基于二次优化的救援机器人路径规划

针对当前应急救援过程中救援机器人路径规划效率低的问题,采用改进的遗传算法和二次优化方法实现救援路径的优化。对传统遗传算法进行改进,在初始化过程中采用一种启发式可行点插入方法建立初始种群,在适应度函数中加入路径平滑评价函数,在保留策略中采取“抓大放小”的方法,使算法的全局收敛能力和收敛速度都有了较大的提高。在初始路线的基础上,由起点到终点采用逐段寻优的方法进行路径二次优化,进一步缩短规划路径的长度并减少拐点数量。仿真结果表明,该方法较次优方法,路径长度分别缩短2.61%、2.21%、3.52%、1.22‰,平均收敛次数、搜索时间均有效优化,可有效地弥补传统遗传算法的缺陷,提高救援机器人的救援能力。     

旋风预热器预热过程的模拟研究

基于“动量传递、热量传递、质量传递和反应器过程”的基本原理,建立了4种不同系列不同级数的旋风预热器系统的预热过程质量平衡、气体平衡与热量平衡的数学模型,通过对具体实例的分析计算,表明该方法的计算结果能较好地反应实际情况,为设计和优化预热器系统提供了一条有效的途径和方法.     

体育教学改革的思考

一、存在的问题 （一）体育教学实践中思想不够开放。随着时代的发展,体育教学思想不断在寻求新的变化,体育教学大纲做了重大调整,从过去的以竞技体育教学为主要目的的教学逐步演变到以健康教育为主要的目的的体育教学,突出了以健康教育为主的体育教学,淡化了竞技体育教学。但在具体的体育教学实践过程中,由于传统的体育教学思想观念和体育教学体制难以在短时间内转变,体育教学仍然难以突破“重竞技,     

基于红外光谱图特征峰分析的沥青指标

基于采用红外光谱图特征峰分析沥青指标是快速评价稠油沥青质量的研究热点,借助傅立叶红外光谱技术、分离分析等手段,对90#A级沥青和SBS改性沥青进行红外光谱测试分析.结果表明:沥青的红外光谱分析技术与常规沥青检测方法的相关性为99.6%;90#A级沥青在3 000～650 cm~(-1)出现9处较明显的特征峰,SBS改性沥青在2 950～650 cm~(-1)出现11处较明显的特征峰,每个特征峰均有对应的特征基团;同类沥青材料的特征基团一致,同类沥青材料的技术指标相同.通过对比分析沥青红外光谱图的特征峰,可以快速评判出沥青质量优劣,缩短了检测评价沥青材料指标的试验时间.     

页岩气吸附规律研究

页岩的吸附解吸行为是页岩气藏含气量评价和高效开发的基础。利用自主研发的页岩气高温高压吸附实验装置,对四份鄂尔多斯盆地南部延长组页岩样品进行了高温高压吸附实验,得到了四份样品65℃下、最高压力达25 MPa的吸附等温线。采用修正的朗格缪尔(Langmair)模型对吸附等温线进行拟合,并对拟合结果进行分析。研究表明:页岩样品具有较高的吸附气能力,饱和吸附量为0.04~0.14 mmoL/g。采用修正的朗格缪尔模型可以较好地拟合页岩高压吸附等温线,拟合系数达0.99以上。页岩有机碳含量与吸附气量具有正相关性,有机碳含量越高,吸附气量越大。未发现黏土含量与吸附气量的关系。     

点插值无网格方法在平板弯曲问题中的应用

点插值方法是近年来发展起来的一种新型无网格方法．运用该方法时，在问题域上离散一系列随机分布的节点，一点的位移值由该点影响域内的节点插值得到．由于插值函数具有Kronecher Delta函数特性，因此可以很方便地施加本质边界条件．根据变分原理得到平板弯曲的点插值无网格控制方程，将其应用于简支方板和地基板的计算中．算例表明该方法是有效的，适用于薄板和厚板的计算．     

当前隧道施工的风险管理及应对措施

贵州省民族学院风雨操场使用面积为8458m2,分为两层,属于预应力框架结构。一层为乒乓球馆、体育馆、武术馆和健身馆;二层为蓝球馆。总层高为20.5m,二层楼面预应力梁20根,屋面预应力梁4根,梁截面尺寸均为1300×1000,跨净分别为21m和28m两种类型,支撑体系采用φ48×3钢管。梁模板采用915×1830×18mm木工板,梁模背方采用4105木方,因该处预应力梁荷载较大,特计算梁的模板及支撑体系,以确定施工方案。     

山东半岛"黄金海岸"旅游开发的整合研究

本文对山东半岛"黄金海岸"旅游整合开发条件进行了SWOT分析,并提出关于"黄金海岸"旅游整合开发的对策.     

中华雪胆中总皂甙和齐墩果酸的含量测定

为建立中华雪胆中总皂甙和齐墩果酸的含量测定方法,分别采用比色法和高效液相色谱法测定中华雪胆中的总皂甙和齐墩果酸的含量,测得中华雪胆中总皂甙的含量为2.53%,总齐墩果酸的含量为1.15%,游离型齐墩果酸的含量为0.010 5%,该方法操作简便、结果可靠,可用作中华雪胆中总皂甙和齐墩果酸的含量测定.     

基于样本不同属性综合的鲁棒偏倚赖主动学习分类算法研究

主动学习算法可以有效减少样本标注的工作量,每次选取最有信息量的样本交由专家标注。样本的代表性与不确定性都是衡量样本信息量的重要因素,将两者综合考虑能够获得更好的综合效果,但在两者的结合方式上一直存在不少问题,导致算法的适应性不强。为解决该问题,本文提出了基于样本不同属性的鲁棒偏倚赖主动学习分类算法,通过引入偏倚赖权值系数函数,在综合考虑样本的代表性和不确定性的同时,更可以突出样本的特性。同时由于样本代表性模型的渐变,在选择样本过程中更能突出代表性样本与不确定性样本的学习层次,前期训练以代表性样本为主,后期训练以不确定性样本为主,使得算法的适应性大大提高。在UCI机器学习数据库上的仿真实验结果表明本文的思路是合理可行的,在实验所用数据集上,与所提供的对比算法相比,本文的方法只需较少的标注样本便可以达到相同的分类正确率。