利用Ar^+团簇延伸高次谐波频率及强度

研究了Ar^+团簇在激光场驱动下辐射高次谐波以及输出阿秒脉冲的特点。结果表明,随着Ar^+团簇的加入和增大,不仅谐波截止频率有明显延伸,而且谐波强度比单个Ar原子输出谐波强度增强2个数量级。通过分析谐波辐射时频分析图以及量子波包运动,给出了谐波频率延伸以及谐波强度增强的原因。最后,通过叠加谐波光谱,获得了脉宽为58 as的单个脉冲。

基于AR参数模型与聚类分析的肌电信号模式识别方法

肌电信号是与神经肌肉活动有关的生物电的体现,肌电信号的模式识别是肌电应用的基础。利用现代功率谱估计中的参数模型法,对从掌长肌、肱桡肌、尺侧腕屈肌和肱二头肌采集的4路表面肌电信号建立AR参数模型,并提取其AR模型参数作为信号的特征,构造特征矢量,提供给基于距离测度的Mahalanobis距离分类器进行模式分类,能够成功地识别出握拳、展拳、腕内旋、腕外旋、屈腕、伸腕、前臂内旋、前臂外旋8种动作模式。实验表明,该方法识别率高、鲁棒性好,为肌电等非平稳生物电信号的模式识别提供了一种新方法。

基于高阶累积量的AR参数-模糊聚类法及应用

自回归模型(autoregressive model,AR模型)是常用时序分析方法,包含了重要的系统状态信息,但一般适用于平稳过程,而真实信号多为非平稳非高斯信号,采用特别适用于非高斯信号分析的高阶累计量进行AR参数估计,以所得AR参数作为特征向量,以模糊聚类分析方法进行模式识别。将该方法应用于滚动轴承故障诊断,成功实现了滚动轴承故障类型判别与性能退化评估。

冈底斯中段尼木斑岩铜矿田的K-Ar、^(40)Ar/^(39)Ar年龄：对岩浆-热液系统演化和成矿构造背景的制约

青藏高原冈底斯斑岩成矿带不同于经典的产于岛弧和大陆边缘的斑岩铜矿,而形成于后碰撞挤压向伸展转变期,显示了极好的成矿前景。本文对冈底斯中段尼木矿田白容、厅宫和冲江斑岩铜矿区斑岩体进行了系统研究,确定出斑岩体演化和侵入序列为:似斑状二长花岗岩→成矿二长花岗斑岩→石英闪长玢岩→花岗闪长斑岩。K-Ar和^(40)Ar/^(39)Ar年代学研究获得白容矿区似斑状二长花岗岩中角闪石的K-Ar年龄为16.9±2.4Ma;石英闪长玢岩中黑云母的K-Ar年龄为12.3±0.2Ma、^(40)Ar/^(39)Ar坪年龄为12.5±0.2Ma;花岗闪长斑岩中黑云母的K-Ar年龄为11.5±0.2Ma、^(40)Ar/^(39)Ar坪年龄为12.4±0.2Ma;厅宫矿区石英闪长玢岩中黑云母的K-Ar年龄为13.8±0.2Ma、^(40)Ar/^(39)Ar坪年龄为14.9±0.2Ma;花岗闪长斑岩中黑云母的K-Ar年龄为13.5±0.3Ma、^(40)Ar/^(39)Ar坪年龄为14.2±0.2Ma,这些年龄表明:石英闪长玢岩晚于似斑状二长花岗岩,略早于花岗闪长斑岩。成矿与二长花岗斑岩有关,其侵位时间晚于似斑状二长花岗岩,早于石英闪长玢岩和花岗闪长斑岩。尼木斑岩铜矿田这种复式杂岩体较充分的分异演化有利于含矿热液的集中与逐渐富集成矿。白容斑岩铜矿蚀变矿化二长花岗斑岩的蚀变绢云母的K-Ar年龄为11.8±0.2Ma,^(40)Ar/^(39)Ar坪年龄为12.0±0.1Ma,代表了中低温蚀变和矿化末期的年龄。白容矿区绢云母化带的蚀变年龄与石英闪长玢岩和花岗闪长斑岩的黑云母^(40)Ar/^(39)Ar年龄基本一致,与厅宫矿区辉钼矿Re-Os年龄及石英闪长玢岩和花岗闪长斑岩的黑云母^(40)Ar/^(39)Ar年龄同样基本一致,暗示两个矿区石英闪长玢岩和花岗闪长斑岩的岩浆结晶冷却与成矿二长花岗斑岩后期热液成矿时间上有重叠。结合前人年龄数据大致确定出白容矿区岩浆-热液活动时限为0.5～5Ma,厅宫为4Ma,冲江为4.5Ma。尼木矿田成矿斑岩^(40)Ar/^(39)Ar年龄晚于冈底斯碰撞后第一次快速隆升时间≈21Ma,15Ma冈底斯中段NS向正断层开始活动,表明含矿斑岩体可能侵位于地壳加厚、冈底斯山大规模隆升到一定程度后出现弱伸展环境的构造背景下,即斑岩铜矿形成于从南北向挤压隆升到东西向伸展初始发育的过渡构造背景。

基于分数差分和Fuzzy-AR的网络流量建模和预测

文章提出了一种利用分数差分和Fuzzy-AR(模糊自回归模型)进行网络流量建模和预测的新方法。这种方法既能刻画实际网络流量的长相关性,又能描述其中的非平稳和非线性分量,同时具有较低的辨识复杂度。这个方法的两个部分建模和预测是密切相关的。首先它们都通过分数差分的方法消除时间序列中的长相关性,然后分别用模糊自回归模型进行建模或预测。实验表明相比传统的模型,这种方法的预测更加有效。

基于AR模型的人体脉象信号模糊聚类研究

根据一种新的模糊聚类方法 －Ｆ－ＰＦＳＲ（Ｆｕｚｚｙ Ｐｓｅｕｄｏ Ｆ－Ｓｔａｔｉｓｔｉｃ Ｒａｉｏ）聚类法，对人体 脉搏声信号（脉象信号）进行了聚类识别研究．首先对脉搏声信号作８阶ＡＲ模型拟合，模型系数 构成信号的特征集，其次采用Ｋ－Ｌ变换对特征集进行了压缩，最后对临床实测脉象信号进行了聚类 分析．实验结果表明，本文的聚类方法是可行和有效的．

批次加权软化分的多阶段AR-PCA间歇过程监测

由于多阶段间歇过程在每个操作阶段主导变量和过程特性的巨大差异性,也为了降低传统方法只进行阶段硬划分以及过程建模不考虑过程动态性导致的漏报率和误报率,提出了基于批次加权软划分的多阶段自回归主元分析(AR-PCA)间歇过程监测方法。方法引入了反距离加权(IDW)和单变量控制图对仿射传播聚类(AP)进行改进,避免以单批次作为AP输入不能表征整个生产过程阶段特性的局限性,并且解决了AP不能辨识过渡阶段的缺陷。然后针对过渡阶段和稳定阶段分别建立ARPCA模型和MPCA模型,较传统方法以整批次数据建立唯一模型具有更高的模型精度,同时消除了过渡阶段的动态性,可有效降低误报和漏报。实验设计由青霉素发酵仿真平台和重组大肠杆菌实际生产过程完成,结果显示了该方法的可行性和有效性。

基于改进CNN和Kmeans的双转子轴承半监督故障诊断

针对双转子轴承复杂信号故障特征难提取、工程中某些类型的故障数据缺乏时卷积神经网络(convolution neural network,简称CNN)难训练的问题,提出一种基于改进CNN和Kmeans的双转子轴承半监督故障诊断方法。首先,利用自回归(autoregressive,简称AR)模型对双转子轴承信号去噪,并基于傅里叶变换得到信号频谱作为CNN输入;其次,以Morlet小波基频域函数作为激活函数构建CNN,结合Softmax损失和提出的权重内积最小化损失在少类别训练数据下训练CNN;最后,基于Kmeans聚类算法分析CNN线性输出确定无标签数据伪标签,并结合半监督学习中自训练思想迭代CNN更新伪标签,继而依据伪标签划分双转子轴承正常、已知故障和未知故障状态。利用双转子轴承故障模拟试验台数据进行验证,结果表明,在少类别训练数据下,其诊断效果相较于人工神经网络(artificial neural network,简称ANN)等方法更佳,诊断准确率达到了100%,验证了所提方法的有效性。

PEG分子量和温度对SiO_2溶胶及光学增透膜的影响

本文研究了聚乙二醇（ＰＥＧ） 对ＴＥＯＳ－ 水－ 乙醇－ 碱催化剂溶胶体系的影响规律，通过ＴＥＭ、ＳＤＰ 等分析手段，考察了分子量不同的ＰＥＧ 对ＳｉＯ２ 溶胶粒度分布和簇团结构的变化以及对ＳｉＯ２ － ＰＥＧ 溶胶镀制光学膜增透效果的影响。结果表明：ＰＥＧ 改性后的ＳｉＯ２ 溶胶形成有序的环状网络结构特征，而且分子量愈大，对溶胶的作用愈强，显著影响着膜层的光学增透性能。

飞秒强激光经氩气和氩团簇的传播

通过数值求解三维电场传播方程,理论模拟了飞秒强激光脉冲(50fs,1016w/cm2)在氩气和中等尺寸氩团簇中的传播效应.结果表明,飞秒强激光脉冲经氩气传播将发生频谱蓝移展宽和光束发散;而经中等尺寸氩团簇传播,则存在一定程度的自聚焦效应.

中国农村5岁以下儿童营养不良的多因素分析

根据儿童营养不良发生的有关因素对全国２９个省市农村进行聚类分析，建立了７个模式，再应用Ｌｏｇｉｓｔｉｃ回归对７个模式进行多因素分析。在不同的模式中筛选出了影响儿童营养不良的危险因素及其归因危险度。根据分析结果，可对我国不同省市农村，重点采取不同措施，分类指导，降低儿童营养不良的患病率。

西昆仑阿什库勒火山群地质特征和活动分期

阿什库勒火山群作为青藏高原内最新期的北部昆仑火山群的典型代表,长期以来一直受到国内外地学界的广泛关注。我们通过对阿什库勒盆地火山区的野外地质地貌考察,研究了阿什库勒盆地内第四纪火山活动历史,完成了阿什库勒火山群重要火山锥体的1∶2000火山机构图。同时,对系统采集于不同火山机构和部位的20个火山岩样品进行了系列Ar-Ar同位素年代测试分析,获得了翔实的研究区不同火山岩石单元的绝对年龄数据。结合野外地质地貌考察结果,讨论了阿什库勒盆地的火山活动的第四纪时期活动历史,并将主要活动时期进一步划分为早更新世早期、早更新世中期、中更新世早期、中更新世晚期、晚更新世期和全新世期六期,取得了与前人有关该研究区火山活动历史和活动期次类似的划分方案,并补充了新的年代学证据。研究成果弥补了藏北高原西部由于恶劣工作环境而造成的第四纪火山学研究的不足。

基于聚类分析与时序算法的玉米测产模型

以每公顷玉米产量数据序列为分析处理对象,对玉米产量的时间序列进行了预测分析。结合线性回归分析技术和聚类分析理论,采用分层聚类算法与AR时序算法相融合的方法,探明影响玉米产量的主要因素,确定分层聚类方案,建立一个基于聚类分析的玉米产量AR时序模型,并对2005—2009年的玉米产量进行了预测。聚类分析后模型预测结果的误差值大多数<5%。

基于J散度的模式分类方法在故障诊断中的应用

提出了一种基于J散度的谱系聚类算法,对不同状态下信号的AR模型进行了分类,以分类结果建立正常信号的标准样本,比较待检样本与标准样本之间J散度和设定阈值的大小,实现对待检样本的分类。将该方法应用于往复式压缩机气阀的故障诊断中,比较J散度与欧氏距离和相关系数在分类中的效果,证实了基于J散度的模式分类方法的分类结果更加准确。

一种基于谱分量相似度的多数据流聚类算法(英文)

提出了一种新的多数据流聚类算法.该算法可以有效地对有相似行为但存在一定时间延迟的多数据流进行聚类.算法采用自回归模型技术度量数据流间的延迟相关,利用频谱估计来抽取数据流的特征.每一个数据流用其谱分量的和来表示,从而来计算每对数据流间的相关关系.每个谱分量用振幅、相位、衰减率、频率4个参数来描述.算法计算谱分量对之间的ε-延时相关关系,并以此为基础来得到聚类分析中数据流间距离的度量.此外,算法采用滑动窗口技术对多数据流进行聚类,实时地得出聚类结果且动态地调节聚类的个数.在人工数据集和实际数据集上的实验结果表明,所提出的算法比其他类似的算法具有更快的速度和更好的聚类效果.

铂纳米团簇在修饰的HOPG表面的生长及性能表征

用扫描隧道显微术研究了经过不同方法处理的高定向裂解石墨(HOPG)表面的性质以及铂在其上的成核和生长。通过控制氩刻及氧化时间,在HOPG表面制备出分布和大小均匀的坑。这些纳米坑具有较强的活性,在后面的金属铂沉积过程中成为铂团簇的成核中心。通过控制坑的密度和分布,可以很好地控制沉积的铂团簇的分布及大小。用X射线光电子能谱(XPS)对其电子性质进行了研究,并用高分辨电子能量损失谱(HREELS)研究了甲醇在该体系的吸附行为。

基于改进半监督模糊C-均值聚类的发动机磨损故障诊断

为解决在少量油液样本条件下发动机磨损故障诊断难的问题,提出一种改进半监督模糊C-均值聚类算法(Improved semi-supervised fuzzy c-means clustering algorithm,ISS-FCM)。定义一种优化的目标函数,将无标签样本与训练样本间的平均距离度量考虑在内并赋予其一定权值,以引导聚类过程。为避免随机初始化划分矩阵使聚类结果陷入局部极值,利用训练样本对划分矩阵进行初始化。由于原始油液数据的聚类趋势不明显,不能有效描述发动机的磨损状态,利用自回归(Autoregression,AR)模型从油液光谱数据中提取出残差方差特征。结合某型履带车辆发动机台架试验,利用所提ISS-FCM算法对油液原子发射光谱测量数据进行分析,成功诊断出该发动机的拉缸和烧瓦故障。试验结果证明该方法在发动机磨损故障诊断领域的有效性。

银纳米团簇在HOPG表面上的控制生长

由于银与高定向热解石墨(highlyorientedpyrolyticgraphite,HOPG)表面间的相互作用很小,银在HOPG表面上的生长通常采取三维的Volmer Weber模式,得到空间分布不均匀的银团簇。本文分别采用加热氧化和氩离子轰击来改变HOPG衬底的表面结构,并用扫描隧道显微镜(STM)研究了银在它们上面的生长过程。实验结果表明:在氩离子轰击过的HOPG表面上,可以得到大小基本一致、空间分布均匀的银纳米团簇,实现了银团簇的控制生长。氩离子轰击导致了平整的HOPG表面产生缺陷,这些缺陷对银原子的扩散进行限制并成为优先成核中心,最终形成均匀的银纳米团簇。

基于冗余任务消减的边缘应用性能优化

在增强现实应用中,距离较近的多个用户请求很可能是相似或者相同的,从而导致同样的计算任务被重复执行。针对该问题,设计基于冗余任务消减的计算任务缓存系统。通过在边缘节点设计任务缓存,使边缘服务器以自组织方式维护全局缓存。对客户端请求时延、用户轨迹、节点部署和总时延进行建模,基于此研究基站上边缘服务器的计算资源部署问题,在给定总的部署代价下优化平均请求时延,并将该问题转化为整数非线性规划问题,设计针对中小规模场景的IDM算法和针对大规模场景的LDM算法。实验结果表明:IDM算法的平均时延与参考最优解仅相差5.85%,对最优解具有较好的逼近效果;LDM算法在牺牲9.20%平均时延的情况下,相比于IDM算法运行时间缩短98.15%,大幅减少了运行开销。

吉林省伊通地区白土山组地层的重新厘定

伊通火山群周围分布的砂砾石层定为第四系早更新世白土山组,通过对大孤山、西尖山采用K—Ar稀释法测定,分别为8.70Ma、20.80Ma;该地层孢粉组合以栎、榆、桦属花粉占优势,松柏类花粉含量较高,为阔叶混交林带植被环境。故应将该套地层重新厘定为上第三系中新统水曲柳组。