基于Toy模型蛋白质折叠预测的多种群微粒群优化算法研究

基于Toy模型的蛋白质折叠结构预测问题是一个典型的NP问题.提出了多种群微粒群优化算法用于计算蛋白质能量最小值.该算法采用了一种新的算法结构,在该结构中,每一代的种群被分为精英子种群、开采子种群和勘探子种群三部分,通过改善种群的局部开采能力和全局勘探能力来提高算法的性能.分别采用Fibonacci蛋白质测试序列和真实蛋白质序列进行了折叠结构预测的仿真实验.实验结果表明该算法能够更精确地进行蛋白质折叠结构预测,为生物科学研究提供了一条有效途径.     

一种分布式的告警处理方法

随着轨道交通建设的快速发展,对综合监控系统提出了更高的要求.传统的集中告警处理方法显现出越来越多的问题,对此提出了一种分布式的告警处理方法,有利于实现系统的负载均衡,减轻网络负载,即使在车站与控制中心网络中断的情况下,车站的监控人员也能正常监视和处理本车站的告警。     

卫生经济学应用于慢性病防控决策的战略研究

为提高当前慢性病防控体系的效率,更好地遏制慢性病的流行,保护公众健康,2015年中国工程院设立了"卫生经济学应用于慢性病防控决策的战略研究"重大咨询项目。课题组调研发现,作为一种重要的卫生决策工具,卫生经济学在慢性病防控决策过程中尚处于初级应用阶段。对卫生经济学的重要性认识不足,对卫生经济学的方法的掌握和应用能力有限,制约了其在慢性病防控决策中的应用,因此建议建立多元主体参与的卫生经济学研究力量,加强卫生经济学应用于慢性病防控决策的大数据积累及应用研究,提出将卫生经济学应用于我国慢性病防控决策的战略框架。     

黑索今制备过滤过程中的特性与安全性?

为分析黑索今(RDX)制备过滤工艺中的特性和安全性,以一定固含量的RDX-水悬浮液为物料,模拟RDX生产的过滤过程,通过测试RDX静态恒定压差下的过滤时间所对应的滤液流量,得到了不同操作条件下的过滤常数K和滤饼压缩性指数s,并讨论了过滤条件对过滤特性的影响。结果表明,过滤常数K值随介质厚度的减小、过滤压力和介质孔径的增大而增大,RDX滤饼属中、轻度压缩材料。结合RDX静态和动态过滤过程中滤饼含湿量变化规律,对过滤过程的安全性进行了分析,结果表明,过滤工序的操作安全性明显高于干燥工序。     

NBR/PVC橡塑合金辐射防护材料的制备及性能研究

为了满足辐射防护的要求以及发展结构功能一体化柔性防护材料的需求,研制了一种新型的橡塑合金复合防护材料。通过力学性能和屏蔽性能测试发现,该复合材料具有较高的拉伸强度与断裂伸长率,且材料的中子与伽马屏蔽性能良好,随着功能填料含量的不断增加,中子和伽马屏蔽性能也不断提升,但材料的拉伸强度和断裂伸长率不断减小。辐照实验显示,电子束硫化后的样品比硫磺硫化后的样品拥有更出色的力学性能。综合考虑该材料良好的中子与伽马屏蔽性能、拉伸性能与柔韧性能等特性,其在形状较为复杂的核动力设施以及辐射防护服等领域具有较大的应用潜力。     

中空涤纶/不锈钢/竹炭保温透湿材料的开发及性能研究

通过花式捻线方法将中空涤纶、不锈钢长丝和竹炭纤维三种功能性纤维并捻获得复合纱线,利用纱线强度、毛羽和实际捻度测试,得到最佳的纱线纺制参数。并采用最佳工艺参数纺制的包绕纱线进行平纹织物织造,对其织物透湿性、远红外发射率以及保温性能进行测试表征,最终制备一种可用于防寒服的新型保温透湿织物。结果表明,缠绕捻度为上捻度200,下捻度0时,纺制的包芯纱具有最佳捻度。中空涤纶/不锈钢/竹炭织物透湿率为5 184g/(m2·24h),达到透湿织物透湿要求的2倍以上。一至四层织物的远红外发射率均在70%及以上,符合远红外发射率具有功能性结果的范围。织物克罗值达到7.355clo,高于极低温作业穿着克罗值51.6%,可满足极低温环境下的织物保温要求。织物保温率为62.43%,相比于棉、毛等传统纺织原料,织物保温率可以提升2倍以上。     

飞机环控/发动机系统多目标决策研究

提出一种两阶段多目标决策方法,应用于飞机环控/发动机系统的多目标决策分析。将起飞、加速爬升和高空超音速巡航阶段的总熵产最小视为不同目标函数以建立多目标优化模型,采用多目标优化算法得到非劣最优解集。在此基础上进行方案初选,利用改进综合权重的Vague集决策方法对备选方案进行模糊评价和优选,并找到最终解。计算结果验证了该方法的合理性。     

基于最小熵产的飞机环境控制系统优化分析

针对飞机环境控制系统的优化分析问题,提出采用以热力学第二定律为基础的熵产分析方法。选取起飞、加速爬升和高空超音速巡航为设计点,以系统熵产最小为目标函数,将热交换器效率、压气机和涡轮压力比、引气质量流量作为设计变量,建立优化模型。在优化计算结果的基础上分析设计变量对系统熵产的影响,该分析结果对飞机环境控制系统的优化设计具有一定指导作用。     

结合基因表达式编程与空间模糊聚类的图像分割

目的 针对模糊C-均值聚类图像分割方法存在的对初始值敏感及抗噪性能差的问题,提出一种结合基因表达式编程与空间模糊聚类的图像分割方法。方法 首先,利用基因表达式编程算法对图像进行初次分割,即将聚类中心编码成染色体,通过适应度评价引导搜索获得优化的聚类中心;然后在隶属度计算中引入空间函数,以初次分割结果作为初始值,使用空间模糊聚类对图像进行二次分割。结果 对加噪的合成图像和Berkeley图像的分割实验显示,本文方法在聚类划分系数（VPC）、聚类划分熵（VPE）和峰值信噪比（PSNR）等评价指标上总体性能优于经典的模糊C-均值聚类和空间模糊C-均值聚类分割算法,其中VPC值平均高出0.062 4和0.061 1,VPE值平均降低0.117 0和0.101 1,而PSNR值平均提升了约13.312 1 dB和3.308 4 dB;在对Berkeley图像库中的6幅图片的分割实验显示,本文方法对图像分割的VPC值均在0.93以上,相比两种对比方法平均提高0.157 6和0.013 3,VPE值保持在0.1附近,均低于对比方法,PSNR值平均提高2.896 3 dB和1.934 4 dB;在多目标分割实验上,随着聚类数目增加,3种方法的分割性能均有下降,但本文方法性能曲线最为平缓,受聚类数目的影响最小。虽然本文方法所需的运行时间略有增加,但求解所需的迭代次数却极大地减少。结论 本文提出的图像分割方法具有很强的抗噪性、更高的分割精度和稳定性,适用于需要更精确结果、对时间要求不高的分割场景。