堆载作用下桩体负摩阻力的颗粒流分析

对地面堆载作用下桩土系统的相互作用进行离散颗粒流模拟,分析端承桩在桩周土受柔性分布载荷作用下,桩侧负摩阻力的发展变化趋势,为负摩阻力的研究提供新的方法.数值试验结果表明,负摩阻力的分布随着地表荷载的增加而不断地发生变化,并且当达极限摩阻力后,其值随着桩身位置的不同有不同程度的降低,并非保持不变.     

明槽水流中颗粒运动特性的试验研究

将改进的PTV用于测量明槽水流中的颗粒运动,对三种粒径(d=0．55mm、0．95mm和1．55mm)的塑料沙进行试验,得到了大量的颗粒运动轨迹,并对颗粒的运动学特性进行了分析．研究结果表明,颗粒运动轨迹可分为上升、下降和平移三种基本类型,颗粒以不同类型运动时其纵向、垂向的运动速度以及颗粒的受力情况均明显不同,特别是在近底区．按颗粒运动的三种类型给出了一些典型轨迹,并得出了颗粒纵向平均运动速度分布以及按三种运动类型进行条件平均的纵向、垂向平均速度分布等研究成果．     

颗粒尺寸对砂岩集料压蒸膨胀行为的影响

为研究和改进中国压蒸法检测砂岩类集料碱活性的适应性,以混凝土棱柱体法为基准,采用中国压蒸法研究了9种国内外砂岩类集料的碱活性,同时研究了集料颗粒粒径对砂浆试体压蒸膨胀行为影响.结果表明:中国压蒸法不能准确评定某些砂岩集料的碱活性且砂浆试体膨胀结果与混凝土中的膨胀结果相关性较差;颗粒粒径0.16～0.63 mm不是最敏感粒级;采用粒级1.25～2.50 mm、试体尺寸20 mm×20 mm×80 mm,在150 ℃、1 mol/L NaOH溶液中压蒸30 h可以大大改善中国压蒸法对砂岩类集料的适应性.     

供应链下Flow Shop调度问题的多目标混合算法研究

针对供应链环境下一类多目标Flow Shop调度问题,构建了相关模型并提出一种新的基于PSO、SOM和VNS的混合算法.该算法运用新的思想和多种优化策略,可在单个解的质量、解分布的均匀与分布的广度3个指标上同时达到远优于原算法的效果.仿真实验显示,该算法对求解该类调度问题十分有效.     

基于代价敏感SVM优化组合算法的微钙化簇识别

微钙化簇是乳腺癌一个重要的早期发现,现有的检测技术为了达到高敏感性要求,产生很多假阳性数据.根据微钙化簇特点,提出一种整体和局部相组合的分类识别策略,并根据真假阳性样本错分代价的不同,使用代价敏感SVM方法进行分类学习.在构造分类器模型过程中利用粒子群进行分类器的参数优化及特征集合的选择,以提升分类学习的泛化能力.该算法在保证高敏感性的同时,降低了过多的假阳性数据,并删除了冗余和不相关的特征.实验结果表明,基于粒子群优化的代价敏感SVM组合分类算法提高了传统方法的识别能力.     

明胶包埋壳聚糖/海藻酸钠茶多酚的缓释性能

以海藻酸钠和壳聚糖为壁材制备了茶多酚微胶囊,确定了最佳制备工艺条件为壳聚糖质量分数1．0％、海藻酸钠质量分数2．0％～3．0％、氯化钙质量分数5．0％,所制得的茶多酚微胶囊的包埋率最大,用明胶包埋茶多酚微胶囊,制备了茶多酚缓释复合体系,结果表明,用明胶包埋后的微胶囊可使茶多酚的缓释性能及稳定性有较大的提高。     

基于粒子系统实现船舶航迹仿真的加速方法

为解决大规模粒子系统的实时性问题,提出一种基于LOD技术和硬件加速技术的混合加速技术.根据视点与景物间的距离建立粒子系统的LOD模型,并将该模型融入基于GPU的渲染流程中.整个实现流程采用FBO技术,通过两遍渲染方式完成粒子系统的绘制.虚拟海洋场景的船舶航迹实时试验表明,该方法可显著提高粒子系统的运算效率和绘制速度,与未采用任何加速策略而单纯基于CPU的绘制方法相比,其绘制效率提高近12倍.     

自吸环空流体式自激振荡脉冲粒子射流调制机制分析

基于现有技术分析,提出利用环空水力能量在井下调制脉冲粒子射流用于硬地层钻井提速的技术设想。模拟分析所提出的自吸环空流体式自激振荡脉冲射流调制元件吸入环空粒子,并振荡加速形成脉冲粒子射流的机制。结果表明:随着围压、粒径、粒子密度和泵压的增大,粒子在自激振荡腔室内的停留时间逐渐缩短,运行轨迹趋于简化;粒子出口速度随着围压、粒径和泵压的增大而增大,随着粒子密度的增大呈先增大后减小的趋势,存在最优粒子密度。研究结果证实了井下调制式脉冲粒子射流钻井方法的原理可行,为实际钻井技术的发展提供了重要依据。     

差分进化算法在气动力参数辨识中的应用

差分进化算法是一种新兴的优化算法,与最小二乘法等梯度类算法相比,它能够进行全局寻优且对初值不敏感,具有广泛的应用前景.建立某型飞机刚体运动的6自由度非线性动力学模型,在叠加一定比例白噪声的情况下获得其仿真数据,使用差分进化算法辨识出该型飞机的纵向运动气动力参数,辨识结果与真实值较为吻合,证明该算法是可行的.多组试验表明:对于该型飞机的动力学模型和仿真数据,使用差分进化算法的辨识结果与使用最小二乘法、普通粒子群算法的辨识结果相比,具有更高的精度和更强的鲁棒性.     

Modified binary particle swarm optimization

This paper presents a modified binary particle swarm optimization （BPSO） which adopts concepts of the genotype-phenotype representation and the mutation operator of genetic algorithms. Its main feature is that the BPSO can be treated as a continuous PSO. The proposed BPSO algorithm is tested on various benchmark functions, and its performance is compared with that of the original BPSO. Experimental results show that the modified BPSO outperforms the original BPSO algorithm.