基于概率模型的遗传规划在故障诊断中的应用

采用在遗传规划中使用概率模型的新方法采解决一系列故障诊断问题。故障诊断可被看为是一个多级分类问题。遗传规划在解决复杂问题上有很大的优势,而这种优势在故障诊断中仍然显著。而且,使用概率模型作为适应函数能提高诊断的精确性,最后用这种方法解决机电设备的故障诊断。结果显示,使用基于概率模型的遗传规划解决机电设备的故障诊断比人工神经网络优越。     

钴基合金Stelite3电火花强化层摩擦学性能研究

采用电火花强化技术在碳钢表面制备了钴基合金强化层,在不同摩擦速度和载荷条件下进行了摩擦磨损试验,研究了强化层的摩擦学行为与机制.结果表明:钴基合金强化层具有良好的耐磨性能;强化层的摩擦因数随摩擦速度和载荷的增加呈现出先增大后减小的变化规律.低速低载时,强化层主要磨损机理为微观切削与多次塑变磨损;高速高载时,磨损机理逐渐转变为粘着磨损、微观断裂、氧化磨损和一定的磨料磨损.     

一种激励函数可调的回归神经网络符号计算模型及应用

1引言 Hensel提升方法是由Hensel本人在1900年提出,最先用于求解一元多项式的p-adic展开式,后经Wang和Rothschlid推广到多元多项式的情形,并应用于整数域上的多项式因式分解[1],发展到今天,Hensel提升方法,在代数符号计算、近似代数符号计算等相关领域,有着广泛的应用.作者认为,几乎与Hensel构造方法有关的代数计算都是一些精确计算,从一般函数逼近的观点来看,它只是一种在p-adic意义下的逼近,完全不同于通常意义下一般函数的逼近,限制了Hensel提升方法的应用范围,因此,有必要进行推广.     

润滑脂调合釜温度DCS控制方案

针对润滑脂生产中调合釜温度控制滞后的问题,提出一种调合釜温度控制方案.     

正交泛函网络函数逼近理论及算法

基于正交函数的概念和特性,提出一种正交泛函网络新模型,给出了正交泛函网络学习算法.该算法是借助于正交函数性质和Lagrange乘数法做辅助函数,对泛函参数学习过程归结为求解一组线性方程组的过程.最后,通过函数逼近算例计算机仿真结果表明,该算法十分有效,具有模型简单、逼近精度高等特点.     

基于扩张变异方法的云自适应粒子群算法

提出了一种基于扩张变异方法的云自适应粒子群算法,该算法利用云模型X务件云发生器自适应调整每一个粒子个体惯性权值.采用扩张变异方法进行变异,可避免因多维而多变量引起多因素的干扰,加快搜索速度,其目的进一步改进粒子群算法的性能,为解决高维空间优化问题提供一种有效方法.最后,以高维函数优化为实例,计算机仿真结果表明,给出的算法具有鲁棒性强、收敛速度快、精度高等特点.     

层次泛函网络构造理论及其在多重数值积分中的应用

对层次泛函网络的全局逼近理论进行研究,证明了层次泛函网络是一全局逼近器。利用这个特性,将层次泛函网络的构造方法和过程应用于多重数值积分计算。最后,通过6个典型的多重数值积分算例,计算机仿真结果表明,这种方法可行有效,具有较高的计算精度。     

萤火虫群优化算法在交易费用证券组合中应用

投资组合问题不存在最优解,只存在有效前沿,投资者要权衡收益率、风险以及约束条件等因素。引入上方收益/下方风险比率,用以描述投资效率,结合人工萤火虫群优化算法不需目标函数的梯度信息等特点,用可行性规则来描述投资组合的均衡问题,在人工萤火虫群优化算法中引入可行性规则,从而实现模拟组合投资。通过对5支、15支和18支股票进行模拟组合投资,在收益率、风险、下方差、单位风险/收益率和单位下方差/收益率等五个指标的比较可看出,人工萤火虫群优化算法能有效用于指导投资决策。     

混合快速细菌觅食算法求解非线性方程

对于非线性方程组的求解,传统方法有很多,如牛顿法、梯度下降法等,但这些算法存在要求方程组连续可微、初值的选取是否合适等缺点,根据以上缺点将求解的问题转化为优化的问题,提出了新的交叉优化算法,充分利用细菌觅食算法局部搜索能力和粒子群算法的全局搜索能力,充分发挥了这两个算法各自优点。数值实验表明,新的算法可以弥补粒子群算法局部搜索能力弱和细菌觅食算法的全局搜索能力的不足,是求解非线性方程的有效方法。     

一种求解二重积分的差分进化算法

针对传统方法和基本差分进化算法在求解数值积分方面存在的不足,提出了一种求解二重积分的差分进化算法,该方法的基本思想是在矩形积分区域的两个方向上各自随机选取一定的节点,通过改进的差分进化算法对这些节点进行优化,以优化后的节点作为分割点计算二重积分值,数值试验表明,本文算法得到的积分值精确度高,而且收敛速度快,在科学计算中具有一定的应用价值.