非线性动态网络的离散算法及仿真

在非线性网络响应分析中,采用Volterra级数法可以导出与线性系统传递函数相似的非线性传递函数,能使非线性系统用线性化和系统化方法达到精确分析.文中给出了非线性网络响应的Volterra级数解的连续算式,为解决连续算式计算麻烦的问题,提出用方波脉冲技术处理用Volterra级数表示法描述的非线性网络响应与激励之间关系的一组广义卷积积分的迭加计算,从而得到非线性网络响应求解的Volterra级数解的离散算式.仿真表明该算法求出的非线性网络响应与真实模型曲线十分逼近,证明了它的有效性.     

一种改进的耦合编码器的视频降噪方法

为了降低视频降噪算法的计算量,提出一种适用于H.264的分级非线性确定滤波因子的方案.该方法是对变换域时间方向滤波算法的改进,根据绝对误差和和运动适量选用相应的滤波因子后,通过调节DCT系数实现降噪.实验结果表明该方法简单、计算量小并有较好的降噪效果.     

多目标加权模糊经济调度模型

在电力市场条件下,经济调度不仅应当考虑多个目标,而且各个目标的重要程度也应该不同。提出了模糊多目标加权经济调度模型,并利用模糊多目标规划理论将该模型转化为单目标规划问题。应用算例表明该算法非常有效,有广泛的应用价值。     

工业过程控制算法设计与仿真

传统的Smith预估器在理论上解决了纯滞后系统控制问题,但由于它必须依赖被控对象精确的数学模型,在实际应用中存在局限。要克服Smith算法的局限性,采用一种具有比例、积分和微分神经元的PID神经元网络(PIDNN)与Smith预估器结合的算法,利用Smith对纯滞后系统进行预估补偿以及PID神经元网络的自适应、自学习和在线自调整控制器的参数的功能,解决大纯滞后系统的控制问题。仿真结果表明该Smith-PIDNN算法简单,稳定且收敛速度快,能够很好地改善大纯滞后系统的性能指标。     

涤纶短纤维卷曲数、卷曲度对纺纱性能的影响

通过大量实验，阐述了涤纶短纤维的卷曲状况与可纺性间的关系。初步找出了卷曲数、卷曲度对棉网质量、缠辊次数及成纱物理指标等的影响规律。探讨了卷曲的微观形态和结晶结构对可纺性的影响。     

梯度功能材料热应力的研究进展

梯度功能材料是一种高弹性模量、耐腐蚀、耐高温的新型非均匀复合材料,其热应力研究是目前梯度功能材料研究的热点之一。该文详细介绍了梯度功能材料热应力的理论分析、数值计算和试验研究方法,对比分析了目前常用的梯度成分分布模型和物性参数模型,讨论了材料的梯度层厚度和成分分布等因数对材料残余热应力的影响,介绍了直接测定残余热应力的2种非接触性实验分析方法;并对梯度功能材料热应力研究的发展趋势做了展望。     

一种模糊模型的混合建模方法及在短期负荷预测中的应用

提出了一种将粗糙集理论和正交最小二乘算法相结合建立短期负荷预测模糊模型的新方法。该方法采用粗糙集理论选择模型输入变量并对其进行划分，由样本数据的离散化结果确定模糊推理规则及其逻辑前件参数，进而采用改进的正交最小二乘算法去掉冗余模糊规则和确定模糊推理规则后件参数。最后，应用该文建模方法对实例进行了模拟计算，并与其它建模方法进行了比较，结果表明该文方法比其它方法更有效。     

锦鸡儿属防风固沙树种的离体培养试验

以锦鸡儿属中柠条锦鸡儿(Caraganakorshinskii)、中间锦鸡儿(C.intermedia)和树锦鸡儿(C.arborescens)种子为外植体,通过对增殖阶段和生根阶段培养基的筛选,探讨了细胞分裂素、生长素、矿质营养和活性炭对这3个树种不同发育阶段的影响。结果表明:(1)继代增殖阶段:柠条锦鸡儿、中间锦鸡儿和树锦鸡儿最佳的基本培养基为MS,最适合的激素浓度配比中,柠条锦鸡儿用BA2mg·L-1 GA2mg·L-1分生率最高;中间锦鸡儿用BA2mg·L-1 GA1mg·L-1分生率最高;树锦鸡儿用BA2mg·L-1 NAA0.1mg·L-1分生率最高。蔗糖是最好的碳源。(2)生根阶段:柠条锦鸡儿诱导生根的适合培养基为1/4MS NAA0.1mg·L-1和MS NAA0.1mg·L-1,中间锦鸡儿为1/4MS NAA0.1mg·L-1,树锦鸡儿为1/2MS NAA0.1mg·L-1和1/4MS NAA0.1mg·L-1。活性炭对生根率无显著影响,但普遍增加了根的条数和根的长度。气培生根以MS IBA50mg·L-1 3%白糖处理较好。     

利用人工鱼群算法优化前向神经网络

人工鱼群算法(AFSA)是一种最新提出的新型的寻优策略，文中尝试将人工鱼群算法用于三层前向神经网络的训练过程，建立了相应的优化模型，进行了实际的编程计算，并与加动量项的BP算法、演化算法以及模拟退火算法进行比较，结果表明AFSA具有鲁棒性强，全局收敛性好，以及对初值的不敏感性等特点。     

具有二重趋势性的季节型电力负荷预测组合优化灰色神经网络模型

电力负荷预测是电力系统的一项重要工作，季节型电力负荷预测是一个难点，缺少相应的数量预测方法，对于具有增长和波动二重趋势性的季节型电力负荷，首先提出了季节型负荷预测的组合优化灰色神经网络模型，研究了同时考虑两种非线性趋势的复杂季节型负荷预测问题，说明了优化模型分别优于两种单一发展趋势负荷预测的模型。给出了电力负荷预测的应用实例，通过对河北电网季节最大负荷与销售电量的分析，建立了对应的组合优化灰色神经网络模型，与其它算法进行了比较，计算结果表明，该方法较大提高了季节型负荷预测的精度，为季节型电力负荷预测提供了一种新的，有效的方法，编制了季节型负荷预测的软件，此软件具有实用性和通用性。