数建模方法。详细介绍了数据驱动融合建模方法和半参数建模方法的设计思想和国内外研究现状,分析了各类方法的优缺点,并提出了相应的改进方向。根据过程数据处理方法的不同,将数据驱动融合建模方法分为集成学习和聚类分析。根据模型结构形式的不同,将半参数建模方法分为串联结构和并联结构。最后对多模型融合建模方法的未来研究方向进行了展望,期望今后的研究工作能在改进数据驱动模型融合技术、提高半参数模型外推能力和解决双率数据问题等方面取得突破性进展,并指出采用多模型融合建模方法建立基于多源信息融合的软测量模型是实现过程工业中难测变量在线估计的有效方法。     

Rechnergestützte Erstellung verfahrenstechnischer Prozeßmodelle

Computer-aided generation of chemical engineering process models. The availability of adequate process models is still the most striking bottleneck for routine application of model-based techniques in process design and operation. The development of knowledge-based software tools to support process modeling is considered an important contribution to a solution of this problem. After a brief summary of the modeling tools offered in current simulator architectures, a future knowledge-based modeling tool is sketched. In addition to the software engineering, the acquisition and formalization of the modeling knowledge – comprising meaningful submodels and generic modeling strategies – is essential for the feasibility of the approach and for the acceptance of a tool. Therefore, these two themes are discussed in considerable detail. Finally, first prototype developments towards a knowledge-based modeling tool are presented.     

The effect of experimental resolution on the performance of knowledge-based discriminatory functions for protein structure selection

The key to an accurate method of protein structure prediction is the development of an effective discriminatory function. Knowledge-based discriminatory functions extract parameters from statistical analysis of experimentally determined protein structures. We assess how the quality of the protein structures used for compiling statistics affects the performance of a residue-specific all-atom probability discriminatory function (RAPDF). We find that the discriminatory power correlates with the quality of the structural dataset on which the RAPDF is parameterized in a statistically significant manner. The overrepresentation of unfavorable contacts in the low-resolution and NMR structures contributes to the major errors in the compilation of the conditional probabilities. Such errors weaken the discriminatory power of the function, especially when decoy conformations also contain considerable numbers of unfavorable contacts. This indicates that using high-resolution structural datasets after filtering out unfavorable contacts can improve the performance of knowledge-based discriminatory functions.     

Development of high-efficiency modeling technique for weld-bonded steel joints in vehicle structures—Part I: Static experiments and simulations

To develop an effective modeling technique for weld-bonded structures, fundamental experimental studies, including adherend and adhesive tests, and static tests with spot-welded, adhesive-bonded and weld-bonded coupons, were carried out. These studies reveal the brittle nature of the epoxy-adhesive-bond and the ductile rupture characteristic of the spot-weld pull-out. In the failure process of a weld-bonded structure, the adhesive-bond and the spot-weld fail at different stages and have little coupling effect, but they supplement each other.A modeling strategy was devised and implemented based on the static experimental findings and an assessment of available modeling approaches in a finite-element analysis program. As a result, a combination of the constrained spot-weld (CSW) model and the mesh-independent spot-weld (MISW) model is recommended for modeling the deformation and failure of weld-bonded vehicle structures. An approach for calibrating the failure parameters in the failure criteria is also developed. The recommended modeling method renders satisfactory correlation between simulations and tests at the static coupon test level and acceptable time-step for full-vehicle crash simulations.     

化工过程的智能混合建模方法及应用

随着人工智能技术和配套数据系统的快速发展,化工过程建模技术达到了新的高度,将多个机理模型和数据驱动模型以合理的结构加以组合的智能混合建模方法,可以综合利用化工过程的第一性原理及过程数据,结合人工智能算法以串联、并联或者混联的形式解决化工过程中的模拟、监测、优化和预测等问题,建模目的明确,过程灵活,形成的混合模型有着更好的整体性能,是近年来过程建模技术的重要发展趋势。本文围绕近年来针对化工过程的智能混合建模工作进行了总结,包括应用的机器学习算法、混合结构设计、结构选择等关键问题,重点论述了混合模型在不同任务场景下的应用。指出混合建模的关键在于问题和模型结构的匹配,而提高机理子模型性能,获取高质量宽范围的数据,深化对过程机理的理解,形成更有效率的混合建模范式,这些都是现阶段提高混合建模性能的研究方向。     

UML面向对象建模在质谱仪测控系统中的应用

首先简要介绍面向对象方法和UML(统一建模语言)建模机制的特点,接着在VG5400稀有气体质谱仪测控系统结构的基础上,先深入分析系统工作原理和功能需求,再基于UML面向对象建模机制对样品分析子系统进行了分析建模,包括用例建模、静态建模和动态建模,分别建立了用例图、类图和顺序图。所得的分析模型为进一步建立设计模型奠定了基础。     

从战略层面上构建高校知识型人才的激励机制

激励是人力资源管理的核心问题。高校是知识型人才聚集的地方,高校的人力资源管理要从知识型人才的激励入手,将科学、先进的激励机制设计理念运用于高校人力资源管理的实际中去,建立符合知识型人才特点的长效激励的机制。     

基于软测量技术的C5石油树脂粘度的在线检测

粘度是石油树脂产品的重要指标参数,然而目前国内尚无对其有效的在线检测技术,多是根据实验室化验结果结合经验推测其变化情况,滞后大、精度差。针对这种不足,提出基于软测量技术的在线检测方法,采用机理建模和基于统计分析建模的混合建模方法建立模型,统计分析部分则采用加权最小二乘回归方法,并运用滚动回归的方法对模型参数进行在线校正。结果表明,此方案大幅提高了粘度的检测精度,并具有响应速度快,通用性好等优点。     

混合填充复合材料热导率方程的推导

混合填充复合材料的导热特性好于单一填充。根据碳纳米管与纳米片状石墨在高分子基材中的分布形态, 将碳纳米管与纳米片状石墨的"桥状搭接"结构作为等效基材, 未搭接的"游离态"碳纳米管作为填料, 利用串并联热阻模型和Maxwell-Garnett等效介质法建立了混合填充复合材料的导热模型, 并通过数量级分析对热导率方程进行了简化。结果表明, 在混合填料质量分数不变的情况下, 等效热导率随纳米片状石墨的增多呈现先增加后减少的趋势, 表现出明显的协同效应;在质量分数配比不变的情况下, 等效热导率随混合填料的质量分数增大而增大。     

基于多元时序驱动的ELM全流程故障预测及其应用

多元时序驱动建模方法是复杂系统故障预测和系统状态评估的一种有效途径, 其中人工神经网络作为一种数据驱动的处理非线性问题的有效建模工具, 近年来在处理多元时序建模这个问题上得到了较广泛的关注。从全流程的角度出发, 首先, 运用k-近邻互信息方法对多元时序变量进行降维与相关性计算, 从而选择特征变量;其次, 提出了一种改进的趋势分析方法对系统的状态进行实时监测, 并对系统运行状态进行有效细分;最后, 针对系统潜在故障阶段, 应用极限学习机(extreme learning machine, ELM)神经网络方法对其进行故障预测。通过对青霉素发酵过程(penicillin fermentation process)进行仿真实验, 结果验证了所提方法的有效性。