甘油间歇生物歧化非线性系统的参数辨识

研究了甘油间歇生物歧化非线性系统的参数辨识问题.针对甘油间歇生物歧化过程的非线性常微分方程系统,首先给出了以代谢物浓度误差与斜率误差之和为优化目标、以甘油间歇生物歧化过程的非线性常微分方程系统为约束的参数辨识动态优化问题;然后基于改进的欧拉法将动态优化问题中的常微分方程组近似表示为代数方程组,从而可将原动态优化问题转化为非线性规划问题;最后利用粒子群算法求解得到的非线性规划问题.与已有文献相比,本文获得了更好的参数辨识结果,为构建甘油间歇生物歧化过程的非线性系统提供理论指导.     

非线性分数阶Fredholm积分微分方程的B样条小波配置法

研究了分数阶非线性Fredholm积分微分方程,B样条小波分数阶积分算子矩阵将积分微分方程离散为代数方程组,数值算例验证了此方法的可行性和有效性.     

基于多孔介质模型的储层裂缝孔隙度计算方法

针对裂缝性储层裂缝孔隙度定量计算的难题,提出了一种基于多孔介质模型的储层裂缝孔隙度计算方法。通过定义孔隙纵横比谱函数表征岩石裂缝分布特征及对岩石宏观岩石物理特征的影响,并代入多孔介质模型中,建立含裂缝条件下多孔介质模型。理论正演表明,孔隙纵横比谱分布特征与岩石体积模量变化一一对应,通过建立岩石模量反演函数,利用现场阵列声波测井资料实现孔隙纵横比谱定量反演,进而计算裂缝孔隙度。应用结果表明,计算的裂缝孔隙度能够较好地反映储层裂缝发育情况,与电成像测井计算结果吻合较好,文中方法所计算的裂缝孔隙度符合实际生产情况,为裂缝孔隙度计算提供一种新的途径,扩展了阵列声波测井应用范围。     

采用改进模糊PID控制的串联机械手追踪误差研究

针对串联机械手运动角位移跟踪误差较大问题,提出了改进模糊PID控制方法。创建串联机械手简图模型,给出机械手动力学方程式,设计了模糊PID控制系统。引用粒子群算法并对其进行改进,采用改进粒子群算法优化模糊PID控制器,将改进模糊PID控制器用于控制串联机械手角位移变化。采用Matlab软件对串联机械手角位移跟踪误差进行仿真验证,并且与传统PID控制器和模糊PID控制器仿真结果形成对比。仿真结果显示,串联机械手采用PID控制器和模糊PID控制器,其角位移跟踪误差较大,而采用改进模糊PID控制器,角位移跟踪误差较小。串联机械手采用改进模糊PID控制器,可以提高控制系统的稳定性,削弱机械手的抖动现象。     

钛掺杂BiFeO3光催化剂的制备及其催化性能

用溶胶-凝胶法制备钛(Ti)掺杂BiFeO₃纳米颗粒(Ti-BiFeO₃), 研究不同煅烧温度对Ti掺杂BiFeO₃结构调控及光催化性能的影响, 用X射线衍射（XRD）、 扫描电子显微镜（SEM）、 能谱分析（EDS）、 紫外-可见（UV-Vis)光谱技术对颗粒的相结构、 形貌、 原子比例、 光催化性能等进行测试及分析, 并以罗丹明-B为目标降解物, 对Ti掺杂BiFeO3光催化性能进行研究. 结果表明: Ti掺杂BiFeO₃样品在不同煅烧温度均出现Bi₂Fe₄O₉相; 煅烧温度可对Bi₂Fe₄O₉的含量进行调控, 在650 ℃煅烧样品中含有适量的Bi₂Fe₄O₉相, 能有效提高Ti掺杂BiFeO₃的光催化活性, 且具有较高的降解活性, 60 min内降解效率达85%.     

PSO-VMD-SVD的改进去噪方法研究

针对VMD(Variational Mode Decomposition)在处理信号时,模态个数K和惩罚参数α的选择会影响信号分解的效果,提出一种改进PSO(Particle Swarm Optimization)优化VMD(PSO-VMD)的算法,通过改进阈值相关系数法选择有效模态分量,根据信号分析对高频噪声进行奇异值去噪重构.对仿真信号和管道泄露信号进行实验,通过选择多个K并结合相关系数法选择模态进行重构,比较不同K对应的重构信号与原信号的信噪比(SNR: Signal to Noise Ratio)、相关系数(CC:Coefficient)、平方绝对误差(SAE: Square Absolute Error)、均方误差(MSE: Mean Square Error)证明改进PSO优化VMD的可靠性.将该方法与改进的PSO-VMD结合豪斯特夫距离和奇异值(HD-SVD: Hustoff Distance-Singular Value Decompositio)、互信息和奇异值(MI-SVD: Mutual Information-Singular Value Decompositio)、相关系数和小波变换(CC-WT: Correlation Coefficient-Wavelet Transform)等方法对比,效果更佳.     

基于樽海鞘群与粒子群混合优化算法的特征选择

针对现有特征选择方法中存在的收敛速度慢和计算效率低等问题,提出了一种基于樽海鞘群与粒子群优化的混合优化(hybrid optimization of salp swarm algorithm and particle swarm optimization,HOSSPSO)特征选择方法,该方法在樽海鞘群算法(salp swarm algorithm,SSA)的基础上,引入粒子群优化(particle swarm optimization,PSO),提高了SSA的收敛速度,改进了探索和开发步骤的效率,增加了解空间更多的灵活性和多样性,使得方法能够迅速获得全局最优值.为了验证算法的性能,在2个实验序列上进行了测试:第一个实验序列使用基准函数,将HOSSPSO与标准SSA、PSO进行了比较;第二个实验序列采用不同的UCI数据集,通过提出的算法确定最佳特征集.实验结果表明,相比于其他优化算法,HOSSPSO的性能更具优势,在多项评估指标中获得较好的效果,能以极少量的特征获得最大的分类精度.     

基于经验模态分解的粒子图像测速流场重构研究

为了消除PIV流场数据中的错误数据并降低误差,利用经验模态分解将PIV流场数据分解为多个本征模态分量,对波形异常的本征模态分量进行滤波处理,并将处理后的本征模态分量与其他波形平滑正常的本征模态分量进行反向叠加,有效实现了流场数据的重构和错误数据的消除。当分解得到的本征模态分量较多且错误数据集中在某一个本征模态分量时,可以通过求解各个本征模态分量与原始流场数据的相关系数,将与原始流场数据相关的本征模态分量进行反向叠加重构并摒弃与原始流场数据不相关的本征模态分量,实现错误数据的直接消除。利用本方法分别对2个人为添加误差为1.7%和3.3%的标准模拟流场进行了处理,处理后的流场数据误差分别为0.002%和0.18%。采用该方法对某实验的原始流场数据进行处理,结果表明错误数据得到了有效消除,流场特性更加清晰准确。本研究可为减小变化缓和的流场数据的误差提供一定的指导。     

具有外部扰动分数阶不确定性单摆混沌系统的自适应滑模同步

研究了分数阶具有外部扰动和不确定性单摆混沌系统的自适应滑模同步,分别设计了滑模面并证明了滑模面的稳定性与可达性,获得了不确定分数阶单摆系统取得自适应滑模同步的两个充分条件.研究显示:在一定的控制条件下,不确定分数阶单摆混沌系统的主从系统能够取得自适应滑模同步.     

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.