基于粒子群算法的微纳米铁粉燃烧实验研究

为减少化石燃料的使用,开发清洁、低碳、可再生的新型能源,对微纳米铁粉燃料开展燃烧实验研究。通过微纳米铁粉的比表面积实验、热重分析实验、X射线衍射实验,得到不同粒径铁粉的比表面积、热重曲线以及X射线衍射图谱。分析粒径对比表面积、热重曲线的影响,研究不同粒径铁粉在40 K/min升温速率下的燃烧特性参数和燃烧动力学参数。并用粒子群算法拟合出微纳米铁粉的燃烧速率微分方程,建立微纳米铁粉的燃烧模型。结果表明：除了50 nm铁粉以外,随着粒径增大,铁粉的着火点温度、最高燃烧速率温度、燃尽温度、活化能、指前因子均增大。50 nm铁粉会在高温下发生熔化并凝结,使得燃尽温度上升,燃尽时间延长,不利于反应正常进行。对于粒径在50 nm～2μm范围内的铁粉,可以通过本文建立的铁粉燃烧速率微分方程近似计算不同粒径微纳米铁粉的燃烧特性参数和燃烧动力学参数,误差在允许的范围内。     

控制合成变化粒径的SiOx纳米粒子

文章采用聚丙烯酰胺水凝胶为模板,以Na2SiO3作为SiOx的硅源,通过控制聚丙烯酰胺水凝胶模板中Na2SiO3溶液的浓度,合成了可变粒径的SiOx粒子,其粒径范围分别为220～250 nm、160～190 nm和10～20 nm;并通过场发射扫描电镜(FSEM)、透射电镜(TEM)、X射线光电子能谱(XPS)及红外光谱(IR)等对所制备的SiOx纳米粒子的形貌和成分进行表征.     

混合粒子群算法求解多维背包问题

提出了一种求解多维0-1背包问题的混合粒子群算法,算法使用了两个主要的思想策略,即依据物品单位容积价值的高低选择物品的贪婪策略和基于二进制编码的粒子群算法.用提出的算法,对55个测试算例进行了测试,得到了全部算例的最优解.测试结果表明,提出的混合粒子群算法求解多维0-1背包问题,计算结果的优度高,时间短,是求解此问题的有效算法.     

胃蛋白酶对CdS纳米粒子的表面修饰及分析应用

以巯基乙酸为稳定剂及表面修饰剂,在水溶液中合成了平均粒径为10 nm左右的CdS纳米粒子,用胃蛋白酶改变CdS纳米粒子的表面修饰状态并研究了其系列特性.CdS纳米粒子在292 nm附近有强的紫外吸收,有524.8 nm的荧光发射,胃蛋白酶对其表面修饰后,紫外吸收峰位不变,荧光峰位蓝移至462.4 nm,荧光强度降低.温度及pH值对表面修饰产生影响.在最佳实验条件下,胃蛋白酶质量浓度在2～20 mg/L范围内与荧光降低值之间成线性关系,检测限 (3σ) 为0.13　mg/L (n=10),方法可用于人体胃液胃蛋白酶的测定.     

基于粒子群算法的牵引逆变器多目标优化控制策略

为解决中点钳位型三电平牵引逆变器存在的中点电位不平衡以及由此而引起的输出电流谐波无法同时得到有效控制问题,提出了一种基于粒子群算法的牵引逆变器多目标优化控制策略。首先建立谐波抑制和中点电位平衡控制变量的数学模型;然后以输出电流谐波总畸变率最小为目标,以中点电位波动幅值尽可能小为约束条件,采用罚函数法构建了多目标优化模型。通过粒子群算法进行优化求解,实现在有效抑制输出电流谐波的同时最大程度降低中点电位波动幅值。仿真和实验结果验证了所提多目标优化控制策略的有效性。     

世界最大对撞机将破解五大科学谜团

过去几十年来,物理学家不断在细节上加深对构成宇宙的基本粒子及其交互的了解。了解的加深让粒子物理学的“标准模型”变得更为丰满,但这个模型中仍存在缝隙,以至干我们无法绘制一幅完整的图画。为了帮助科学家揭示粒子物理学上这关建性的未解之谜,需要大量实验数据支持,大型强子对撞机便担负起“数据提供者”的角色,这也是非常重要的一个步骤。大型强子对撞机能够将两束质子加速到空前的状态而后发生相撞,此时的撞击可能带来意想不到的结果,绝对是任何人都无法想象的。五大科学建团真的会被一一破解吗？     

基于多种群共生进化的RFID网络优化

在RFID(radio frequency identification)网络实际大规模部署与应用方面,如何有效地进行RFID网络规划,使网络资源得到优化分配,在保证高读取率和网络负载平衡的前提下,减少读写器冲突,提高标签读取率是决定RFID系统服务质量的关键问题.分析了RFID网络规划和RFID网络环境下的读写器防冲突问题,对两类问题分别建立了相应的数学优化模型.基于生态系统中的不同物种间的互利共生现象,提出了一种多种群共生进化优化算法SMSO(symbiotic multi-species optimization).试验结果表明,将该算法应用于RFID网络规划与防冲突问题,体现了进化的多样性和多层次性,在寻优能力、收敛速度以及克服早熟收敛等方面均具有很好的性能.     

基于改进粒子群算法的超超临界燃煤机组负荷系统建模

针对超超临界机组负荷系统因耦合度高导致的建模困难问题及基本粒子群算法存在的缺陷,提出了一种用于负荷系统建模的改进粒子群算法,通过引入自适应、柯西变异以及梯度指导交叉思想,改善了粒子群算法容易产生早熟收敛、局部寻优能力较差等问题.将自适应柯西变异和梯度指导交叉粒子群算法与电厂的实际运行数据结合进行负荷系统建模和校验.仿真...     

基于曼哈顿距离模糊C聚类及粒子群优化的中继车辆选择算法

针对车辆自组织网络中的多跳广播通信场景,基于曼哈顿距离模糊C聚类(Manhattan distance-based FCM,简称MFCM)和粒子群优化(particle swarm optimization,简称PSO),提出中继车辆选择算法.该算法先用MFCM对广播网络中的车辆进行初始分簇,再用PSO优化簇心位置.通过仿真实验对多种算法进行比较,结果表明:相对于其他算法,所提算法的信干噪比分布最优、簇维护开销最低、数据包接收率最高.     

群活性反馈的变异自适应分数阶粒子群优化

针对传统分数阶粒子群优化(FOPSO)在算法综合性能上依赖于分数阶次α,易陷入早熟收敛,为此提出一种基于群活性反馈的S型自适应分数阶粒子群方法(SFOPSO),即根据种群活性以及粒子个体的活跃程度自适应动态调整每个粒子的分数阶次α,使种群在搜索过程中保持较好的稳定性与多样性;同时设计了一种混合变异机制以提升种群在探索期和开发期跳出局部最优的能力.理论分析证明了提出的算法SFOPSO的收敛性,实验选取6个不同特征的基准优化函数进行测试,结果证明了所提出SFOPSO算法的可行性和有效性,5种方法性能比较分析表明,SFOPSO具有更好的收敛精度和收敛速度.