基于遗传算法的热物性参数辨识

为了提高热物性参数辨识的准确度,将遗传算法(genetic algorithm)应用于热物性参数辨识,提出了完整的数学模型.数值模拟结果表明,此法具有相当的精确度,不但没有造成噪声放大,而且还对噪声进行了过滤,使得输出噪声比输入噪声小了许多,成功克服了反问题中误差累积放大的弱点.本算法应用的唯一前提是相应的正问题可解.该算法很容易应用到其它热物性参数辨识和其它类型的反问题中.     

岩土热响应测试曲线自动拟合方法

基于线热源理论和非线性最小二乘法,建立了岩土热响应测试温度曲线自动拟合方法。考虑反演参数的实际取值范围,借助于惩罚函数方法建立岩土热响应测试约束目标函数,并将其转化为无约束目标函数情形求解,从而实现通过自动拟合岩土热响应测试曲线获取岩土热物性参数的目的;编写了热响应测试解释程序,并通过解释标准热响应测试结果验证了该方法的实用性和可靠性。     

基于激光点热源非稳态传热模型测固体材料热物性参数

提出一种基于激光点热源非稳态传热模型测各向同性固体材料热物性参数的新方法.引入镜像热源理论修正绝热边界对测点温升的影响,建立数学模型,利用数值解法结合计算机编程计算材料导热系数和热扩散率,并研制了热物性测试系统.利用真空泵获得试样容器内的低真空环境,由激光发生器发射激光束加热试样一角,温度传感器测量试样上表面温度,通过...     

地下岩土热物性及地下水渗流速度确定

提出了可用于现场测量地下岩土的导热系数、容积比热容等热物性参数以及地下水渗流速度的方法．埋设在地下的地热换热器与周围岩土换热过程可以近似为无限大介质中移动线热源传热问题．该方法克服了其它模型对钻孔中埋管的具体位置、上升管和下降管之间的距离以及埋管和回填材料的物性等参数的要求，相应消除上述参数测量带来的误差．通过测量地下埋管的加热功率、循环水流量、出入口水温随时间变化，确定了某地源热泵空调系统工程地下岩土的热物性参数及地下水渗流速度，检验证实了该方法的实用性和可靠性．     

岩土热响应测试及应用中的问题探讨

岩土热物性参数是地源热泵系统设计的重要基础依据,其准确程度决定着地源热泵系统运行的可靠性和经济性。本文介绍了岩土热物性测试设备构成及数据处理模型,并对热响应测试的某些问题进行了讨论。热响应测试是地源热泵工程应用的基础工作,具有重要意义。目前仍需要对其计算模型、测试方法及装置进行研究。     

低Da数多孔填料床的热湿迁移特性

根据多孔介质的孔隙及颗粒的大小和多孔腔内水分的静态分布特性，将封闭腔内含湿多孔介质的流动与传热划分为低Ｄａ数与高Ｄａ数两类流动问题。同时采用二维无量纲非稳态模型对低Ｄａ数封闭多孔腔内的热湿迁移特性进行了数值模拟，分析了低Ｄａ数多孔床的传热特性及内部湿分的迁移规律。     

铬锰氮不锈钢热物性参数的测定及冷却过程温度场模拟

在测定几个重要的热物性参数基础上,用商业有限元软件包对水轮机用ＺＧＯＣｒ１３Ｍｎ８Ｎ钢大平板件在静止空气、喷雾以及水冷却过程中温度场进行了模拟计算,得到了工件内部在上述三种冷却条件下温度分布曲线及平均冷速与板厚度的关系曲线。     

利用试井资料确定油层的热物性参数

为了确定地层条件下油层的热物性参数,根据油田试井资料建立了生产井油层区域的导热和对流换热非稳态混合传热数学模型,确定了合理的边界条件和初始条件,计算了油层沿径向的温度分布剖面。采用复形调优法及变步长有限差分法,对目标函数进行了求解,确定了油层的综合导热系数、热扩散系数、热容量和井底产液温度等参数。将实例计算的井底产液温度与现场试井实测数据进行了比较,结果表明,两者吻合较好,能够满足工程精度的要求。     

生物组织热物性参数测试技术

简要介绍了生物组织热物性参数测试技术中具有阶段性突破的几种测试方法,并对其进行评述, 在此基础上对生物组织热物性参数测试技术的发展方向作了简要的论述     

金属材料熔点温度多个热物性的测试

通过测定固、液相界面的移动速率来确定金属及合金在熔点温度附近的导热系数、导温系数、电阻率等多个热物性参数。对于熔点温度较低的镓、伍德合金熔点热物性参数可用相变导热反问题的近似分析解求得,对于熔点温度较高的铅、锌的热物性参数可用数值计算与实验相结合的方法测定,并设计了相应的测试装置。测试所得的结果与文献数据吻合较好,误差小于15％,而且测量较简便,该方法可用于金属及合金相变条件下固、液相多个热物性的测试。图2,表1,参10。     

基于实码遗传算法的河流水质模型的参数估计

针对理想条件下采用解析法往往导致水质参数估计较大误差的问题,以及针对含有多参数的二维水质模型的参数估计问题,具体介绍了采用有限单元法和实码遗传算法求解二维水质模型未知参数的基本步骤,对水质参数(包括纵向、横向弥散系数和衰减系数)分别进行编码,通过计算机模拟浓度输出,并与实测值比较从而得出最优的水质参数估计值．算例表明,采用有限单元法-遗传算法估计河流水质模型的参数是可行的．     

遗传算法在马斯京根模型参数估计中的应用

在马斯京模型参数估计问题中,引进了绝对残差绝对值和最小准则及相对残差绝对值和最小准则,直接优选参数,探讨了遗传处的原理及本身参数优化特性,总结了参数的简便设置技术,并针对该法的寻优效果明显依赖于模型参数的初始变化区间的大小,及可能会出现过早收敛的问题,提出了自适应加速遗传算法,通过实例应用,进行了本文方法与传统优化方法的比较,结果表明,本文方法具有直观、简便,快速、适用性强等特点,可广泛应用于各种优化问题中。     

基于遗传算法的时序混合模型的参数估计

本文对时间序列中所表现的非高斯性进行了探讨，提出了EMTD模型，利用混合指数分布函数对时间序列建模，给出了EMTD模型的一阶矩、二阶矩平稳性条件．利用遗传算法对模型的参数进行了估计，并推导了参数的标准误差．     

基于自适应粒子群算法的重油热解模型参数估计

通过构造一个合适的目标函数,将化工模型参数估计问题转化为一个多维数值优化问题,然后提出一种参数自适应调整和维变异的改进粒子群优化算法来求解该问题。该算法首先利用佳点集方法初始化种群以保证粒子的多样性。惯性权重和学习因子随进化过程自适应调整,从而协调算法的全局和局部搜索能力。为了避免算法陷入局部最优,对收敛度最小的维进行变异。几个标准测试问题的实验结果表明该算法具有较强的全局寻优能力。最后将改进粒子群算法应用到重油热解模型参数估计中,并与基本遗传算法（SGA）和粒子群优化算法（SPS0）进行比较。研究结果表明：本文得到的平均相对误差为5．62％,比SGA和SPSO分别低1．08％和0．50％。     

基于参数估计的遗传程序设计方法

在遗传程序设计算法中 ,针对应用传统的遗传程序设计方法 ( Genetic Programming,GP)解决符号回归问题所遇到的困难 ,嵌入一个基于模拟退火思想的参数估计过程 ,得到更为精确的参数和个体结构 .实验表明 ,此方法提高了 GP系统求解问题的能力     

基于大爆炸优化算法的结构参数识别

作为一种新颖的优化工具,大爆炸算法（Big Bang-Big Crunch optimization,BB-BC）被成功应用于很多复杂优化问题。结构参数识别一直是结构健康监测的核心问题,利用BB-BC算法进行结构参数识别的研究。该方法的基本思想是通过最小化识别模型与实际结构系统响应的误差,从而将参数识别问题转化成一个多峰值非线性非凸的优化问题,并利用BB-BC算法发现系统参数的最优估计。利用BB-BC算法在输入输出数据不完备且噪声污染条件下,同时在没有系统质量、刚度等先验信息的情况下对结构系统进行了参数识别,并与基于遗传算法（GA）、粒子群（PSO）的参数识别方法进行了比较。结果表明：该方法可以成功地应用于结构参数识别,识别效能更优越。     

基于Toeplitz算法的谐波和间谐波参数估计

为准确地检测电力系统中谐波信号的参数,从被检测信号噪声的基本特性出发,将空间谱估计理论中的Toeplitz算法应用于谐波、间谐波参数检测.首先对采样信号构成的自相关矩阵进行奇异值分解,根据不同时刻白噪声相互独立的原理划分出噪声子空间和信号子空间,再利用最小二乘法和旋转不变参数估计的原理,实现信号的频率和幅值参数的准确估计.根据白噪声均值为0的特性,通过仿真实验和现场数据分析表明:本文提出的方法在提高谐波和间谐波的参数估计精度和抗噪能力等方面具有较好的可行性和有效性,能满足实际应用的需要.     

基于遗传算法的半导体器件模型参数提取

随着半导体器件特征尺寸的缩小,半导体器件模型也变得越来越复杂,模型参数个数急骤增加,目标函数自变量空间的维数也变得越来越大,传统的一些基于梯度的参数提取方法已经不能很好地解决问题。遗传算法是一种应用基因工程和人工智能模拟的优化算法,近年来在半导体器件模型参数提取领域被广泛使用,这种方法能有效地克服传统参数提取方法中的一些困难。详细阐述了采用遗传算法提取半导体器件模型参数的原理,同时也指出了采用这种方法提取模型参数时的缺点和目前的一些解决方法。     

基于并行交叉遗传粒子群算法的水文频率参数估计

针对水文频率参数估计问题,提出了基于并行交叉遗传粒子群算法的水文频率优化适线方法.该方法从初始种群的产生和编码、算法的执行方式和数据融合,以及其中的PSO算法的惯性权重三个方面对传统算法进行了改进.为了验证该算法的性能,分别采用矩法、权函数法、概率权重矩法、线性矩法、GA、PSO和文中所提出的算法,对某水文站的年径流量进行了研究分析,得到了各个方法对应的水文频率曲线,实验结果表明:文中提出的并行交叉遗传粒子群算法较其它6种方法,可以得到更小的离差平方和,该算法得到的水文频率曲线可以很好地拟合实测数据.     

基于遗传算法提取PN二极管主要参数的研究

遗传算法是一种新兴的演化算法,计算方法简便,收敛速度快,收敛准确。它被用来估计二极管参数。实验结果表明遗传算法是估计二极管参数的新方法。