基于CFD仿真模拟及PIV粒子示踪相结合法超滤膜组件优化

采用在线监测与水力流体模拟相结合方式,利用数值模拟仿真技术、示踪技术及高速图像采集分析等手段,考察现有超滤膜组件内部的流场分布,并设计出新型超滤膜组件。结果表明,由于超滤膜组件内部流场主要受到布水管布水的影响,布水管上开孔均匀与否将直接影响整个超滤膜组件内部布水的均匀性。与组件UFA-860C相比,设计出的条形孔超滤膜组件因其布水管上有规则地均匀开孔且采用多根布水管组合,在运行时组件内部布水更加均匀,且能够充分利用膜丝的有效面积,从而有效减缓膜污染。     

尺寸效应对混凝土受压力学性能影响试验研究

设置3种立方体尺寸与强度等级普通混凝土,应用液压伺服机对混凝土进行单轴受压,通过试验得到不同加载工况混凝土破坏形态和抗压强度特征值,并进行相应对比分析和机理探讨,从尺寸效应度和尺寸效应律两个方向对混凝土抗压强度尺寸效应进行定量分析,并提出尺寸效应律统一方程,得到以下结论:不同强度等级混凝土受尺寸效应影响破坏形态变化规律基本相同,尺寸较大试件破坏后的完整性相对较好,破坏裂缝表现得相对不明显;相同强度等级混凝土,立方体边长尺寸的提高使得混凝土单轴受压强度特征值随之降低;不同强度等级混凝土,混凝土受尺寸效应抗压强度降低幅值逐步提高,其降低百分率变化基本平稳。     

基于改进局部二值模式和梯度特征的计算机生成图像鉴别算法

针对目前计算机生成图像鉴别算法存在的计算复杂度高及检测率低等问题, 提出一种改进局部二值模式和梯度特征的计算机生成图像鉴别算法. 该算法主要基于图像的局部纹理特征, 先提取计算机生成图像和自然图像的特征向量, 再将该特征利用SVM分类器进行分类. 实验结果表明, 该算法可有效地鉴别计算机生成图像和真实图像.     

基于改进粒子群优化PID参数的风力除尘控制系统的研究

对卷接机组集中工艺风力除尘系统控制需求及工艺特点进行了研究,针对风力系统中压力和流量之间存在非线性与强耦合性的特点,以及控制系统中传统自动化科学技术(proportional plus integral plus derivative controller,PID)控制和现有的模糊PID控制自适应和鲁棒性较差、系统稳定性能不理想的问题,文中提出对角矩阵解耦方法将压力和流量进行解耦,利用改进粒子群算法(particle swarm optimization,PSO)优化参数的PID控制器对两者进行独立控制。通过仿真软件和可编程序逻辑控制器(programmable logic controller,PLC)程序对算法进行实现。位置阶跃响应实验粒子寻优实验结果表明:该方法在阶跃响应上升时间、最大超调量和响应速度上均有很好的优化效果,即时控制调整变频器频率以及阀门开度,使主风管压力波动在0. 5%～1%内,流量波动控制在0. 4%～0. 8%内。     

SiO2/PMMA无机-有机复合材料的制备与性能

以苯乙烯磺酸钠（NaSS）为离子单体,将其介入甲基丙烯酸甲酯（MMA）与正硅酸乙酯（TEOS）的原位分散聚合体系,以获得较少分散剂用量下的多功能二氧化硅/聚甲基丙烯酸甲酯(SiO2/PMMA)复合体系的单分散微球,采用XRD、SEM、TEM、FTIR、TGA和DSC对所获SiO2/PMMA复合微球进行了表征,并对其防水性能及单体合成机理进行了研究。研究结果表明：在分散聚合体系中加入正硅酸乙酯（TEOS）获得的纳米SiO2颗粒,可提高聚合物PMMA的疏水性能,且对该复合材料的透光率影响不大,仍具有很高的透明度。     

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。     

基于变步长随机行走算法的IC电源网络动态分析

针对传统随机行走算法加速策略在处理大规模电源网络时存在局限性的问题, 提出一种基于变步长的随机行走加速算法. 首先, 基于不同节点数目和阈值大小的实验对比, 分析传统随机行走加速算法和变步长随机行走加速算法的时间效率, 并证明变步长随机行走加速算法使电源网络分析效率得到极大提高. 其次, 证明随机行走算法具有空间局部性特征, 能进一步使运行空间得到释放. 通过对不同规模电源网络进行实验验证表明, 该方法能使算法运行空间得到优化.     

体育科学应如何应对可重复性危机？

可重复性是科学的重要特征。这一话题在最近 10年成为科学界的热点问题,被称作可重复性危机,改变着某些学科的研究格局,成为当代科学的重大主题和重大挑战,引发了众多科学家的关注。 体育科学领域也面临着可重复性危机的挑战,但此问题尚未引起体育科学研究者的足够重视。本文介绍了可重复性危机的由来,讨论了诱发可重复性危机的原因,包括科学理念原因,统计理解原因,以及研究实践原因。本文还从学术机构的引导和学者的个人努力两方面讨论了提高可重复性的方法,包括学术机构的方向引导,学术期刊的发表政策,提前注册的逐渐推广,关注元分析研究,做好样本量规划,重视并报告效果量和置信区间,以及开展多国多实验室的合作。笔者认为,关注并积极应对可重复性危机, 有助于提高体育科学研究者的基本科学素养,并进而提高体育科学实证研究的成果质量和成果积累。     

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.