井巷多断面岩层热传递方式与深井热环境动态分析

确定井巷风流热量来源及关键地点温度变化、热增量与损失量,并以之为依据有针对性地开展深井气候调节是通风工程需要解决的关键问题之一.通过改进传统的傅里叶导热模型,建立了基于通风井巷实际断面形状的三维热传导模型,针对不同井巷断面形状确定了反映流速与流量状态的动量相关的计算边界条件,并结合时间参数揭示了岩层内部导热以及井巷岩壁与气流间的热交换规律,建立了湿壁面与气流间的热湿传导方程.在此基础上,构建起国内某大型深井金属矿山井下通风系统,获得了关键地点的温度、湿度、热量等参数的走势和变化特点,为矿山开展深井气候调节与控制奠定了基础.     

融合专家综合知识的贝叶斯网络参数学习方法

贝叶斯网络模型是经典概率图模型,目前已经广泛应用到各个领域中.在贝叶斯网络模型的参数获取方面,以往的方法往往仅依靠数据集或者专家知识.实际情况中,数据集往往存在缺失或者存在噪声,而单一专家指定的参数存在较大的主观因素,两类方法所得参数与实际存在较大偏差.提出基于D-S证据理论的专家综合知识结合小数据集的贝叶斯网络参数学习方法,克服了依靠数据集小的情况下造成的参数不准确或依靠单一专家知识主观性较强的问题.通过实验验证,提出的方法在小数据集的情况下,所获得的贝叶斯网络参数更为准确.并将提出的方法用于公安机关刑事案件线索研判,综合专家知识与小数据集获取模型参数,研判结果能够较好地反映实际情况,证明了方法的有效性.     

一类分布参数系统的有限维近似及 H~∞ 误差界

对一类简单有界正规谱系统，在其特征结构均未知的条件下的有限维近似问题，给出了有限维近似模型及其Ｈ∞范数误差界的估计方法．所得结果为一类未知特征模简单谱系统的有限维Ｈ∞控制提供了一种可能的途径     

一类分布参数系统的有限维近似及H^∞误差界

对一类简单有界正规谱系统，在其特征结构未知的条件下的有限维近似问题，给出了有限维近似模型及其Ｈ＾∞范数误差界的估计方法，所得结果为一类未知特征模简单谱系统的有限维Ｈ＾∞控制提供了一种可能的途径。     

容错控制系统的一种神经网络控制策略

基于神经网络的函数逼近能力及其容错性，提出了一种神经网络容错控制策略；首先利用系统重构的方法设计控制系统在各种故障情况下的控制律，然后采用一个神经网络来学习这些控制律的特性，学习结果后，将该神经网络作为控制器对系统实验控制，对一个具体的线性控制在传感器故障情况下的神经网络控制进行了仿真研究，结果表明：神经网络控制器能够代替系统原有的控制器，而且在系统发生未知故障时，同样具有容错性。     

矿山三维实体建模

采用大型矿床三维软件Surpac构建了凡口铅锌矿深部矿床地质数据库,建立起了该矿的地表三维模型、深部矿体(-320以下)三维实体模型、主要断层三维模型、巷道工程三维模型以及矿体块体模型;分别采用普通克立格法和距离反比法对矿体金属元素品位进行了估值,运用估值结果分别按各金属元素和各中段进行了储量的统计计算,并将计算结果与矿山实际勘探获得的储量结果进行了对比分析.实践表明,所建模型和品位、储量计算结果可靠,从而有效地实现了该矿山深部矿体、岩层、断层、井巷工程等地下空间体的三维可视化,并为矿山深部矿床的有效开采和勘探设计及施工奠定了坚实的基础.     

基于最优化模型的公安宣传资源配置——以诈骗案件的模型验证为例

提出公安宣传资源配置的最优化模型,对公安宣传的效果进行量化评判,解决在固定资源的条件下最大化公安宣传效果,采用诈骗案件数据进行最优化模型验证。定义宣传成本和宣传对象,定义模型最优化目标为最小化社会被害损失,通过不同宣传对象的平均损失、被害可能性推导最优化模型。利用贝叶斯公式转化特定人群受到伤害的统计信息,简化目标函数,构造拉格朗日函数。计算权重矩阵和参数向量,利用KKT条件或MATLAB求解非线性最优化方程。利用收视数据和D市被害人年龄及其被诈骗金额数据,根据客观数据得出在不同类型媒介需要投入的比例,资源配置的最优化模型可操作性强,得出结论清晰明确,可直接指导实践工作。     

无限维系统H^∞最优控制器的结构

讨论了由单输入单输出系统最优灵敏度问题引出的非有理函数情形的Ｎｅｂａｒｉ问题解的形式，利用Ｈａｒｄｙ空间理论将问题转化为子空间Ｈ（ｍ）上的压缩乘法算子的最大奇异值问题，由Ｓａｒａｓｏｎ提升定理及子空间Ｈ（ｍ）上的算子理论，给出了关于计算最优灵敏度的结论及构造Ｎｅｈａｒｉ问题最优向量和最优控制器的公式。     

基于ZMNL经验迭代法的相关非高斯雷达杂波仿真

针对基于零记忆非线性变换(zero memory nonlinearity,ZMNL)的相关非高斯雷达杂波仿真,提出了一种类似神经网络形式的经验迭代法。该方法在对输出频谱估计的基础上,反复修正输入频谱,经过多次迭代运算来确定非线性变换前后相关系数之间的关系。给出了应用该方法进行杂波仿真的具体步骤,仿真结果证明了该方法的有效性。     

容错控制系统的一种神经网络控制策略

基于神经网络的函数逼近能力及其容错性，提出了一种神经网络容错控制策略：首先利用系统重构的方法设计控制系统在各种故障情况下的控制律，然后采用一个神经网络来学习这些控制律的特性．学习结束后，将该神经网络作为控制器对系统实施控制．对一个具体的线性系统在传感器故障情况下的神经网络控制进行了仿真研究，结果表明：神经网络控制器能够代替系统原有的控制器．而且在系统发生未知故障时，同样具有容错性．