基于RWG基函数的电场积分方程的奇异性处理

采用矩量法分析导体三维散射体时,基于RWG基函数的电场积分方程存在奇异性,如果直接使用数值积分,则准确性很低。为了得到准确的积分结果,将被积函数拆分为2部分,对于无奇异点的部分直接使用数值积分求解,而对于包含奇异点的部分通过积分变换简化被积函数,得到解析表达式,计算实例验证了这种方法的正确性。     

线性规划优化分析的元模型方法及其比较

线性规划优化分析在经济管理等领域有着广泛的应用。当线性规划约束条件的右端向量在一定范围内变化时,目标函数的最优值是右端向量的一个复杂的分片线性函数,但通常难以给出分析表达式。应用多项式回归、径向基函数、Kriging法及多项式回归 Kriging法这四种元模型方法,能快速预测最优值函数。通过仿真实验,对这四种形式的元模型作较全面的比较分析。数值实验的结果表明,用次数较少的实验设计,后三种方法都具有较高的拟合精度;特别地,多项式回归 Kriging法不仅拟合精度高,而且还能用一个二阶多项式给出最优值函数的一个简明的近似描述。结果表明,元模型方法是研究线性规划优化分析问题的有效途径。     

混合气体识别的响应等效性与瞬态信号正交分解模型

针对目前混合气体识别大多采用传感器稳态响应信号、基于线性混合假设或大量样本学习,而瞬态响应信号特征分析主要应用非正交分解的问题,提出一种基于响应等效性与瞬态信号正交分解的混合气体识别模型。分析金属氧化物半导体传感器对混合气体的响应特性,建立基于气体响应成分等效性假设的气体非线性混合模型,在此基础上,提出并应用一种新的正交基函数——扩展类Legendre正交基,对气体传感器瞬态响应信号进行分解;通过对正交分解系数与气体浓度的回归分析,验证二者之间的指数型关联关系,并以正交分解系数为特征参数,利用气体非线性等效混合模型对混合气体分解与辨识。实验结果表明,尽管这种混合气体识别模型仅用单一气体检测的先验知识,对混合气体的识别误差仍可达到15%以内。     

微波脉冲对硅基双极型晶体管的损伤特性

利用微波脉冲注入实验平台,对硅基双极型晶体管低噪声放大器进行了损伤效应实验。在微波脉冲对硅基双极型晶体管低噪声放大器损伤的失效分析中,当低噪声放大器增益下降大于10d B时,发现硅基双极型晶体管出现了永久损伤。通过对比测量硅基双极型晶体管损伤前后的电特性以及利用扫描电子显微镜观测损伤后晶体管的微观特性发现:硅基双极型晶体管被微波脉冲损伤后,基区的硅材料烧蚀导致发射结和集电结短路,不再具有PN结特性,导致器件失效。     

下期要目

<正>~~     

比例最小偏度单形UKF的RBF神经网络算法

为提高RBF神经网络的建模性能,提出一种基于改进无迹Kalman滤波(UKF)的RBF神经网络训练算法。在该算法中,首先将比例最小偏度单形Sigma点采样策略引入UT,以有效改进UKF,提升其计算效率,然后利用改进的UKF优化估计RBF神经网络的最优参数。仿真结果表明,改进的UKF比EKF具有更高的RBF神经网络模型训练精度,与传统UKF的模型精度大体相当,但速度更快,计算效率更高。     

“新型含硼阻燃树脂在防火涂料中的应用研究”简介

2013年10月11日,由武警学院科研部科研所赵敏教授主持的公安部应用创新项目"新型含硼阻燃树脂在防火涂料中的应用研究"通过验收。验收组认为:该项目突破了传统膨胀阻燃技术,成功研制了硼酚醛防火涂料,研究了该涂料的防火性能、理化性能、热性能、烟密度、炭层结构,提出了硼酚醛树脂     

起重机吊重摆角的自适应神经网络补偿控制

为了控制起重机吊重摆动幅度在最短时间内衰减到规定范围或平衡点附近,同时考虑到由于外界不确定性因素导致的系统模型的不确定性,设计了自适应径向基函数Radial Basis Function（RBF）神经网络补偿控制器。RBF神经网络对系统模型的未知函数进行辨识,并将辨识信息提供给控制器。实验结果表明：吊重摆角约在5s时跟踪给定幅度的正弦信号,并在参考信号发生突变时,摆角仍在给定的范围内;RBF神经网络约在5s后几乎以零误差辨识未知函数。所设计的控制器对不确定性因素具有较强的鲁棒性,这也验证了控制系统稳定性证明结论。     

基于紧支径向基函数的固体域耦合数据传递方法

针对热-电场耦合仿真计算中非匹配网格之间的数据插值问题,提出了一种基于紧支径向基函数点插值的数据传递方法。推导了数据传递矩阵,根据所提出的数据传递方法编制了非匹配网格之间数据传递计算程序,以若干组非匹配网格之间的温度插值为例对本文所提方法进行了验证,并分析了不同参数对计算时间及精度的影响,结果表明,本文算法效率较高,计算误差较小,适用于以热-电场耦合为代表的固体域耦合非匹配网格间的数据传递计算。     

应用径向基代理模型实现序列自适应再采样优化策略

针对径向基插值代理模型样本点预测误差为零时无法获得误差函数进行序列再采样优化的问题,将样本点分布约束引入序列再采样过程,利用潜在最优解加速收敛性,提出一种适用于径向基插值代理模型序列优化的再采样策略,该策略兼顾仿真模型的输出响应特性与样本点的空间分布特性。仿真结果表明,使用该再采样策略后,算法寻优效率和精度均优于传统基于代理模型的优化方法,在对最优解进行有效预测的同时,能显著减少原始模型计算次数。