基于波长调制谐波信号主峰拟合的气体浓度测量方法

为了提高激光波长调制光谱法(WMS)测量气体浓度的速度和准确度,首次提出了一种通过对吸收光谱谐波信号的主峰进行拟合的气体浓度测量方法。在该方法中,只扫描吸收光谱谐波信号的主峰部分来获得谐波信号(WMS-2f/1f)的峰值点。因为缩减了吸收光谱的扫描范围,所以扫描速度得到了提高。通过对吸收光谱谐波信号(WMS-2f/1f)的主峰部分进行多项式拟合,进一步提高了测量精度。详细讨论了多项式阶数的确认方法,以及拟合数据长度对测量结果的影响。通过测量不同情况下的二氧化碳浓度验证了该方法的有效性。     

混沌免疫算法应用于超低副瓣天线阵优化研究

文章分析了六角形排列的平面阵列天线的远场分布,介绍了基于混沌理论的混沌免疫算法,结合六角形平面阵列天线实例及超低副瓣要求,给出了基于该算法的阵列天线方向图优化方法,得出了超低副瓣方向图。仿真结果表明,混沌免疫算法收敛速度快,搜索效率高,具有良好的应用前景。     

电压与钙耦合神经元模型的符号动力学

应用符号动力学研究了跨膜电压与细胞内钙浓度相耦合的R15神经元模型.通过峰峰间期序列(ISIs, Interspike Interval Series)的首归映射构造出描述周期和混沌放电模式的符号序列,并讨论了与切分岔密切联系的阵发混沌与嵌含在混沌区中的周期窗口的产生机理.由符号序列的排序规则,确定具有不同拓扑结构的放电节律与连续变化的参数值的对应关系,从而对实验或模型测得的任意放电模式进行参数识别.研究结果表明符号方法是研究神经放电活动动力学行为的一种有力工具.尤为重要的是,这样一种粗粒化的方法能够推广到神经电生理实验中,从复杂的实验数据中提炼更多有价值的信息.      

横流转捩模型参数不确定度量化分析与应用研究

为获得横流转捩模型重要参数在不同工况下对转捩结果的定量影响规律并尝试获得更加准确可靠的转捩模型预测结果,开展了基于非嵌入式多项式混沌(NIPC)方法的横流转捩模型参数不确定度量化分析、参数敏感性分析及其应用研究。不确定度量化分析方面,对基于γ-Re_θt模型的完全当地化横流转捩模型的重要模型参数进行了拉丁超立方抽样,通过有限参数样本的S-K低速平板和无限展长后掠翼的数值计算,运用非嵌入式多项式混沌方法,定量分析了模型参数在不同类型转捩流场中的影响效能。在应用研究方面,以不确定度与参数敏感性定量分析结果为指导,对模型参数进行了横流诱导转捩条件下的筛选与标定,在NLF(2)-0415后掠翼、6:1标准椭球体以及DLR-F4翼身组合体算例中进行了验证,标定后的模型对多个算例的三维边界层横流转捩进行了较好的预测。     

运载火箭风场高精度拟合方法

针对运载火箭风场传统拟合方法精度低的问题，提出一种基于最少参数神经网络的高精度拟合方法。该方法将运载火箭飞行高度作为网络输入，将风场的速度和朝向作为网络输出，在满足精度要求下使用最少的网络层数和神经元个数完成风场拟合，并给出了隐层节点数的下界公式。和传统的最小二乘多项式拟合及其分段形式相比，最少参数神经网络只使用一套框架即可完成风速和风向的拟合，并提高了拟合精度。大量仿真结果充分说明了所提出方法的有效性、简洁性和鲁棒性。