自适应子空间高斯学习的粒子群优化算法

为了克服粒子群优化算法在复杂优化问题上易出现早熟收敛、多样性缺失等问题,提出了自适应子空间高斯学习的粒子群优化算法。该方法提出了适应值离散度和子空间高斯学习的概念,以自适应地调整参数和搜索策略,帮助粒子逃离局部最优。同时,该方法还提出邻域学习策略,引入了邻域最优粒子。当前粒子的邻域在进化过程中通过动态构建,以增强种群的多样性。实验对19个常用的经典基准测试函数在30和100维进行了测试,结果表明该算法在收敛速度和寻优精度上优于一些知名的PSO算法。最后,将改进的算法应用于无线传感器网络覆盖优化问题,获得了较好的结果。     

电弧离子镀NiCrAlY涂层900℃的热腐蚀行为

采用电弧离子镀技术在镍基单晶合金上沉积Ni28Cr11Al0.5Y涂层,并研究了镍基单晶合金及有Ni28Cr11Al0.5Y涂层镍基单晶合金在900℃的75%Na2SO4+25%K2SO4熔盐中的热腐蚀行为。结果表明,镍基单晶合金遭受了破坏性的热腐蚀,出现了严重的内硫化和内氧化;而由于Ni28Cr11Al0.5Y涂层在熔盐中生成连续的Al2O3氧化膜,阻止了熔盐对单晶合金的腐蚀,有涂层镍基单晶合金表现出优良的抗热腐蚀性能。     

基于高斯扰动的粒子群优化算法

针对标准粒子群优化(PSO)算法易陷入局部最优、进化后期收敛速度慢和收敛精度低的缺点,提出一种基于高斯扰动的粒子群优化算法。该算法采用对粒子个体最优位置加入高斯扰动策略,有效地防止算法陷入局部最优,加快收敛并提高收敛精度。在固定评估次数的情况下,对8个常用的经典基准测试函数在30维上进行了仿真。实验结果表明,所提算法在收敛速度和寻优精度上优于一些知名的粒子群优化算法。     

具有快速收敛和自适应逃逸功能的粒子群优化算法

为了克服标准粒子群优化算法(PSO)后期收敛速度慢、容易陷入局部最优等缺点,借鉴人工蜂群算法的思想,提出了一种提高收敛速度并且带有自适应逃逸功能的粒子群优化算法(FAPSO)。算法中每进化一次粒子搜索两次：一次全局搜索,一次局部搜索。当粒子陷入局部最优时,通过逃逸功能使粒子重新搜索。8个经典基准测试函数仿真结果表明,改进的粒子群优化算法在收敛速度和寻优精度上均有提高,相对于目前常用的改进粒子群优化算法如CLPSO等,t检验结果说明,新算法具有明显的优势。     

具有高斯扰动的局部引导粒子群优化算法

为解决粒子群优化算法PSO存在的早熟收敛问题,提出了一种具有高斯扰动的局部引导粒子群优化算法(LGPSO)。该算法在粒子的速度更新公式上采取两种措施改进PSO:一是移除社会认知部分,使粒子仅受局部引导;二是增加全局最优粒子控制的高斯扰动项。两种改进措施相结合,可有效解决早熟收敛的问题,加快收敛的速度。本文算法通过与经典及新近改进PSO算法的多次对比实验测试,均展现出较好的寻优性能及稳定性。两种改进措施的效果分析实验测试数据和社会认知项与高斯扰动项的对比实验测试数据也进一步验证了本文算法的有效性。     

电弧离子镀NiCrAlY涂层对镍基单晶合金热腐蚀行为的影响

采用电弧离子镀技术在镍基单晶合金表面沉积Ni28Cr11Al0.5Y涂层,研究镍基单晶合金及其Ni28Cr11Al0.5Y涂层在900℃的75%Na2SO4+25%K2SO4(质量分数)熔盐中的热腐蚀行为。结果表明:镍基单晶合金受到了严重的热腐蚀,镍基单晶合金内部出现了严重的内硫化和内氧化现象,且内硫化物区域和内氧化物区域出现明显分层结构,与外腐蚀层相邻的区域为内氧化区域,远离外腐蚀层的基体内部形成内硫化区域;而Ni28Cr11Al0.5Y涂层在热腐蚀过程中,表面生成连续的Al2O3氧化膜,且随腐蚀时间延长,Al2O3氧化膜的厚度增大,表现出优良的抗热腐蚀性能。     

NiCrAlY涂层对单晶镍基合金高温氧化行为的影响

通过对有无NiCrAlY涂层镍基单晶合金进行不同温度的恒温氧化动力学曲线测定及组织结构观察,研究了纳米晶NiCrAlY涂层对高Cr单晶镍基合金高温氧化行为的影响。结果表明：在高温氧化期间,无涂层试样发生明显的氧化、内氧化和内氮化,在表层为Al2O3、Cr2O3的混合氧化物,在次表层氧化物中富含元素Ta,而元素Al贫化,并在近基体区域存在内氧化物;随氧化温度升高,元素Al的贫化区尺寸增大,其中,富Ta相可抑制基体中元素Al向外扩散,延缓合金的氧化速率。合金在氧化初期增重迅速,而恒温氧化增重动力学曲线呈现起伏波动的原因,归结于表面氧化膜的形成与剥落。高Cr单晶合金经溅射NiCrAlY纳米晶涂层,可有效改善合金的抗氧化性能;有涂层试样在不同温度的恒温氧化动力学曲线仅在氧化初期有轻微增重而后趋于平稳,其形成的Al2O3氧化膜不发生明显的剥落,仅在基体近涂层/基体界面区域存在少量AlN内氮化物。