改进的遗传算法在同步器优化中的应用

汽车同步器是自动变速器的重要组成部分.对同步器的模拟优化能为同步器的设计生产提供重要的参考.为了获得一个较好的优化效果,提出了一种改进的遗传算法.通过对遗传算法选择过程的标准进行了改进,结合适应度函数与染色体之间差异,形成一种新的适应度函数.该函数同时考虑了选择压力和物种多样性.通过对函数中两个常量的调整,可以使算法在不同情况下可以有不同的偏重.引入两种典型测试函数的分别从高纬度变量和低纬度变量进行试验,分析改进算法中两个影响因子的作用.并与几类遗传算法进行比较,结果表明该改进的遗传算法能更快更稳定的找到较优的解.最后将改进选择策略结合自适应遗传算法对同步器进行优化,证明了该选择策略具有良好的鲁棒性和实效性.     

关于电子压力计校准中引入温度校准的探讨

随着电子压力计在油水井测试中的广泛应用,仪器相应的周期校准工作尤为重要,是保证仪器录取资料准确性的先决条件。我们通过电子压力计在日常校准、现场应用遇到的问题进行分析和实验,对影响电子压力计压力校准准确度的误差来源进行分析,确定温度准确度及恒温时间是产生误差的一个重要因素,压力计温度的准确性是决定压力的准确性的前提。     

GeoGebra软件在数学分析教学中的应用举例

随着信息化时代的发展,各类教学软件的出现给教师带来了各种挑战,也给学生带来了各种选择的机会,同时也导致以前的传统课堂难以满足学生的需求.对于数学课堂也不例外,GeoGebra软件的出现给数学分析课堂带来无穷乐趣,同时也解决了以前很难理解、解决的问题.GeoGebra软件有电脑版、手机版,使学生可以随时随地作图,随时随地学习,对于数学分析教学起到很重要的作用.     

1,4-丁二醇精制过程中延长高压加氢催化剂使用周期的研究

在1,4-丁二醇精制过程中使用的高压加氢催化剂,其设计使用周期为1年左右.在使用过程中,随着使用时间的增长会出现催化剂床层压差增大、反应活性下降、反应品质变差、色度增高等现象,影响产品质量及产量,需要及时更换新催化剂.分析了影响催化剂性能的因素,并提出了解决措施,应用后取得较好效果.     

一类分数阶微积分的中值定理及应用

Riemann-Liouville分数阶微积分算子是一类带有一个函数的分数阶微积分算子的特殊情形，以Riemann-Liouville分数阶微积分算子的积分中值定理和微分中值定理为基础，我们得到了一类带有一个函数的分数阶微积分算子的积分中值定理和微分中值定理，并给出其在计算方面的一些应用。     

基于可穿戴传感器数据的人体行为识别数据特征提取方法

随着可穿戴设备的发展与普及,基于可穿戴传感数据进行人体行为检测展现了巨大的研究价值.目前大多人类行为识别工作都是基于视频图像展开的,然而,使用计算机视觉技术进行人类行为识别存在2个挑战:一是很难使参与数据采集的人员在自然状态下采集真实状态下的运动数据,在开展数据采集之前往往需要对参与数据采集的人员进行培训并严格规范其采集动作,最终得到的数据将是背离真实生活的数据,其研究价值将大打折扣;二是数据采集过程中还涉及采集人员的隐私保护问题.为此,提出一种基于深度学习的数据特征提取方法.首先在灵活设置卷积核的基础上引入神经网络的分支结构多尺度提取原始数据的深度特征;然后将各分支得到的数据特征进行融合并作为下一个卷积层的输入.实验结果表明,与目前主流方法相比,该方法在MHEALTH,WHARF和USCHAD这3个标准数据集上的准确率和召回率都取得了更好的效果.此外,该方法还在2个较新数据集Stanford-ECM Dataset和DATAEGO上做了验证,结果表明该方法具有较好的泛化能力.     

磨矿动力学研究现状及应用

磨矿动力学是描述被磨物料的磨碎速率与磨矿时间之间关系规律的一种数学模型，对分析物料在磨矿过程中的粒级及能量变化具有重要作用。为充分发挥磨矿动力学在磨矿过程中的作用，论文在分析国内外研究现状的基础上，系统介绍了两种典型的磨矿动力学模型：m阶磨矿动力学模型和磨矿总体平衡动力学模型，分析了模型中各参数的含义；以磨矿总体平衡动力学模型为重点，分析了破碎速率函数和破碎分布函数的求解方式，包括零阶产出率法、奥-勒理论简算法、卡普尔G-H算法以及经验公式法等；从物料性质、磨矿介质及配比、磨矿方式及参数、化学添加剂等几个方面分析了影响磨矿动力学模型的因素；指出了磨矿动力学模型在矿物加工工程领域的应用现状并对其未来的研究方向提出展望。研究表明磨矿动力学在矿物加工领域具有广泛而重要的应用，为进一步改善磨矿工艺提供了理论依据。     

CDBN‑IKELM的轴承变工况故障诊断方法

针对现有方法在轴承变工况方面存在的诊断精度低、人工提取特征不充分等问题，提出了基于卷积深度置信网络（convolutional deep belief network，简称CDBN）与改进核极限学习机 （improved Kernel?based extreme learning machine，简称IKELM）的滚动轴承故障智能识别方法。首先，由卷积深度置信网络对原始信号内的故障特征进行深层自适应提取；其次，利用等距特征映射对提取的多维特征进行降维，去除冗余特征信息；然后，采用改进的核极限学习机对特征进行分类，使用粒子群（particle swarm optimization， 简称PSO）对模型重要参数进行优化，实现滚动轴承变工况下的故障识别；最后，将所提方法应用于不同工况下多种轴承故障的诊断。实验结果表明，该方法能够智能有效地识别变工况的轴承故障，诊断结果优于已有的智能故障诊断方法。     

基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。