改善CeF_3闪烁探测器输出特性的方法研究

常用的CeF3闪烁探测器,由于闪烁体发光与光电器件光谱响应不完全匹配,使得探测器的主要输出特性——输出幅度和脉冲波形形状发生明显变化,较难依据相似性通过探测器输出复原得到辐射源的真实特征。本工作针对这种不完全匹配情况,分析比较了几种改善闪烁探测器输出的方法,提出了在CeF3无机闪烁体与光电器件光阴极之间加移波膜片耦合的方法。原理分析和实验测量结果表明:采取移波膜片耦合方法可使传统CeF3闪烁探测器输出特性得到明显改善,输出幅度增加50%以上,脉冲时间响应前沿由传统方式的12ns变化到移波方式的约3ns。     

基于视觉技术实现侧围外板零件在非精度料架上自动上件的研究与应用

汽车工业的发展越来越倾向于无人化与智能化,汽车制造工艺流程中一些较大的外表面零件要实现自动上件,首先需要克服大零件的搬运,机械手的成熟应用已经可以克服该问题。但是如何基于现有汽车制造工艺,使用最小的改造费用实现自动上件,这是下面需要重点研究的问题。考虑现有汽车制造工艺流程中,鉴于前期规划成本考虑,一般的零件上件方式均为人工上件;人工上件时人员搬运零件都具备一定的自动纠错能力,及时零件在料架中的摆放位置不是特别精准,员工也可以将零件正确搬运出来,同时不影响零件的质量,最终实现上件工作。但是机械手抓取零件时,是有一定的公差要求的,如何实现机械手在非精度料架中实现自动抓取零件,然后实现自动上件,需要借助视觉设备以及视觉算法,通过视觉引导功能来帮助机械手纠正轨迹偏差,实现自动抓取功能。通过RobotStudio来仿真方案的可实施性,建立预集成平台,实物模拟实际工况,同时提高视觉技术与非精度料架匹配使用的可靠性和准确性。     

新安江模型参数有效优化及不确定性评估

应用新安江模型进行水文模拟时,由于模型本身的不足及参数多、信息量少等原因,会出现率定的最优参数组不唯一、不稳定等问题。考虑到以往的参数优选,都只得出一个参数组,不能反映出其不确定性状况。提出应用基于马尔可夫链蒙特卡罗(MCMC)理论的SCEM-UA算法,通过双牌流域以1 h为时段间隔的36场典型洪水数据对新安江模型参数进行优选和不确定性评估。结果表明,该算法能很好地推出新安江模型参数的后验概率分布;率定和检验结果分析也表明,应用SCEM-UA算法对新安江模型进行优选和不确定评估是有效和可行的。     

基于GIS的灌区水资源用水管理系统设计

根据GIS的功能特点,结合优化配水调度模型,建立灌区灌水资源用水管理系统。结合工程实例,阐述了GIS的具体应用方法,认为GIS能够预测灌区用水需求,优化水资源配给,提高灌区水资源利用效率,实现适时、适量的科学灌水。     

基于时间-数字转换的精密时差测量系统设计

精密时差测量在激光测距、无源时差定位、航空遥控遥测等领域有着广泛的应用.提出时间-数字转换技术的时差测量方法,设计一种基于TDC-GPl的高精度时差测量系统,并介绍测量系统设计方法和软、硬件实现原理.所设计的系统具有配置灵活、可靠性高、功耗低等优点.通过对实际测量数据的分析表明,系统可以实现纳秒级的时间间隔测量.     

我国山洪灾害防治技术研究综述

针对我国防洪减灾工作中亟待解决的山洪灾害问题,总结了国内山洪灾害防治技术的研究成果,从山洪灾害的成因、预测预报技术、预警技术、监测预警系统建设、灾情风险评估技术、形成机理、防治区划及防治对策等7个方面对我国山洪灾害防治技术主要成果进行分析,探讨了当前存在的不足及今后研究的方向。     

基于粒子群神经网络的凌汛开河日期预测研究

为了更准确地预测凌汛开河日期,提出用粒子群算法和BP神经网络相结合的粒子群神经网络模型。介绍了模型的设计和算法实现的流程。该模型通过粒子群算法对BP神经网络初始的权值和阈值进行优化,并以黄河内蒙段三湖河口站作为研究实例进行冰凌开河日期预测。结果表明,经粒子群优化后的BP神经网络预测精度比遗传神经网络和单一BP神经网络更高。     

基于混沌遗传算法的水电站优化调度模型及应用

利用混沌运动的遍历性、随机性和规律性等特点,提出了一种求解水电站水库优化调度问题的基于浮点数编码的混沌遗传(CGA)算法。该算法的思想是采用混沌优化进行改善初始种群质量和利用混沌退化变异算子代替常规算法中的变异算子,避免搜索过程陷入局部极值。与动态规划、常规遗传算法进行比较,文中实例计算结果表明,该算法计算速度快、收敛性好,提高了常规遗传算法的收敛速度和优化效果。     

年均径流预测的遗传神经网络模型研究

为了进一步提高BP网络模型对径流预测的精度,采用遗传算法优化了BP网络初始的权值和阈值。实例研究结果表明:该方法克服了传统BP网络极易陷入局部极小值点等缺点,提出的遗传神经网络预测模型能够提高预测精度。     

基于PSO-BP模型的黄河兰州站含沙量预测

为了提高BP模型对含沙量预报的精度,采用PSO算法优化了BP神经网络的权值和阈值参数,并用黄河兰州站的含沙量资料进行了验证。结果表明:该方法能克服传统BP模型易陷入局部收敛的缺点,提出的PSO-BP模型能够提高含沙量预测的准确度。