Particle methods for multiscale simulation of complex flows

The multi-scale structures of complex flows have been great challenges to both theoretical and engineering researches, and multi-scale modeling is the natural way in response. Particle methods (PMs) are ideal constitutors and powerful probes of multi-scale models, owing to their physical insight and computational simplicity. In this paper, the role of different PMs for multi-scale modeling of complex flows is critically reviewed and possible development of PMs in this background is prospected, with the emphasis on pseudo-particle modeling (PPM). The performances of some different PMs are compared in simulations and new development in the fundamentals and applications of PPM is also reported, demonstrating PPM as a unique PM for multi-scale modeling.     

NSGA-II与改进粒子群算法相结合的储能优化配置

储能系统的选址定容在接入新能源的电力系统中具有重要意义,合理选择储能容量可以很好地平抑风电接入后的系统有功功率波动,同时减少能源浪费。本文提出了一种混合智能优化算法(Hybrid Intelligent Optimization Algorithm,HIOA),以电压偏差、负荷波动最小及最少储能配置容量为目标进行优化配置。该算法将多目标粒子群算法改进后(IMOPSO)与精英非支配排序算法(NSGA-II)结合,与常规多目标粒子群算法相比,大幅提高了算法的寻优性能,保证了Pareto 解的多样性和分布性。通过非支配排序求解获得Pareto 最优解集,采用逼近理想解排序(technique for order preference by similarity to an ideal solution,TOPSIS)选出储能的最优接入方案。通过IEEE-33 节点测试系统的仿真实验验证了本文所提算法的准确性及有效性,在求解配电网储能选址定容问题中有很好的收敛性和全局寻优能力。     

粒子群优化算法综述

粒子群优化(PSO)算法是一种基于群智能方法的演化计算技术,通过粒子间的相互作用发现复杂搜索空间中的最优区域,优势在于简单容易实现而且功能强大.由于它简单易操作的特点,PSO—提出,立刻引起演化计算等领域学者们的广泛关注,并在函数优化、神经网络训练、工业系统优化和模糊系统控制等领域得到了广泛的应用.介绍了基本的PSO算法、若干类改进的PSO算法及其应用.     

高炉粉尘Fe和Zn非熔态分离工艺

开发一种高炉粉尘再资源化处理工艺,采用"非熔态还原--磁选分离--Zn的回收、富集"方法对典型高炉粉尘进行Fe、Zn非熔态分离研究.结果表明:在910～1 010℃,使用纯H2、CO为还原剂进行非熔态还原,同时实现粉尘中Fe2O3(s)→Fe(s)和ZnO(s)→Zn(g)的高度转变,金属化率达到90%以上,气化脱锌率达到99%以上,且还原过程未发生烧结.还原产物直接经磁选分离、富集得到TFe品位90%的富Fe物料;含锌挥发物经回收、富集得到ZnO含量92%的富Zn物料.成功地将高炉粉尘全部转化为MFe、ZnO等有价资源,实现了零排放,且分离过程不需高温熔融,过程能耗低,无环境污染.     

耗散粒子动力学中Lees-Edwards边界条件的实施

结合元胞分割法以及改进的velocity-Verlet算法讨论了Lees-Edwards边界条件在耗散粒子动力学中的实施,并将模拟结果与前人的工作进行了对比分析.所得到的速度、密度、温度、压力以及应力分布等与预期一致,尤其当耗散力系数γ提高到100时,系统中的各参数分布仍然是均匀的.表明高耗散率条件下,在耗散粒子动力学中应用Lees-Edwards边界条件仍然有效,笔者提出了与文献[21]不一致的观点.     

含时磁场中自旋团簇两类规范解关系的研究

本文用坐标系旋转方法研究SU(2) 自旋团簇系统两类规范解析解的关系．研究对象选用一个有部分各向异性耦合的3自旋12粒子环链．从中发现系统的单规范解析解可以由双规范解析解获得．还计算了单规范解析解的几何相位,结果显示：单规范的每个基本解析解中的几何相位均为π．如果令双规范中的参数λ=π2,那么这个相位值与对应的双规范基本解析解中的几何相位是一致的．     

基于RBFNN的FDPSO火灾爆炸波及钻井区概率分析

浮式钻井生产储油轮（FDPSO）是一种具备钻井、采油、储存、外输等多项功能的新型浮式生产装置．FDPSO的功能高度集成和密集布置带来了各模块风险的相互影响问题．针对由此引发的一类突出危险事件,即FDPSO装置上外部设备发生的火灾爆炸波及钻井区,展开事件发生概率研究．在定量风险分析的基础上．引入经改进粒子群算法优化的径向基函数神经网络进行概率预测,并验证了该模型的可用性．研究成果有助于设计人员回避繁琐的定量风险分析过程,快速确定不同布置情况下外部火灾爆炸波及钻井区的概率,从而通过合理设计有效控制该风险．     

金纳米粒子二维有序阵列的构筑和电化学性质

在水溶液中用柠檬酸钾还原氯金酸的方法合成了粒径为30～40nm的金纳米粒子,并用透射电镜和紫外可见光谱进行了表征;然后在表面经PVP修饰的导电玻璃上以自组装的方式构筑了金纳米粒子的二维有序阵列,并用扫描电镜和紫外可见光谱进行了表征;以所制备的金纳米粒子二维有序阵列作为电极,对硝基苯酚的电化学响应得到明显提高,金纳米有序阵列电极有望成为检测废水中对硝基苯酚的电化学传感器.     

柔性作业车间调度的动态禁忌粒子群优化算法

针对复杂的多目标柔性作业车间调度问题(FJSP),提出一种基于全知型粒子群优化(FIPS)和动态禁忌搜索(TS)的混合Pareto算法,它在利用FIPS的全局搜索能力确定搜索方向后,通过TS进行有效的局部搜索以提高算法的搜索性能.该算法采用基于强度的适应度函数来评价粒子,以使非劣解均匀分布于Pareto前沿;采用基于公共关键块的多种邻域结构,既保持了种群的多样性,避免算法陷入局部最优,又有效提高了算法的收敛速度.算法中还引入了基于变异的自适应扰动策略来进一步增加解的多样性.对不同规模实例的比较实验表明,文中所提出的算法具有较好的搜索性能,是一种求解大、小规模多目标FJSP的有效算法.     

形状误差粒子群算法智能评定的β分布统示法

形状误差的智能评定结果稳定性较差,掌握智能评定结果的概率分布特性及拟合方法对进一步提高该方法的可靠性有重要意义.文中以平面度误差粒子群算法评定为例,基于智能评定结果的概率分布特性分析,提出β分布统示法来对评定结果进行拟合,并利用K-S法检验拟合效果.选取平板实测三坐标数据,并利用粒子群算法对其进行100次智能评定,采用β分布统示法对评定结果样本进行拟合,结果表明:提取参数取值在[20%,70%]时,β分布统示法拟合效果较好,拟合形状参数均大于1,且拟合概率分布右偏,符合智能评定结果的概率分布特性.