针辊式高压静电分选机电晕极结构优化

为提高针辊式高压静电分选机的分选效率,须寻求最佳的电晕极结构. 利用自制针辊式高压静电分选机,固定针辊距离为d=50 mm,进行针辊放电实验. 通过调整电晕电压、放电针间距及长短针排列方式,探讨分选电场分布规律,对针结构进行优化. 结果表明,放电效果随针间距减小会出现先增强后减弱的过程,当针间距为12 mm时达到最大值;在最佳针间距下,将针的长度按30 mm-15 mm-30 mm的方式排列,得到了更好的放电效果,转辊表面电荷量在15 kV时可提高33%;应用Matlab软件,模拟了不同针间距对放电的影响,为静电分选机的优化设计提供了依据.      

Y／△-11变压器差动保护两种接线方式的探讨

本文主要对变压器差动保护的两种接线方案作了一个比较，重点对二期总变运用智能块的差动保护如何消除不平平衡电流作一个深入了解和分析，从而对今后更好维护二期总变变电所的正常运行，保证全厂的正常供电具有重要意义。     

不悔步方式在微型足球机器人系统中的应用

研究了不悔步方式搜索策略在微型机器人足球系统中的应用．微型足球机器人通过积极地辨识当前所处的状态和实时地利用当前的有效信息，采用神经网络对机器人的一般特性和有限的记忆进行不悔步方式搜索策略的执行。     

移动阅读——图书馆的新挑战

移动阅读是基于移动互联网的新型阅读方式。介绍了移动阅读的技术实现方式和多种发展模式,分析了在实施移动阅读中图书馆遇到的技术、版权、运营模式、资金等实际问题,并探讨了应对和解决的方法。     

间歇精馏过程中最小过渡馏分的优化控制

提出了间歇精馏过程中最小过渡馏分的概念，对有无持液量两种情况时最小过渡馏分的计算方法进行了研究，并建立了相应的数学模型，通过数学模拟分析了间歇精馏过程理论板数和持液量对其最小过渡馏分量的影响．结果表明：间歇精馏过程的最小过渡馏分量随理论板数的增加先降低、后逐渐达到一个稳定值；塔板和冷凝器的持液量与最小过渡馏分成正比关系．     

基于NSGA-Ⅱ和BP算法的横置板簧悬架系统多目标优化

为了匹配汽车簧载质量和悬架刚度,文章建立整车悬架系统振动模型,基于多目标优化理论,以车身加速度均方根值最小、车身侧倾角最小为2个优化目标,将非支配排序遗传算法（non-dominated sorting genetic algorithm-II,NSGA-Ⅱ）和反向传播（back propagation,BP）神经网络结合进行多目标优化;根据车辆簧载质量变化和性能偏好,对悬架参数进行匹配,然后对悬架参数进行Sobol敏感度分析,得到各悬架参数对平顺性和操稳性的不同重要程度。仿真结果表明,匹配后的数据对平顺性和操稳性均有较好的优化效果,前阻尼值对平顺性影响最大,后刚度值对操稳性影响最大。     

若尔盖高原土地利用变化及其驱动因素研究进展

土地利用变化是全球变化的重要影响因素,直接影响生态系统结构和功能.简要回顾了若尔盖高原地区土地利用变化及其驱动因素研究进展,特别是草地、湿地和沙地的生态保护与修复政策和工程对土地变化的影响.针对目前若尔盖高原土地利用产品存在数据源、精度和分类不一的情况和定性分析土地利用变化驱动因素的研究现状,对未来相关研究提出以下展望：(1)通过无人机和卫星遥感结合获取时序长、精度高、分类体系完整的土地利用产品;(2)加强对人地系统耦合研究,定量和预测生态保护与修复政策和工程等驱动力因素对若尔盖高原土地利用变化的影响.本文旨在为该区域土地利用管理优化和提升区域生态系统服务功能提供理论支撑.     

过热器机理模型的遗传算法参数优化方法研究

针对过热器模型各参数存在的强耦合性,提出了基于遗传算法的机理模型参数优化方法。建立过热器数学模型,确定优化参数,应用遗传算法进行优化,直到模型精度达到要求。仿真研究表明,运用该方法建立的过热器模型达到预定精度要求;优化过程自动进行,缩短了建模和优化时间。这种方法具有通用性,简单易行,为火电厂仿真机数学建模和参数优化提供一种新的思路和方法。     

基于GA和Bootstrap的最小二乘支持向量机参数优选

支持向量机是一种新型的学习方法,该方法以结构风险最小化原则取代传统机器学习中的经验风险最小化原则,在小样本的机器学习中显示出了优异的性能.传统的支持向量机是解凸二次规划问题,而最小二乘支持向量机是解等式线性方程,显得尤为方便.针对最小二乘支持向量机的特点,通过Bootstrap建立适当的性能指标,用遗传算法(GA)优化最小二乘支持向量机的有关参数,并在非线性经济系统中应用.用最小二乘支持向量机对非线性经济系统进行预测的结果与神经网络预测的结果比较证明,该模型的预测精确度是令人满意的,文中提出的方法是可行的.     

基于POMDP模型的机器人行动的仿真优化

策略梯度优化算法是一种很重要的强化学习算法,对实现机器人的自主导航有着重要的应用价值.在部分可观Markov决策过程(POMDP)的基础上,实现了两个有限记忆的策略梯度优化算法:基于模型的GAMP算法和无模型的IState-GPOMDP算法,并利用该算法对机器人走迷宫的问题进行了仿真.通过分析仿真结果,对这两种算法引入了基于观测的优化;并发现在所给报酬函数下,策略梯度算法中的步长参数也在一定程度上影响着优化策略的效率.