实验情境下车辆工程专业英语课程改革的探索

通过分析车辆工程专业英语的教学现状,引入情境教学法,提出了实验情境下ESP教学改革的思路。从"创设情境—深入情境—展示情境—反馈情境"四个阶段建立系统化的教学模式,并构建课时安排科学、师资设置合理、教学内容前沿、评价体系规范的全新课程教学体系。经教学实践检验,该课程改革实施效果明显。     

基于Flash的物体运动编程方法

用Flash编程实现物体的运动，绘制运动轨迹、运动曲线和函数图形，制作交互式多媒体课件，极大地方便了物理、数学的教学，结合实例详尽地说明使用Flash电影剪辑对物体运动进行编程的方法。     

连铸机结晶器液面状态识别及遗传模糊控制方法

在连铸生产过程,结晶器液位易受许多复杂和不确定因素影响,难以控制。为此提出一种新的变模控制器,在这具控制器中,采用一种基于改进的聚类算法的双层ＩＳＯＤＡＴＡ算法的状态识别方法褡且在控制器中用遗传算法优化模糊规则的和内容及隶属函数,使推理速度和控制系统的鲁棒性大大改善,仿真结果令人满意。     

精密平台混合隔减振系统的分析及优化

为了改善精密平台的工作性能,减小台体在宽频环境激励作用下的动力响应,设计了一种基于磁流变阻尼器的混合隔减振系统.首先建立了该隔减振系统的7自由度动力学仿真模型,动力学分析结果表明,该隔减振系统可以在较宽的频域范围控制台体的动力响应.然后,在分析隔减振系统各参数对隔减振效果的灵敏度基础上,采用遗传算法优化其中灵敏度较大的参数,使得该隔减振系统可以达到既定的控制指标.优化分析结果表明,优化后的混合隔减振系统不仅将台体的位移响应控制在限制条件范围内,还能有效减小台体的加速度响应.当频域大于50 Hz时,台体加速度响应控制效果明显;当频率小于50 Hz时,控制效果稍差.     

一类新遗传算法

针对标准遗传算法(SGA)收敛速度慢和早熟的缺陷,从生物学和人类社会学得到启示,在每一代完成遗传操作后引入一个学习过程;从模式的角度出发提出学习概率的确定原则并确定了其计算方法.实现了进化过程中同代个体之间相互竞争与学习的结合.采用惯用的测试函数进行比较研究,仿真结果表明此算法提高了SGA的全局收敛速度,克服了早熟的缺陷,且在群体规模较小的情况下仍然能够达到全局最优,具有较好的寻优能力和一定的现实意义.     

遗传算法引入进化方向算子的一个改进及应用

为了有效找到全局最优,将“进化方向”引入到遗传算法中被认为是非常有用的。文中提出了一个新的进化方向算子,用于对标准遗传算法进行改进,该算子依据父代个体和当代个体的进化方向产生子代个体,进化方向的求取无须计算梯度。算子的作用对象是个体中的变量而不是染色体中的基因,因而适合于采用任何形式编码的遗传算法场合,包含该方向进化算法被用于二维多峰函数的极大值搜索问题,进行了对比验证,将新算法进一步应用于离心压     

基于遗传算法的SVM-AR改进模型与应用

为提升河流流量的预测精度,将支持向量机与AR进行耦合,并构造三核混合核函数的流量预测支持向量机模型。以渭河流域的月径流量为例,首先,通过时间序列分析,将渭河流域的径流序列划分为趋势序列、季节序列和随机波动序列,然后利用AR模型构造适用于支持向量机算法的数据集,并将数据集按4∶1划分为训练集和检验集;其次,利用线性组合构造由多项式核函数、径向基核函数与Sigmoid核函数构成的三核混合核函数,在训练集上,采用遗传算法确定相关参数,随后在检验集上进行预测。结果表明:遗传算法确定参数会带来较大的不确定性,导致结果差异较大,从而着重讨论遗传算法带来的参数不确定性;通过函数构造与统计分析,给出三核混合核函数参数选择的一般性方法与流程,并进行验证,该参数选取方法能够降低遗传算法的不确定性,得到精度较高的流量预测结果,预测流量与实际流量的均方误差从150左右降低到130左右。     

基于多目标遗传算法的吸声覆盖层参数优化设计

针对圆柱空腔吸声覆盖层低、高频吸声的机制不同,提出了一种基于多目标遗传算法的吸声覆盖层参数优化设计方法.利用有限元软件ANSYS建立了平面波垂直入射吸声覆盖层的分析模型,并采用多目标遗传算法NSGA-II得到了多目标吸声问题的Pareto最优解集.结果表明：多目标优化设计全面考虑了圆柱空腔吸声覆盖层的低、高频吸声之间的耦合,可按需选择其满意的优化结果;比起仅优化吸声覆盖层的材料属性,考虑材料属性和结构参数的综合优化能够获得更佳的宽频吸声性能.     

一种基于简单遗传算法的K-Means改进算法

针对k-means算法对初始值敏感、易陷入局部极小值等缺点,结合遗传算法的思想,提出了一种基于遗传算法和k-means算法的混合聚类方法,为了测试该聚类算法的性能,用k-means 算法和改进的算法进行了1组实验,并对2种算法的聚类结果进行比较,实验结果表明算法能够有效地解决聚类问题.     

基于信息熵的量子免疫遗传算法

针对目前的量子进化算法在高维函数优化时容易陷入局部最优,利用信息熵的概念,将量子进化算法和免疫遗传算法进行改进与融合,提出一种基于信息熵的量子免疫遗传算法.该方法对抗体采用相位编码,用信息熵准确地度量量子比特的不确定信息;提出了一种按变量的种群熵降序排列的邻域搜索策略;对于抗体之间的相似度,给出了一种按个体熵相同变量位数的度量方法;用繁殖概率对抗体的多样性进行评价,并分别以函数优化问题和VRPSDP问题进行了仿真验证.研究结果表明:该算法收敛速度快,求解精度高.