泵系统中集中流容的时均特性

选取泵系统中有一定代表性的水箱为对象进行模拟试验,通过试验研究,得到了泵系统在不同工作过程时集中流容的时均特性,给出了集中流容特性随管系特性和其自身固有特性的变化规律,分析了集中流容特性变化的原因,为集中流容特性研究提供了一个范例。     

金属圆板结构的振动与声响应特性

本文基于脉冲激振试验原理研究了金属圆板结构的振动特性和声响应特性,提出了改善其动态特性的有效途径。声响应法同样能有效地识别结构的动态特性参数,并更直接地反映了结构的声学特性。由于声信号为非接触拾取,它使得识别运动部件的动态特性或进行声模态分析成为可能。     

机载相控阵天线建模及辐射特性的研究

针对机载相控阵天线电磁辐射特性预测难的问题,利用HFSS对相控阵天线的方向图特性进行了研究。对单元天线进行了物理建模,得出了方向图特性曲线,结合天线绕射理论分析了机载平台对天线辐射特性的影响。研究结果表明,利用HFSS仿真结合天线绕射理论可简化相控阵天线电磁辐射特性的预测。     

单螺杆泵输送不同粘度液体时的外特性及汽蚀特征

本文用不同粘度的液体对单螺杆泵的外特性和汽蚀特性进行了实验研究,分析了外特性曲线的变化特点,讨论了粘度变化对特性和能量分配的影响,并对单螺杆泵的汽蚀特性曲线和汽蚀条件下的能量平衡关系进行了初步的分析和探讨。     

铁磁元件磁化特性的简易制作方法

本文讨论了铁磁器件的磁化特性(韦安特性)与有效值伏安特性之间的关系,介绍了在一般实验手段的基础上获取其韦安特性的方法。     

压力补偿控制在立体车库液压系统中的应用

介绍了垂直升降门式移动类自动化立体车库举升臂液压系统的工作原理以及压力补偿控制在本液压系统中的应用。应用AMEsim仿真软件对压力补偿控制回路的调速特性、抗干扰特性和超载特性进行了仿真分析。结果表明:系统的调速特性较好,控制速度只与输入信号有关,不受负载变化的影响,抗干扰特性和超载特性均能满足要求。     

光敏电阻特性的研究

通过对用光电转换测量仪所测出的光敏电阻特性的一些数据、图像的研究 ,验证了光敏电阻的光照特性、伏安特性和光谱特性。     

E-Logistic混沌序列性能分析

对Logistic序列进行了扩展,使其混沌区域得到了扩大。通过分析该序列的遍历特性、相空间特性、倍周期分岔特性、Lyapunov指数、Feigenbaum第一常数等,表明它具有良好的混沌特性。     

基于坐标法的涡喷发动机特性计算①②

压气机特性数据是通过大量实验而获取的,结合发动机调节规律对压气机特性数据进行计算,可获得整台发动机的特性,从而缩短发动机研制周期。该文根据某研制中的压气机特性数据,使用坐标数值方法对航空发动机特性进行了计算研究,且基于VB语言开发了相关的程序,实现了高压压气机和低压压气机共同工作线的计算、绘制以及发动机的特性的计算。     

配电网电力线高频阻抗特性分析

配电网高频阻抗特性分析是当前电力载波研究的一个重要内容。该文从传输线理论出发,通过分析等效负载阻抗在复平面上的变化规律,讨论了3种典型连接形式的电力线高频阻抗特性;指出了在高频载波的条件下,传输线的策动点阻抗与负载阻抗特性变化的关系,为进一步讨论大规模配电网阻抗特性提供了分析方法。总结了电网参数对阻抗特性的影响,通过改变线缆参数和调制方法来减小传输线阻抗特性变化对载波通信的影响。     

结合聚类模型和自适应模型的遗传算法

在进化后期,自适应遗传算法有助于保存种群中的优秀模式;但在进化初期,对适应度值大的个体的保护,易降低种群的多样性、减弱算法的搜索性能。基于聚类的遗传算法可以提高遗传算法的收敛速度和搜索性能,但交叉概率和变异概率取定值,易使优秀模式在进化后期遭到破坏,难以收敛到全局最优。在遗传算法中同时引入聚类模型和自适应模型,有利于继承两类改进型遗传算法的优点,克服各自的不足。使用经典的测试函数对引入聚类模型和自适应模型的遗传算法进行测试,仿真结果表明:同时引入聚类模型和自适应模型的遗传算法比引入聚类模型或自适应模型的遗传算法具有更好的收敛速度和寻优能力。     

求解0/1背包问题的自适应遗传退火算法

针对标准遗传算法易早熟收敛以及收敛速度慢的问题,提出一种自适应遗传退火算法用于解决高维约束优化问题.该算法采用轮盘赌和最优保存策略相结合的选择机制,并结合自适应交叉、变异概率,继而引入模拟退火算法,加快迭代后期算法的收敛速度.最后,比较了标准遗传算法和自适应遗传算法的实验结果,证明了自适应遗传退火算法在0/1背包应用中的高效性和精确性.     

基于认知诊断的自适应学习材料智能推送算法研究

将认知诊断和自适应学习相结合,利用认知诊断方法先诊断学习者对知识的掌握情况,然后依据遗传算法和多岛遗传算法为每个学习者智能化提供合适的学习材料,提出了基于认知诊断框架下的自适应学习材料智能推送算法.通过Monte Carlo模拟实验考察了新算法的科学性及其效果,研究结果表明:(i)基于认知诊断框架下的自适应学习材料智能推送算法具有较理想的效果;(ii)遗传算法和多岛遗传算法选取的学习材料具有低惩罚函数值和高学习材料匹配的正确率;(iii)遗传算法和多岛遗传算法选取的材料比随机算法更加适合学习者.     

一种改进的两代竞争遗传算法

两代竞争遗传算法改变了简单遗传算法的选择机制，提高了搜索效率．但是两代竞争遗传算法易出现早熟现象，局部寻优能力并未改善．针对这些问题作者提出了一种改进算法，通过变异概率和交叉、变异范围的自适应调整，改善两代竞争遗传算法的搜索性能．实验表明，改进算法克服早熟现象，且能提高算法的局部寻优能力．     

基于遗传算法的骨肿瘤分类方法研究

为了更好地利用骨肿瘤分形参数集对骨肿瘤进行模式判别，将基于连续变量的遗传算法和相应的交叉与变异算子应用于骨肿瘤的模式分类中。针对该算法在实验中出现的振荡及不收敛问题，相应采用了自适应技术加以改进。通过对比改进前后遗传算法的精度和速度，证明了改进后的自适应遗传算法稳健性能好，运算速度快。利用该算法，可根据分形参数模式集对骨肿瘤进行有效的分类，达到了预期的目标。     

遗传算法参数自适应控制的新方法

根据遗传算法参数自适应控制方法的不同分类,采用基于启发式规则的参数控制方法对遗传算法的种群数进行了宏观调控和微观调控。并采用不同特点的模糊控制器分别控制交叉率和变异率,使种群数、交叉率和变异率都能够随进化的实际情况发生自动调整,形成了一种新的种群数变化的模糊自适应遗传算法。实验数据表明这种算法能够有效防止遗传算法早收敛,同时也说明对参数进行自适应控制能够使遗传算法性能大大提高。     

自适应遗传算法在某拱坝渗流参数反演中的应用

利用水头实测资料,以渗透系数为待反演参数,在采用基本遗传算法进行参数反演研究的基础上,针对简单遗传算法难以确定交叉率和变异率的最佳值及计算量较大、易早熟等缺点,提出以自适应遗传算法来解决工程中的这类反演问题;为力求使改进的遗传算法计算量更小,收敛性更强,同时结合二维稳定渗流有限元工程实例进行了反演计算.结果表明,自适应遗传算法在保持简单遗传算法优点的同时,有效地提高了算法的收敛性,并在一定程度上克服了简单遗传算法的早熟问题.     

选煤厂配煤调度中的云模型改进遗传算法

针对传统遗传算法求解最优值存在搜索速度慢、容易陷入局部最优解的问题,基于传统遗传算法和云模型,提出了云自适应遗传算法和云遗传算法,建立了选煤厂三产品配煤调度模型,并分别采用改进算法和传统遗传算法求解。实例表明,两种改进算法优于传统遗传算法,为选煤厂配煤调度优化提供了技术途径。     

基于代沟信息的自适应遗传算法

针对现有自适应遗传算法无法兼顾群体特性 ,难以稳定地收敛到最优解的问题 ,从种群多样性和适应度均值变化的角度 ,分析了进化停滞或退化的原因 .以种群适应度均值和多样性作为概率调整依据 ,提出了一种新的基于种群代沟信息的自适应遗传算法 .利用相邻两代群体间的适应度差异和多样性差异信息 ,设计了遗传概率的自适应调整策略 ,使算法维持较好的多样性 ,有效避免了早熟 .并证明了算法收敛性 .仿真结果表明该算法能够使种群保持良好的可进化性和收敛性 .     

一种灰度图象的自适应分割算法

利用遗传算法的高效搜索性能和模糊集合理论能较好地描述问题的模糊性和随机性，提出了基于遗传算法的最大模糊熵快速分割算法，将遗传算法和模糊集合理论结合起来应用于灰度图象单闽值和多阈值分割．实验结果证明该方法有效地实现了快速分割，并具有较好的鲁棒性．