矿石颗粒尺度分布的双圆算法

针对高炉内矿石颗粒外形不规则和边缘暗淡模糊等特性，提出了双圆比的概念，运用图像预处理、彩色形态学平滑、颗粒点定位、颗粒最大区域扩张、双圆尺度检测等方法，能够很好地对矿石颗粒尺度分布情况进行检测.对比实验表明，该算法比经典算法具有更高的准确度.     

常用无损检测技术在煤矿设备中的应用

通过超声波、磁粉、渗透三种无损检测方法,对煤矿在用设备进行无损检测,发现在用设备中的缺陷,为避免煤矿安全生产事故的发生提供准确的检测依据。     

压力容器带防腐层表面磁粉探伤的研究

采用人工裂纹试样的方法，模拟压力容器涂刷油漆防腐层的状况进行磁粉探伤，得出了油漆防腐层厚度与裂纹检出灵敏度的定量关系；结合ＣＶＤＡ《压力容器缺陷评定》规范，探讨了实验方法对一般在役压力容器不除去油漆的情况下进行磁粉探伤检验的可行性。     

运动多站无源时差/频差联合定位方法

鉴于无源定位技术已经成为现代信息化作战的核心技术,提出了一种新的运动多站无源时差(time difference of arrival, TDOA)频差(frequency difference of arrival, FDOA)联合定位方法去解决无源定位系统中的非线性最优化问题。通过智能算法的启发,将优化后的基于线性递减权重和物竞天择的粒子群算法(particle swarm optimization algorithm based on linear decreasing weight and natural selection, WSPSO)与经典加权最小二乘算法(weighted least squares, WLS)相联合对目标进行跟踪定位。加权最小二乘定位算法在4个基站的情况下无法实现对辐射源的定位,所得定位结果会出现多解。而所提的运动多站联合定位算法在4个基站的条件下不存在初始目标位置估计和局部收敛等问题就能够实现辐射源的精确定位。通过大量仿真结果分析,本文所提的智能优化定位算法具有更高的目标定位精度和更稳健的定位性能,优于标准粒子群算法与优化PSO算法。     

制备白炭黑的实验条件对白炭黑粒径的影响

考究了由酸沉淀法制备白炭黑的实验条件的对白炭黑粒径的影响，发现ＰＨ值是影响粒径的显著性因素。探讨了白炭黑粒径对补强作用的影响。     

粘度法研究聚丁二烯基锂的缔合度

以丁二烯为单体,正丁基锂(n-BuLi)为引发剂,研究了聚丁二烯基锂(PBLi)活性种在环己烷溶剂中的缔合度以及极性添加剂四氢呋喃(THF)、1,2-二甲氧基乙烷(DME)对PBLi缔合度的影响,并对聚丁二烯基锂在极性溶剂乙醚(Et_2O),二氧六环(DOX),THF及DME中的存在状态进行了探讨。结果表明:PBLi在环己烷溶剂中是以缔合体的形式存在的,且随其浓度的不同,平均缔合度由2至4变化;体系中极性物质的加入可使其缔合度有所下降;而在纯极性溶剂DME,THF,DOX,Et_2O中,发现除Et_2O之外,在其它三种溶剂中PBLi全部解缔,而在Et_2O中尚存在部分以缔合体形式存在的活性种。     

RKP无网格法求解集中力作用下的悬臂梁

以Fourier变换和索伯列夫空间理论为基础，首先给出RKP（再生核粒子）无网格法的数学理论的推导，在此基础之上，将RKP无网格法应用到集中力作用下的悬臂梁，然后将本文得到的数值解与集中力作用下的悬臂梁解析解和ANSYS解进行比较，从图表知道结果吻合较好，从理论和实用两个方面说明RKP无网格法在工程领域的实用性和良好应用前景。     

基于蚁群算法的多目标跟踪方法

提出了一种新的基于蚁群算法的多目标跟踪方法.方法采用蚁群算法实现多目标跟踪中的数据关联,首先将多目标跟踪中的数据关联问题表示为具有约束条件的优化问题.用蚁群算法对该优化问题求解,得到的解即为最优关联.为验证该算法的有效性,在两种状态估计方法EKF(extended Kalman filter)和S1S(sequential importance sampling)的基础上进行了多目标跟踪实验,并且与传统的NN(nearest neighbor)方法进行了比较.在与SIS框架结合时,算法中采样粒子包括状态矢量和关联矢量,状态矢量通过序贯重要性重采样获得,关联矢量通过蚁群算法求得.实验结果表明,将蚁群算法融合进SIS算法进行多目标跟踪是有效的.     

一种基于 Pareto 云隶属度的 MOPSO 算法

为定量解决非支配解排序问题,并兼顾多目标粒子群优化算法（multi-objective particle swarm optimization,MOPSO）的收敛性和多样性,提出了一种基于 Pareto 云隶属度的 MOPSO 算法。利用 Logistic 混沌映射优化种群的初始空间分布并融合布谷鸟搜索（cuckoo search,CS）指导粒子跳出局部陷阱,以增强算法的全局寻优能力。首次提出云向量评价 Pareto 最优解集方法,采用云隶属度评价准则对粒子适应度值进行量化评价。依据云隶属度选取个体最优和群体最优,平衡全局开发与开采,进而实现外部档案维护。测试函数集 ZDT 的实验结果表明,改进算法在收敛性和多样性方面较 MOPSO 和 NSGA-Ⅱ有一定优势。     

IMM迭代无迹Kalman粒子滤波目标跟踪算法

针对传统交互式多模型(interactive multiple model,IMM)算法跟踪机动式再入目标精度差和实时性不高的问题,提出一种交互式多模型迭代无迹Kalman粒子滤波算法.该算法在多模型滤波过程中采用改进的粒子滤波算法,通过迭代无迹Kalman滤波融入最新观测信息,进而生成粒子滤波的重要性密度分布,从而提高采样质量,改善滤波算法性能.仿真结果表明,提出的算法相对于交互式多模型粒子滤波算法具有更好的跟踪效果.该算法对提高跟踪机动式再入目标的精度与实时能力具有一定的理论意义.