基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。     

基于小波变换的图像低通去噪

提出了一种利用小波变换的多分辨率特性对图像进行低通去噪的方法,系统的阐述了其基本原理和核心算法,并对加噪后的图像实现了低通去噪处理。     

气动力星座保持的闭环控制研究

本文研究了利用气动力进行星座保持的闭环控制问题。提出了一种改进的半全局指数收敛闭环控制律，对于指定的任意大的有界域，利用不变集定理论上证明了该控制律的稳定性和抗干扰性，又提出了双ε法以提高响应速度。     

Z—连续偏序集P上σ^Z（P）的Soberity

Sober空间是介于T0空间与T2空间之间又完全独立于T1空间的一类拓扑空间，本文基于拓扑σ^Z(P），证明了Z－连续偏序集P上的拓扑σ^Z(P）当σD(P）≤σ(P）时是Sober空间。     

在线点到点数据传输优化选择模型及其算法设计

最优点到点数据传输线路不仅依赖于其固有的传输时间,还依赖于数据总量,因为数据规模决定了加工次数和传输次数.本文首先建立了在线点到点数据传输网络选择的优化模型,给出了有向路代表集的概念,然后给出了一个时间复杂性为O（m^2logn）的算法产生有向路代表集.最后对静态和动态点到点数据传输有向路问题进行了研究,并给出了一个时间复杂性为O（m^2logn）的多项式时间的算法.     

基于粗集的调度Agent知识库建模研究

首先通过相识集、招标集、投标集和中标者的概念，描述了车间调度系统中的调度Agent与资源Agent间任务分配的招投标关系；运用粗集理论，基于任务的属性和资源Agent完全任务的成本、质量、负荷和时间等属性构造决策表；在分析了决策表的特征基础上，生成调度规则集，即调度知识库；最后给出车间调度Agent的调度过程算法。     

纳米-微米纤维复合形式对惯性粒子过滤性能影响的数值研究

考虑纳米纤维表面流体滑移效应,在二维简化模型下采用数值方法研究了纳米-微米复合纤维对惯性粒子的捕集行为。分析了纳米-微米纤维复合形式对粒子捕集效率、效率增长比例因子以及综合过滤性能的影响。结果表明:在微米纤维迎风面45°和90°处放置纳米纤维,可显著增大复合纤维对粒子的捕集效率,并对弱惯性或中等惯性粒子捕集表现出较高的过滤性能质量因子;而当纳米纤维位于微米纤维迎风面0°位置时,仅对3μm以下粒子的捕集效率起增大作用;纳米-微米纤维间距(δ)增大对粒子的捕集效率有增大作用,且与纳米纤维放置角度和所捕集的粒子大小均有关。     

电子对撞机束流管冷却系统模糊控制仿真

电子对撞机运行过程中,会产生很多同步辐射热,这些热量均通过束流管冷却系统散失出去.针对束流管冷却这个关键技术难题,研制了一种全新的基于模块化的主动式液体冷却系统;通过合理的分析与简化,应用集总参数法建立了束流管冷却系统的温度动态特性模型,导出了并联调节阀流量特性的数学方程;根据模型给出了相应的模糊控制策略,并在此基础上对束流管冷却系统的控制策略进行了仿真研究.仿真结果表明:采用模糊控制策略的冷却系统具有稳定、超调小的特点,优于传统的比例积分微分(PID)控制策略,能很好地满足电子对撞机的要求,并可以据此指导工程设计.     

一种非线性系统集员辨识算法

针对带有未知有界噪声的非线性动态系统的鲁棒辨识问题,提出了一种新的非线性动态系统的集员辨识算法.利用径向基函数神经网络的逼近能力,根据系统的输入输出数据,选用径向基函数神经网络对未知非线性系统建模.径向基函数神经网络的中心被确定之后,考虑到建模误差与系统噪声有界,利用径向基函数神经网络为参数线性模型的特点,使用参数线性集员辨识算法辨识径向基函数神经网络的输出权值.由于集员辨识算法所得到的是网络输出权值的集合估计,在系统运行过程中,可以很方便地利用所建模型预测实际系统的输出范围.仿真表明,集员辨识算法辨识网络的输出权值比最小二乘法较少的受未知动态系统噪声分布的影响.