食品双螺杆挤出机温控系统的模糊免疫PID控制

食品双螺杆挤出机机筒温度对挤压产品产量和质量影响很大,实现对机筒温度的有效控制是一项重要工作.建立控制对象的数学模型,借鉴生物体免疫机理,设计出模糊免疫PID控制器,并进行了仿真研究.结果表明,该温控系统鲁棒性强,响应速度快,动态误差小,性能优于单一的PID控制,能满足食品加工工艺的要求.     

基于免疫算法的悬架系统参数的辨识

在ADAMS中建立了麦弗逊与双横臂两种不同悬架形式的1/4汽车模型,依据其输入输出数据,利用免疫算法分别对两者的车身质量、悬架刚度与阻尼、轮胎的刚度及轮胎质量进行了辨识.仿真结果表明:使用辨识参数的简化模型可以替代真实模型并能够合理反映出由于悬架结构不同而引起的性能差异;免疫算法是参数辨识的一种有效方法,具有较好的全局寻优特性.     

咪喹莫特合成工艺的改进

以2,4-二羟基喹啉为起始原料经过硝化、氯代、胺解、硝基还原、环化、苄胺化和脱苄基等七步反应合成了目标产物咪喹莫特.通过7次循环使用硝化反应的母液使2,4-二羟基-3-硝基喹啉(Ⅱ)的平均收率达99%;在95%的乙醇中使用铁粉和盐酸还原4-(2-甲基丙胺基)-2-氯-3-硝基喹啉(Ⅳ),反应完成后添加适量的无水碳酸钾使铁的氧化物容易经过滤与产物分离,得到76%收率的4-(2-甲基丙胺基)-3-氨基-2-氯喹啉(Ⅴ).通过对各个反应条件的改进,硝化、胺解、硝基还原、环化、苄胺化反应的中间产物可不经重结晶直接用于下一步反应,简化了合成工艺,使七步反应总收率超过45%.     

胰蛋白和木瓜蛋白酶酶解酪蛋白产物的免疫活性

通过给小白鼠注射胰蛋白酶和木瓜蛋白酶酶解酪蛋白产物,测定免疫器官重量、外周血白细胞数和E-玫瑰花环形成率研究酶解产物的免疫活性.结果发现两种酶的酶解物对由环磷酰胺所引起的免疫器官重量下降以及白细胞数的减少具有一定的抑制作用;并且两种酶解物也能够抑制环磷酰胺所引起的花环形成率下降.提示两种酶的酶解物对小鼠的免疫活性可能具有增强趋势.     

丙型肝炎病毒抗体快速诊断试剂的方法学研究

通过将抗原片段用点膜仪固相在硝酸纤维素膜上,依次加入标本、生物素标记的IgG、链霉亲和素-碱性磷酸酶,最后加底物显色,建立一种快速、敏感、实用的丙型肝炎病毒抗体(抗-HCV)检测方法.结果表明,整个检测过程仅需15～25 min,操作简便,已通过"第3代ELISA抗-HCV诊断试剂国家参考品".该方法简便、快速,结果易判断,既有ELISA的特异性和灵敏性,又有金标记法的检测速度;既适合输血筛查实验,又适合临床常规检查.     

基于免疫网络理论的动态超变异免疫算法

基于免疫网络理论,提出了一种动态超变异免疫算法,该算法通过采用新的超变异方法增强了算法在解域的搜索能力。同时根据抗体的激励水平进行免疫调节操作,保持了抗体群的多样性。最后根据随机过程的理论知识,证明了该算法的收敛性。仿真结果表明:该算法采用格雷编码时的性能优于用二进制编码实现的算法,与遗传算法和克隆选择算法相比,不仅收敛速度快,而且全局搜索能力强。     

资源受限多项目选择计划模型及其免疫优化决策方案

针对资源受限多项目选择计划问题探讨其数学模型,利用改进的克隆选择算法对其进行求解.算法设计中,利用启发式规则生成初始抗体群;利用变异算子改善进化群体的质量和增强进化群体的多样性;在群体更新中,基于启发式规则,插入新的成员微调进化群体的多样性.数值实验结果说明了模型设计的合理性,以及改进的克隆选择算法的有效性,获得了所建模型的较好决策方案.     

时变路网下电动汽车冷链配送路径规划研究

在双碳背景下,电动汽车已在物流行业快速普及.在满足生鲜品的新鲜程度、车辆限载及电动汽车的电量限制等约束条件下,将电动汽车充电过程所产生成本纳入目标函数中,构建了时变路网下带软时间窗的电动汽车多温共配路径优化模型.根据该模型的特点,引入K-means聚类对客户进行聚类,同一聚类单元内设计免疫遗传算法,得到启发式路径优化方案.实验结果表明,根据顾客的需要及时变路网特性,合理安排运输规划与配送路径,保证了生鲜品运输的时效性;采用电动汽车多温共配的运输方式进行运输,运输成本更加低廉、过程更加节能,提高了企业的经济效应.     

基于改进免疫算法的微硬盘双级控制模型辨识

微硬盘伺服系统的双级控制器由音圈马达和微致动器中各自的控制器构成,双级控制器技术对改善磁头的跟踪速度和定位精度比单级控制技术更具有重要的现实意义.为此,基于PD控制,设计音圈马达的控制器的结构,基于滞后超前控制设计微致动器的控制结构,利用免疫算法辨识模型中的参数,提出微硬盘双级控制器.数值实验、比较表明,在由改进的免疫算法所得控制器的作用下,双级控制系统中磁头输出能较准确地跟踪参考信号,且跟踪速度快、定位精度高和噪声衰减能力强.     

基于量子的免疫进化算法及收敛性

分析和探讨了量子计算的特点及免疫进化机制,并结合免疫系统的动力学模型和免疫细胞在自我进化中的亲和度成熟机理,提出了一种基于量子计算的免疫进化算法。该算法使用量子比特表达染色体,通过免疫克隆、记忆细胞产生和抗体相似性抑制等进化机制可最终找出最优解,它比传统的量子进化算法具有更好的种群多样性、更快的收敛速度和全局寻优能力。在此不仅从理论上证明了该算法的收敛,而且通过仿真实验表明了该算法的优越性。