基于在线归档技术的多目标粒子群算法

提出一种基于在线归档技术的新型多目标粒子群优化算法. 使用外部集归档,在归档粒子中采用适应值共享技术选出全局最优位置,使得种群多样性得以维持;在粒子群的进化过程中,使用在线归档策略,将归档的粒子合理地引入下一代的种群,淘汰原种群中的不良粒子,从而保证进化过程中种群的优良性. 用Zitzler的两个多目标测试函数评价算法的性能. 结果表明,该算法能快速收敛到Pareto非劣最优目标域,并且解集沿着Pareto非劣最优目标域有很好的扩展性.     

MPA包覆的银纳米粒子修饰电极制备和电化学表征

运用自组装和电化学组装法,将MPA包裹的银纳米粒子修饰到金电极表面,制备成银纳米粒子单层和多层膜修饰电极. 循环电压-电流和电化学阻抗谱测定结果表明:以MPA包覆的银纳米粒子修饰电极的氧化电位明显负移,显示出银纳米粒子具有更高的活性. 以0.5mmol/L的K3[Fe(CN)6]溶液为检测体系,电化学阻抗谱测试得出电极表面对探针分子的阻碍作用有所增加. 循环电压-电流结果表明:与单层膜修饰电极相比,多层膜修饰电极的峰电流显著增加.     

一种新的简化粒子群优化算法

针对粒子群算法在寻优中存在早熟和收敛精度不高等问题,论文对粒子位置的更新策略以及更新公式进行改进,提出了一种新的简化粒子群优化算法(New Simple Particle Swarm Optimization,NSPSO),并将其在15个多极值基准函数进行全局最优化测试,实验结果表明,NSPSO算法收敛的精度大大提高了,而且算法收敛速度也很快,对于高、低维复杂函数的优化均适用.     

退火方式对纳米FeCoPd/SiO_2复合薄膜结构和磁性的影响

采用溶胶—凝胶旋涂法,通过氢气还原及快速退火两种方式在Si(100)基片上获得纳米Fe Co Pd/Si O2复合薄膜,并对其进行了X射线衍射仪(XRD)和振动样品磁强计(VSM)表征分析,进一步研究不同退火方式对纳米Fe Co Pd/Si O2复合薄膜样品结构和磁性能的影响.结果表明,经过氢气还原处理后,薄膜中的Fe Co具有较强的(200)择优取向,且薄膜的矫顽力较小,表现出较好的软磁特性.     

基于执行器能量消耗的并联机器人优化

并联机器人在执行任务过程中的能量消耗特别严重,为此本文以其3个主动执行器的电能消耗最小化为目标对3-RRR平面并联机器人进行尺度优化。在3-RRR机构运动学分析的基础上推导出机构的逆运动学方程,分析了3-RRR机构常见的4种工作模式。采用粒子群算法确定3-RRR机构的连杆和平台质量的最优值。根据优化结果进行仿真和对比分析,结果表明,在4种工作模式下,优化后执行器的力矩值均较小,消耗的电能得以降低,其中工作模式2的性能最佳,在执行相同的轨迹跟踪任务时,其执行器跟踪误差收敛较快,消耗的能量最少。     

IMM迭代无迹Kalman粒子滤波目标跟踪算法

针对传统交互式多模型(interactive multiple model,IMM)算法跟踪机动式再入目标精度差和实时性不高的问题,提出一种交互式多模型迭代无迹Kalman粒子滤波算法.该算法在多模型滤波过程中采用改进的粒子滤波算法,通过迭代无迹Kalman滤波融入最新观测信息,进而生成粒子滤波的重要性密度分布,从而提高采样质量,改善滤波算法性能.仿真结果表明,提出的算法相对于交互式多模型粒子滤波算法具有更好的跟踪效果.该算法对提高跟踪机动式再入目标的精度与实时能力具有一定的理论意义.     

纳米碳催化研究取得新进展

纳米碳材料具有较好的化学相容性,经表面活化处理后可在烷烃活化、生物质转化、电催化氧还原等反应中表现出优异活性。然而,功能化纳米碳材料表面物种繁多,为单一官能团定量分析带来了较大难度,多个碳催化反应过程的结构-性能基本关联仍未明晰。近日,中国科学院宁波材料技术与工程研究所所属新能源所张建课题组与张亚杰课题组合作开展的纳米碳催化机理研究取得新进展,揭示了     

FePt@Au纳米颗粒的可控制备

磁性纳米颗粒在生物医药方面的许多应用都要求在小尺度下仍具有高的磁性能。FePt纳米颗粒具有高的饱和磁化强度和高的磁晶各向异性,用有良好生物相容性的Au作表面包覆,形成核壳结构的FePt@Au纳米颗粒成为生物医药领域的首选研究对象。介绍用化学热分解法,制备尺寸均匀的、立方形貌的FePt纳米颗粒作籽晶,之后分散到溶液中再热分解乙酸金制备FePt@Au核壳结构颗粒。通过透射电镜(TEM)观测到包覆Au后颗粒尺寸长大,并且对单个颗粒进行了能谱分析(EDS),结果表明,制备出来颗粒同时包含Fe、Pt、Au元素,证明所制备的颗粒具有FePt@Au的结构。对所制备的FePt@Au纳米颗粒的结构研究表明,Au原子在方形颗粒表面的不均匀形核是形成复合结构的主要生长机制。     

一种基于 Pareto 云隶属度的 MOPSO 算法

为定量解决非支配解排序问题,并兼顾多目标粒子群优化算法（multi-objective particle swarm optimization,MOPSO）的收敛性和多样性,提出了一种基于 Pareto 云隶属度的 MOPSO 算法。利用 Logistic 混沌映射优化种群的初始空间分布并融合布谷鸟搜索（cuckoo search,CS）指导粒子跳出局部陷阱,以增强算法的全局寻优能力。首次提出云向量评价 Pareto 最优解集方法,采用云隶属度评价准则对粒子适应度值进行量化评价。依据云隶属度选取个体最优和群体最优,平衡全局开发与开采,进而实现外部档案维护。测试函数集 ZDT 的实验结果表明,改进算法在收敛性和多样性方面较 MOPSO 和 NSGA-Ⅱ有一定优势。     

纳米TiO_2对沉积物吸附氨氮的影响及其机制探讨

纳米TiO2在生产使用过程中不可避免地大量进入水环境,并影响到其他传统污染物质(如氨氮)的迁移转化.氨氮在沉积物上的吸附和解吸附是水环境中氮素循环的关键过程之一.本研究测定了受纳米TiO2污染沉积物、常规TiO2污染沉积物和未受TiO2污染沉积物的零电荷点,并通过氨氮吸附热力学和吸附动力学实验,研究了纳米TiO2对沉积物吸附氨氮的影响.得出如下结论:(1)研究中的三组沉积物与NH4+-N之间没有静电吸引力;(2)修改后的Freundlich和修改后的Langmuir模型对氨氮吸附的拟合效果都比较好,且后者拟合度更高;(3)纳米TiO2的添加降低了氨氮的吸附—解吸平衡浓度,减小了沉积物向上覆水中释放氨氮的趋势;(4)抛物线扩散模型能较好地拟合三组沉积物吸附氨氮的动力学过程,结果显示纳米TiO2对沉积物吸附氨氮的动力学特征(快慢)没有影响,但增强了沉积物吸附氨氮的强度.