基于支持向量机和粒子群算法的结构损伤识别

为了有效地进行结构的损伤识别,提出了一种基于支持向量机和粒子群算法的结构损伤识别方法。首先利用支持向量机为损伤裂缝指标、损伤位置与各阶频率和一阶振型建立函数关系,然后将利用该函数关系得到的频率和振型与实测频率和振型间的差异作为优化目标,进而实现结构的损伤识别。为提高损伤识别的精度,将优化目标转化为多目标优化问题,并利用所提出的灰色粒子群算法进行求解。实验结果表明,该方法在结构损伤识别中具有较好的效果。     

CDA市场环境模型进化研究

研究连续双边拍卖(continuous double auction,CDA)市场,分析现有工作静态环境与现实世界CDA市场动态性要求的差异,提出一种符合市场需求的动态连续双边拍卖(dynamic continuous doubleaction,DCDA)市场模型.该模型可模拟价格上涨、下跌和振荡等波动行为.将经典智能报价算法GD模型和GDX模型应用于此环境中,分析其在动态CDA市场模型中的表现.结果表明,GD模型和GDX模型在DCDA中的市场效率低于两模型在静态市场中的市场效率.     

求解多目标优化问题的灰色粒子群算法

鉴于基本粒子群算法无法解决高维多目标优化问题，提出了一种适合求解高维多目标优化问题的灰色粒子群算法(GPSO)，该算法根据灰色关联能够很好地分析目标矢量之间的接近程度，并能掌握解空间全貌的特点，利用灰色关联度的大小来选取粒子群算法中的全局极值和个体极值。实验结果证明，该算法可行而有效，同时也拓展了粒子群算法的应用领域。     

基于分类优化的物联网节点负载均衡策略

采用动态多因素组合及KNN分类方法对各节点终端进行了有计划的深入分析,按照各特征节点相似性进行分类,然后根据其分类策略对各节点使用情况进行有机排序,并优先考虑使用效率较高和容易闲置的设备节点,从而实现网络负载均衡。实验结果表明,本文构造的分类器加速比、扩展率及数据伸缩率都有很大的提升。     

叠层材料变参数振动钻削模型与实验研究

简述了叠层材料的特点及其特点,分析了叠层材料的结构特点,接合了接合区和泛接合区的概念。在此基础上建立了叠层材料变参数振动钻削的加工模型,给出了3层叠层材料5区段变参数振动钻削加工方案。多种叠层材料的加工实验表明,采用变参数振动钻削工艺可明显改善加工指标,是合理有效的工艺方法。     

叠层材料变参数振动钻削模型与实验研究

简述了叠层材料的特点及其应用,分析了叠层材料的结构特点,提出了接合区和泛接合区的概念。在此基础上建立了叠层材料变参数振动钻削的加工模型,给出了３层叠层材料５区段变参数振动钻削加工方案。多种叠层材料的加工实验表明,采用变参数振动钻削工艺可明显改善加工指标,是合理有效的工艺方法。     

车辆前轴的多目标可靠性稳健优化设计

应用车辆零部件可靠性稳健优化设计的理论方法，对车辆前轴进行了可靠性稳健优化设计。通过模糊多目标粒子群算法求出所有满足约束性条件的pareto解集，结合实际情况，依据pareto解集确定零部件的设计规格。实验证明该方法能迅速有效地获得可靠性稳健设计的信息。     

动态多目标优化的运动物体图像分割

对小区背景下运动物体图像进行分割时多使用单目标或多目标优化方法,这类方法不能有效适应目标的动态变化,因此本文提出一种动态多目标图像分割优化方法。该方法将时间及环境动态因素作为动态因子,利用K均值(KMeans)算法和和模糊C均值(FCM)聚类算法构造多目标函数;结合动态多目标粒子群算法(DMPSO),使用背景差分法定义环境变化规则,实现动态多目标的图像分割。根据DMPSO算法优化后的聚类结果,分别与K-Means和FCM聚类方法得到的结果进行了对比。结果表明,动态多目标优化的Pareto最优解集分布均匀,图像分割准确率可达到95%,对图像识别的准确率可达到90%,具有较高的识别能力,能满足确定背景下运动物体的准确识别。     

基于多目标优化策略的扭杆可靠性稳健优化设计

为提高机械零部件的安全性和稳健性,应用可靠性稳健优化设计理论和多目标决策方法,建立了适合结构可靠性稳健优化设计的多目标优化模型.为能迅速准确地对具有约束条件的多目标优化模型进行求解,提出一种利用模糊理论对约束条件进行处理的方法,然后应用灰色粒子群算法对多目标优化模型进行求解.通过对正态分布参数和任意分布参数的扭杆可靠性稳健优化设计,表明该方法行之有效.     

基于灰色关联分析的小波神经网络及应用

运用灰色理论中的关联分析法对小波神经网络输入权值进行选取，拓展了小波神经网络的应用范围，通过理论分析和变参数振动钻削过程的预测实验表明，该方法是可行的，这为叠层材料振动钻削研究提供了新的方法。