强中纬力作用下地球板块的运移

以一个块体的理论运动轨迹特殊对象 ,分析在强中纬力作用下 ,地球板块在高纬度带 (6 8°2 7′～ 90°0 0′)、中纬度带 (2 1°33′～ 6 8°2 7′)、低纬度带 (南纬 2 1°33′～北纬 2 1°33′)内等不同地域的受强中纬力作用时的运动方向及其 F- t关系图 ,以及板块在随着地球的自转 ,作跨越赤道的运动情况。结果表明 :地球板块的运动特点随着纬度的变化而变化 ,强中纬力的主要控制因素为地球的黄纬 ;黄纬的变化发生在板块所受强中纬力变化的情况下 ,其外部现象表现为地球纬度的变化。这一结论为由特殊到一般的板块运动分析提供了理论依据     

局部狭窄圆管内流体流动的非线性动力学分析

局部狭窄圆管内的流体流动,在工程和生物医学中具有许多应用背景。文中应用非线性动力学的分析方法,分析了局部狭窄圆管内的流体流动。采用有限差分方法,将由偏微分方程组描述的空间连续系统约化为常微分方程组描述的空间离散高维动力系统。在此基础上求得了动力系统的平衡解。     

自由漂浮空间机器人载体姿态扰动最优轨迹规划

针对机械臂运动产生的航天器载体姿态扰动,提出一种基于粒子群优化算法的自由漂浮空间机器人载体姿态扰动最优轨迹规划方案。对系统角动量守恒方程进行分析,给出了载体姿态扰动最优轨迹规划的目标函数。采用高阶多项式逼近机械臂关节角轨迹,将多项式系数作为优化参数。为保证规划算法的收敛性,采用带有收缩因子的粒子群优化算法进行轨迹寻优。仿真结果表明,在完成位姿调整任务的同时,载体姿态扰动得到了有效的抑制,验证了所提方法的有效性。     

惯性权重线性调整的局部收缩微粒群算法

针对微粒群优化算法存在陷入局部极小点和搜索效率低的问题, 给出一个新的速度更新策略局部收缩策略, 并提出一种改进的微粒群优化算法, 该算法保持微粒群优化算法结构简单的特点, 改善了微粒群优化算法的全局寻优能力, 提高了算法的收敛速度和计算精度. 仿真计算结果表明, 改进的算法性能优于混沌微粒群优化算法、 微粒群优化算法和带有收缩因子的微粒群算法.     

一种基于复合惯性权值的粒子群优化算法

在研究神经网络优化的问题上,粒子群优化算法被广泛应用.针对基本粒子群优化算法收敛速度慢和易陷入局部最优等问题,提出了一种改进的粒子群优化算法.该算法除了采用线性惯性权值和进化速度-聚集度动态惯性权值相结合的方式来调整其权值,还将一种新颖的收缩因子引入到算法中.通过对4种典型测试函数进行仿真测试,实验结果表明新算法在收敛速度、收敛精度、改善优化性能上完全优于基本的粒子群优化算法,有效避免了基本群优化算法的缺陷.     

粒子群算法在航空发动机部件模型求解中的应用

将粒子群算法引入发动机部件模型的求解中,利用粒子群优化算法的群体智能和记忆功能,克服了插值法和N+1残量法在求解发动机模型时对初值的敏感性.针对发动机部件模型中非线性方程和共同工作方程组的特点,对基本粒子群算法采用不同的改进措施,得到两种改进粒子群算法HPSO1和HPSO2.仿真结果表明,改进粒子群算法求解发动机部件模型具有更好的收敛性和更快的收敛速度.     

基于信赖域技术的局部收缩的微粒群算法

为了改善标准的微粒群优化算法(SPSO)的性能,给出一个新的速度更新策略——局部收缩策略,且把信赖域技术引入PSO算法中进行惯性权重的动态调整,提出一个新的微粒群优化算法——基于信赖域技术的局部收缩的微粒群算法.新算法(NPSO)保持了PSO算法结构简单的特点,改善了PSO算法的全局寻优能力,提高了算法的收敛速度和计算精度.利用10个测试函数测试新算法的性能,并分别与SPSO、与混沌相结合的微粒群算法(PSOC)、具有被动聚集的微粒群算法(PSOPC)、SPSO的全局版本及带有收缩因子的微粒群算法(CPSO)比较,实验结果表明,新算法(NPSO)大大地改善了实例测试函数的表现.       

沼泽绿牛蛙的核型研究

本对沼泽绿牛蛙的染色体核型进行了研究。结果证明了沼泽绿牛蛙的核以式为Ｋ（２ｎ）＝２６＝１６ｍ＋１０ｓｍ有５对大型不染色体和８对小型染色体,可以分成Ａ、Ｂ、Ｃ组,雌雄性个体间没有性染色体的分化。在第７号染色体短臂上出现次缢痕。     

低碳钢A-TIG焊接法的试验研究

研究了一种高效的 TIG焊接方法 A- TIG,进行了系列 TIG焊堆焊试验 .结果表明 :在相同焊接规范下 ,涂敷表面活性剂后焊接电弧有明显收缩 ,熔池深度有显著增加 ,而熔宽稍有减小 .同时还介绍了活性剂成分的调配及活性剂成分对熔深变化的影响 ,并对熔深增加机理进行了分析     

异步变化收缩因子粒子群算法心脏电流模型重构

针对收缩因子的粒子群算法(CFPSO)求解复杂问题时精度偏低,提出了异步变化收缩因子的粒子群算法(NL-CFPSO).该算法利用异步变化的学习因子来产生收缩因子,改善粒子进化中的社会性和自身的学习性能,同时引入了"发散"和"收敛"操作,有效提高了粒子的收敛速度和精度.在该算法中,首先在给定的搜索空间上随机产生初始的粒子种群,在进化过程中采用异步变化的收缩因子,再根据判别函数来执行"发散"和"收敛"操作,使得粒子加速向全局最优的位置运动.将新算法和CFPSO在最新的6个测试函数进行对比,结果证明新算法比CFPSO算法具有更高的搜索精度和较低的时间复杂度.将该算法用于心脏单电流偶极子模型的反演计算仿真中,仿真结果证明该算法可以得到精确的模型参数,能够反映心脏模型的电磁现象,具有很高的实用价值.