环流式旋风分离器用于超细颗粒分级的实验研究

将新型环流式旋风分离器用于超细颗粒的分级,根据分离器有内筒的特点,在其内筒加装角度为20度导流板,来分化粗细颗粒的流动特性,用于分级。试验证明,在不同风速的情况下,具有不同的颗粒分级效果,在13.2 m/s的较低风速下,有导流板的分离器使需要产品的含量由53.1%提高到88.7%,取得了较好的分级效果。     

一种改进的RBF神经网络混合学习算法

提出一种基于粒子群优化算法、K-means算法及减聚类算法的径向基函数(RBF)神经网络混合学习算法.该算法使用减聚类方法确定隐层节点数,具有自适应确定隐层节点的能力,避免了调整隐层节点的人为干预.通过K-means算法形成粒子群优化(PSO)算法初始粒子群,避免了初始粒子群的随机性,提高了粒子群优化算法的优选能力;采用PSO算法训练RBF神经网络中的所有参数.数值结果表明,改进的混合算法具有更高的分类准确率。     

粒子群优化算法在水文科学中的应用进展

介绍了粒子群算法的标准算法及流程,探讨了粒子群算法在水库优化调度、水电站经济运行、参数优选等水文领域中的研究成果和存在的问题,指出未来应该加强粒子群算法改进机理和收敛性能的研究,并与其他算法技术相比较、结合,拓展其在水文科学领域的应用范围,为解决水文领域中大量优化问题提供新途径。     

带有局部信息策略的粒子群优化算法

考虑到粒子群中每个粒子周围的局部信息对它未来飞行的影响,为此本文改进了基本粒子群优化的速度方程．提出了一种带有局部信息策略的粒子群优化算法,对典型优化问题的实例仿真说明了带有局部信息策略的粒子群优化算法具有更好的全局搜索能力和更高的计算精度．     

基于离散型粒子群优化算法的分类系统构建

离散型粒子群优化(DPSO)算法具有收敛速度快、参数少、能够适用于动态环境的能力等优点。借鉴已有的基于粒子群算法的分类系统,以离散型PSO为基础构建分类系统,在操作的过程中使用变长的方法来表示粒子,对法则集进行合理的表示并进行适当的删减,使用预设法则来提高分类效果等。通过实验证明,系统能够正确对法则进行删减并使用较少的法则数目达到理想的分类准确率,该分类系统具有较好的性能。     

基于粒子群算法的复杂产品装配序列规划

根据复杂产品装配规划问题的特点和要求,提出了一种求解装配序列规划(assembly sequenceplanning,ASP)问题的粒子群优化算法,将通常用于连续空间优化的粒子群算法成功扩展到ASP领域.算法根据ASP问题决策解的特点,在排序空间定义了微粒的位置和速度以及相关的各种操作.针对基本粒子群算法容易陷入局部最优的缺点,采用新的学习机制,增强了算法的寻优能力.基于干涉矩阵、连接矩阵和支撑矩阵建立了以装配可行性、装配体稳定性和装配方向改变为评价指标的目标函数.最后通过实例分析验证了该算法的有效性.     

试论科技情报信息资源有效利用体系的构建

根据信息社会条件下情报用户需求和科技情报信息资源自身特点,结合影响科技情报信息资源有效利用的客体、主体、环境、技术等因素,从基础层、支撑层和实现层3个层次,对构建科技情报信息资源有效利用体系进行了初步探讨。     

遗传粒子群算法的动态计划与排程问题研究

文章针对柔性作业车间生产过程中随机出现的异常情况和频繁动态排程导致的系统振荡问题,提出了一种新的动态计划与排程方法;该方法以生产效率、设备利用率以及交货期满意程度三者综合为优化目标,采用基于事件驱动和周期驱动相结合的驱动机制,以适应生产过程中的异常情况,并提出一种改进的主、从递阶结构的遗传粒子群算法;最后,通过实例验证了该方法的有效性。     

一种适用于建筑灾难救援系统的目标跟踪方法

在目标跟踪研究中,大量的实验证明粒子滤波算法对于运动轨迹变化复杂的运动目标跟踪效果不理想.基于变率粒子滤波算法(VRPF),以大型建筑灾难救援系统为研究背景,应用无线传感器网络技术,提出了一种自适应变率粒子滤波算法(AVRPF).该算法通过比较某时刻粒子值与测量值的关系自适应地调节采样周期,以提高对复杂运动目标的跟踪精度,尤其当运动轨迹出现大幅度变化时.仿真实验证明了该算法的有效性和实用性.     

回归分析法在样本长度误差分析中的应用

在回归分析研究的基础上,采用最大似然法来确定回归方程的系数,并对线性假设进行显著性检验,最后对拟合效果进行量的分析,并给出样本长度在不同参数控制依据下的相对统计误差.