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.     

半监督技术和主动学习相结合的网络入侵检测方法

针对当前网络入侵具有多样性和易变性, 单一方法很难获得理想网络入侵检测结果的问题, 为提高网络入侵检测正确率, 有效拦截各种网络入侵, 提出一种将半监督技术与主动学习相结合的网络入侵检测方法. 首先, 采集网络入侵数据, 提取网络入侵特征, 并采用半监督技术根据特征对网络入侵数据进行聚类处理; 其次, 采用主动学习算法对聚类后的数据进行训练, 构建网络入侵检测的分类器, 并引入蚁群算法对构建网络入侵检测的分类器进行优化; 最后, 采用标准数据集对网络入侵检测方法进行仿真测试. 测试结果表明, 该方法解决了当前入侵检测方法存在的缺陷, 提升了网络入侵检测正确率, 漏检率和误检率明显少于经典网络入侵检测方法, 同时缩短了网络入侵检测时间, 改善了网络入侵检测效率, 能更好地保证网络通信和数据传输安全.     

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.     

基于灰色理论的数控机床复合结构床身优化设计及其性能分析

为探索提高数控机床的综合性能,以某卧式加工中心铸铁床身为原型,设计了一种钢板-混凝土复合结构床身.采用正交实验、灰色关联和组合赋权相结合的方法对其结构进行优化并得到了最优的参数组合,对复合结构床身进行有限元仿真分析,并将结果与原型铸铁床身比较.结果表明:在床身质量仅增加2.3%的情况下,复合结构床身的最大静应力和最大静变形分别降低了51.3%和82.9%;前三阶固有频率提高了143.9%、156.8%和148.7%;x轴导轨和z轴导轨中心节点在x、y、z方向上的最大振幅降低了97.6%、97.1%、94.0%和99.6%、97.9%、85.4%;导轨滑块连续在导轨表面摩擦1800s时导轨的最大热-结构耦合变形量降低了7.3%.     

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.     

车用多堆燃料电池系统能量管理与控制策略

针对单堆燃料电池系统的输出功率、效率和寿命问题,对车用多堆燃料电池(multi-stack fuel cell,MFC)系统的能量管理策略(energy management strategy,EMS)与控制策略进行研究。提出了多级能量管理策略,其中第一级EMS基于工况对MFC系统与动力电池系统间的能量进行自适应分配,第二级EMS引入兼顾效率和寿命的目标优化函数,优化分配每个电堆的功率输出。研究结果表明,在满足同一电功率负载工况需求条件下,与单堆燃料电池系统相比较,MFC系统的燃料经济性可提高约4%,系统寿命性能也有所改善。     

基于公交乘客可靠度的信号配时优化研究

为优化交叉口车流运行状态,本文引入公交乘客可靠度指标用于评估公交乘客通过交叉口的可靠性,分析了信号周期时长、公交车比例与公交乘客可靠度之间的关系,并研究了非公交优先方向流量对公交乘客可靠度的影响。结果表明：提高公交优先方向的公交乘客可靠度会使信号周期时长增加,并且随着公交优先方向的公交车比例增加,交叉口信号周期长度也随之增长。最后通过与Webster信号配时方案的对比,通过仿真验证了所提出的模型具有一定的效果,可为城市交通提供不同信号配时方法。     

模块建筑参数化平面优化及智能化结构设计方法

以五层钢结构模块建筑住宅为例,探索钢结构模块建筑参数化平面多目标优化和结构智能化设计的完整链条.提出一种钢结构模块建筑参数化平面建模和设计方法;依托Rhinoceros&Grasshopper建模平台,编写Python脚本语言实现智能化结构设计;最后结合Ladybug&Honeybee建筑能耗性能模拟插件和Karamba有限元结构设计插件以及Octopus数据处理平台,基于建筑总能耗和结构用钢量2个目标分别对建筑平面不同房间长宽尺寸和结构构件尺寸进行设计和优化,生成满足结构承载力要求的Pareto最优解集,得出各参数变量与目标函数的相关性系数.     

基于表格形气动数据的滑翔飞行器轨迹优化

高精度的气动测力数据通常以表格形式给出.针对滑翔飞行器轨迹优化中表格形式气动数据的拟合问题,提出一种二维平滑保形拟合方法.首先对气动数据进行一维平滑保形拟合,接着采用张量积方法进行拟合维度的扩展.典型表格形式气动数据的拟合效果表明,在给定的拟合精度约束下,方法拟合的曲面二阶连续可导,并保持表格数据呈现出的单调性.采用该方法拟合的气动数据建立轨迹优化模型,采用自适应Legendre-Gauss-Radau配点法进行轨迹优化,以优化得到的最优弹道俯仰角作为开环控制指令进行弹道仿真,仿真结果与最优弹道的整体吻合度很高.      

钝顶螺旋藻藻蓝蛋白的提取工艺优化及其纯化研究

以钝顶螺旋藻(Spirulina platensis)藻蓝蛋白(Phycocyanin)的纯度和回收率为指标,考察溶胀法和冻融法中不同破壁影响因素及活性炭吸附法中活性炭目数、活性炭加入量和吸附时间对藻蓝蛋白粗提的影响,并结合响应面分析法优化提取工艺参数,得到最优破壁条件和活性炭吸附条件。结果表明,溶胀法最优提取条件为料液比1∶50(g/mL),溶胀时间24h,溶胀次数2次,测得藻蓝蛋白纯度为0.47,得率为2.17%;冻融法最优提取条件为料液比1∶50(g/mL),冷冻时间8h,冻融次数2次,测得藻蓝蛋白纯度为0.34,得率为2.19%。活性炭吸附法最优工艺条件为300目活性炭,活性炭加入量0.7g/20mL,吸附时间10min,藻蓝蛋白纯度为0.80,回收率为73.23%。疏水层析法纯化得到食品级藻蓝蛋白(纯度P≥0.7)和医药级藻蓝蛋白(纯度P≥3.0),总回收率为61.15%。因此,溶胀-活性炭吸附-疏水层析三步提纯藻蓝蛋白工艺合理可行,实现了医药级藻蓝蛋白的分离提纯,降低了工业生产成本,具有实用价值。