基于盲数理论的最优化方法与程序实现

使用盲数表达优化设计中的不确定变量,结合常用的基于实数变量的优化算法,提出了基于盲数的优化方法.该方法从微观的角度分析和描述设计变量与优化参数之间的关系,给出优化问题的盲数解.盲数解不但给出了设计变量的取值,而且还给出了不同取值时优化对象处于最优状态的可靠性的评价.     

铝电解槽三维热应力场非线性有限元分析

基于通用有限元软件ANSYS建立了某大型铝电解槽结构的三维实体模型和热应力场耦合分析的有限元模型. 考虑材料非线性和接触非线性的基础上对电解槽结构强度进行了仿真计算,给出了槽壳和摇篮架的应力、应变云图,分析了电解槽结构的变形规律,并提出了结构优化的途径. 以槽壳近似弹性体为目标,对不同组合载荷工况进行了反算,得出与实际更接近的荷载条件.     

新型负单轴晶体BaAlBO3F2的频率变换特性

根据相位匹配理论,给出三倍频的参数计算公式。详细计算BABF晶体的相位匹配角、非线性有效系数、走离角、允许角随波长变化的理论曲线,得到了对基频波长为1 064 nm和1 342 nmI类相位匹配的三倍频的相位匹配角、非线性有效系数、谐波走离角、允许角,分别为:74.84°、0.348 6×10-12m/V、0.405 3°、6.465 6 mrad.mm-1和50.87°、0.839 8×10-12m/V、1.448 5°、0.589 0 mrad.mm-1。在考虑走离效应的情况下,研究了三倍频转换效率随BABF晶体长度、基频光光斑半径的变化规律。     

基于ISA-ECI参数的肽高效液相色谱保留时间支持向量机预测模型

基于氨基酸描述子ISA-ECI,利用加和法构建了101个混杂肽高效液相色谱保留时间的支持向量回归(SVR)预测模型(ε=0.001、σ=4和C=100),并与多元线性回归和投影寻踪回归作了比较研究,结果表明SVR要好于其它方法,SVR方法对数据集留一法交叉检验和拟合的预测复相关系数分别为0.8822和0.9530,其预测结果与实验值一致.且提出了一个简单的方法并指出保留时间与描述肽的分子结构信息的ISA-ECI参数存在着非线性关系.     

一种基于遗传算法的单神经元PID控制器参数优化

文章分析了神经元PID控制器存在的问题,提出了一种用遗传算法对单神经元控制器进行参数寻优,并利用种群数N和交换概率Pc逐次递减的方法来提高计算效率和收敛速度,在搜索空间内获得全局最优点的方法。试验仿真结果表明,基于遗传算法的单神经元PID控制器参数优化方法能获得很好的控制效果。     

永磁直线波力发电机的磁场分析与参数计算

为了直接把海洋的波浪能转换为电能,提出了一种永磁直线波力发电机。设计了电机的结构。以一个定子模块数为3,振子永磁体磁极数为5的直线发电机为例,采用电磁场有限元方法分析了电机磁场和空载感应电动势,求解发电机定子绕组的电感参数,计算了发电机的功角特性曲面。对感应电动势的实验结果与计算结果进行比较,相对误差为6.8%。该型永磁直线波力发电机在振子速度为0.9m/s时最大输出功率可达80W,能够有效利用海洋波浪能发电。     

用于管道煤粉流量测量的文丘里管型设计及优化

为准确测量电站管道煤粉流量,设计了一种基于文丘里(V en turi)法的煤粉流量计。首先采用气固两相流数值模拟的方法,研究不同管型参数对文丘里法测量管道煤粉流量的影响,发现管型参数是影响稀相气固两相流测量结果的关键因素,并由此提出了文丘里管型设计的优化原则。然后从提高测量精度和保证测量稳定性2方面出发,对文丘里流量计进行了设计优化,获得了3种文丘里管的管型参数,可为管道煤粉流量测量的试验研究提供参考。     

三坐标测量机动态精度影响因素

以静态测量方式为主的三坐标测量机已不能满足高速测量的要求.在分析动态误差对测量精度的影响基础上,对三轴空间位置、测头运行参数、测量速度分别进行了定量数据采集和比较分析.结果表明:各个动态误差因素之间不独立,共同影响测量机的测量精度.有针对性地提出了减少动态误差的途径,为高速测量机的设计和使用提供了参考依据.     

基于信息优化融合的煤矿井下环境安全监测技术

针对传统的传感器监测矿井环境存在评判可靠性低、数据单一的缺点,提出一种基于多参数、两级信息优化融合的安全监测方案.该方法综合了瓦斯、粉尘、CO、风速、温度对矿井环境的影响,利用多传感器采集其参数,首先用Bayes理论对剔除了疏忽误差的同质数据源进行一级融合,形成矿井环境特征向量,然后用灰色理论进行灰色关联度分析的二级融合,根据融合后的关联度判断环境安全等级,实现对矿井环境监测参数的优化和整合.研究表明,该方法充分利用多种有效监测数据,既实现了同质数据源的优化,又从整体上考虑了异质数据源的互补性,提高了监测系统的可靠性、全面性.     

C-SVM在不同类别样本数目不均衡下的优化

在解决故障检测等分类问题时,若不同类别样本数目相差很大,C-SVM训练的分类错误总偏向于样本数较少的类别,因而影响了分类的精确性.为提高精确性,提出一种优化算法,在训练过程中针对不同类样本,采用不同的权值来优化训练过程,按正负类样本在总样本中所占的比例,加大样本数较少的类别权值,降低样本数较大的类别权值来实现两类样本间的均衡.实验结果表明,该方法对两类样本数目相差很大的问题有效.