基于量子点的赭曲霉毒素AsFLISA检测技术研究

建立了基于量子点标记技术的赭曲霉毒素A(Ochratoxin A,OTA)双抗夹心荧光免疫检测(sandwich fluorescence-linked immunosorbent assay,sFLISA)体系,包含多克隆包被抗体、生物素标记的多克隆检测抗体、量子点标记的链霉亲和素等,获得了sFLISA的最佳操作参数:包被抗体浓度2.5μg/mL,检测抗体稀释500倍,量子点标记链霉亲和素稀释100倍。该方法在OTA浓度3.125~125μg/L之间时,相对荧光强度和OTA浓度呈线性关系,回归方程为y=0.0206x+0.2018,R2=0.9924;加标回收率在90.1%~110.0%之间,变异系数均小于10%,能较好地进行赭曲霉毒素A的定量检测。     

变桨距风力发电系统模糊控制

提出了一种基于灰色-ARIMA的金融时间序列智能混合预测模型。首先建立金融时间序列灰色预测模型,并采用PSO算法对灰色模型的三个参数进行优化;利用ARIMA算法对预测模型的残差进行分析,同时采用遗传算法对ARIMA的系数进行优化;最后用ARIMA的残差预测结果对灰色预测模型进行补偿。结果表明,以较好的精度拟合一段时期内MA＜107的时间序列,预测误差控制在5%以上,与单纯的灰色预测算法和神经网络算法相比,在平均绝对误差、均方根误差和趋势准确率三项评价指标上,具有明显优势。     

PMU最优配置及其在舰船电力系统中应用研究

针对舰船电力系统的特点和在潮流方程求解中存在的问题，借鉴在陆地电力系统中配置相应的PMU将使潮流方程直接可解的思想，实现采用遗传和粒子群优化算法的基于潮流可解最优PMU配置方案算法。并对其在舰船电力系统中的有效性和适用性进行了比较，可为舰船电力系统配置PMU提供参考。     

茶叶理条机行星齿轮传动机构参数优化设计

为了降低茶叶理条机在工作过程中的噪音与振动,提高机器的传动性能与茶叶的加工质量,运用遗传算法和Mat Lab工具箱,建立了行星齿轮传动机构的数学模型,编制目标函数与约束条件的m文件,然后通过Mat Lab遗传算法工具箱对参数进行优化计算并进行验证试验。优化结果表明:内齿轮的模数为2.5 mm,齿数为2 8,齿宽为2 1 mm,噪音降低了2 d B,成条率增加了2%。该研究对提高茶叶理条机的工作性能与延长机器的使用寿命具有重要意义。     

纳米TiO_2粉体材料

二氧化钛是一种重要的化工原料,广泛应用于颜料、造纸、涂料、油漆、橡胶、陶瓷等行业.纳米二氧化钛由于它具有的表面效应,小尺寸效应和宏观量子隧道效应,在光学、热学、电学、磁学、力学及化学性与颗粒的普通二氧化钛有着显著的不同.纳米二氧化钛具有独特的抗紫外线、抗菌、抑菌、光催化等特性,已广泛应用于光触媒材料、抗菌陶瓷、抗紫外线化妆品、抗菌涂料、汽车漆等.     

等效电荷变换法及其在量子环研究中的应用

利用等效电荷变换法,把三维空间中的杂质电荷对位于X-Y平面上量子环的影响,用一个在X-Y平面上（或X轴上）的虚拟等效电荷取代,从而使计算简化,对结果的分析更加清晰,物理图像更加明确.     

基于BTO多目标遗传算法的播种机性能优化设计

受播种地形和地域的影响,大部分播种机的播种质量、播种效率和能耗不能发挥到最佳状态,为了提高播种机的作业性能,深入挖掘了按顾客订单生产(Build-to-Order,BTO)模式的一般性意义,并将该模式引入到了播种机的优化设计中,提出了一种基于BTO模式的多目标速度控制遗传算法优化模型。根据播种质量、效率和能耗的要求,首先确定了BTO模式下播种机性能优化的初始参数,利用多目标函数确定了播种机的速度控制模型,并利用遗传算法进行了优化设计。最后,通过试验样机对播种机的播种性能进行了测试,结果表明:使用多目标遗传算法对播种机的性能进行优化后,播种机的播种质量、播种效率和播种能耗有了明显的改善,为新型播种机的研发提供了较有价值的参考。     

径向磁通永磁滑差机构的多目标优化

径向磁通永磁滑差机构磁扭矩的计算受永磁体本身的尺寸参数影响较大,同时还受永磁体布置参数的影响,是具有影响因素多、映射具有非线性的复杂系统。而滑差传动时又需要磁扭矩随相对转角(动磁筒与输出磁筒之间的相对转角)变化平稳。因此选择遗传算法作为多目标优化手段,根据各个参数的精度选择合适的长度进行二进制编码,选择了交叉概率为0.6,变异概率为0.05,利用MATLAB软件,进行多目标优化的编程计算,确定合理的永磁体尺寸参数和布置参数,确定永磁体的布置方式。对该机构今后在结构的简化、节省永磁材料,降低成本等方面有重大的意义,为永磁滑差机构进一步迈向应用作出了努力。     

生活大爆炸

我们不是精通量子物理学的科学宅男，我们只是生活中的普通人，但鉴于我们都“无车不欢”：所以在无数个双休日和工作日，生活同样给我们BigBang!     

微生物降解动力学参数估计新算法的比较

为了有效地估计较大范围变化的微生物降解动力学参数,发展了基于瞬时精英保护策略的遗传算法(IEPGA)和简单改进遗传算法(IGA),并和多次在参数区间内获取随机初值联用Matlab的lsqnonlin搜寻的算法进行了比较.这些算法利用模拟数据和文献数据,估计了积分形式的Monod模型参数.结果表明,虽然三者均能较好解决这一问题,但考虑到实际运行规模、时间以及最终结果精度,对于较大范围变化的微生物降解参数估计问题,多次(>20次)随机初值联用lsqnonlin的方法相对两种遗传算法更为可行.