基于模拟退火的蚁群算法求解Job-Shop问题

引用蚁群算法来解决Job-Shop问题(简称JSP),但是由于蚁群算法本身的原理和Job-Shop问题之间的差异性,使得用基本的蚁群算法来解决Job-Shop问题存在一些缺陷.从蚁群算法的改进入手,采用了不同策略的信息素更新方法,并采用模拟退火算法对搜索到的解进行处理,不仅加快了算法的收敛速度,而且能收敛到更好的解,最后用实例对算法的有效性进行了验证.     

基于两级ＳＶＭ的Φ－ＯＴＤＲ系统振动事件识别算法

相位敏感光时域反射计(Phase-sensitive Optical Time Domain Reflectometer,φ-OTDR)对于振动信号能够实现高灵敏度的连续分布式测量,目前的振动事件识别算法常从一个或者两个维度来提取特征,如时域或频域等,未能实现多维度大样本特征参量的融合分析;现有的算法一般采用简单的单级识别算法,结构比较简单,导致最终的模型识别准确率不高、泛化能力较差。针对上述问题,本文对实验采集的振动信号从时域、频域和空间域的多参量特征进行提取和融合,针对具体的振动信号识别问题,构建了一种两级支持向量机(Support Vector Machine,SVM)识别算法,对振动事件进行了两级分类,能够实现对相似振动事件的精确识别,识别准确率达90%以上。     

微粒群算法研究平台设计与实现

在Visual C＋＋编译环境下运行算法代码,DOS界面下输出结果的微粒群算法研究方法缺乏对进化过程的内在了解和数据统计。本文提出一种可扩展的微粒群算法研究平台,平台具有与算法无关的特点,只要遵循平台数据接口的算法都可以在平台中运行。平台采用动态链接库技术实现扩展功能,还具有内部算法运行、图形显示、数据统计、数据导出、日志功能,并为每个功能都规定统一的数据接口实现平台与算法无关的特点。     

进化算法研究平台的设计与开发

设计和开发进化算法平台,对进化算法的研究具有重要的意义。利用MVC设计模式和面向对象的软件开发思想,提出了一个可扩展的进化算法平台。平台完成参数设置、算子导入、计算结果的存储与显示等功能,并提供了友好的人机交互界面。平台对各项功能进行封装,在算法运行中可动态加载,因此算法流程灵活多变;利用动态链接库实现了导入功能,不仅方便新算子集成到平台,而且有利于平台的扩展。     

半导体激光器驱动电路的设计

当前成熟的激光器驱动芯片均为针对数字光输出的数字驱动芯片,无法满足卫星通信、雷达等领域对于宽带模拟激光器驱动的要求.采用蝶形封装分布反馈式激光器组件,通过对自动功率控制(APC)电路、自动温度控制(ATC)电路和工作参数检测电路的改进,设计了适用于模拟激光器的驱动电路.实验结果表明:驱动电路的幅度响应增益均值为2 dB...     

DS-FH混合扩频系统抗多址干扰能力分析

通过对DS及DS-FH两种通信体制抗干扰能力的比较分析,研究DS—FH混合扩频通信系统的抗干扰能力,特别分析了DS-FH系统良好的抗多址干扰能力。结果表明,DS-FH混合系统集中了DS及FH系统的优点,抗干扰性能明显增强。     

甲酸生产技术新进展

综述了国内外甲酸的主要生产方法,并介绍了一种采用黄磷尾气一步制取高浓度甲酸的工艺。     

基于TPLAN的中国南方电网可靠性与经济性评估

南方电网是我国目前唯一投入运行的超高压、远距离、交直流并列输电的大型区域电网,其可靠性与经济性分析具有重要意义。首先探讨了交直流并联系统可靠性评估的特殊性及研究进展,并对发输电系统可靠性评估软件TPLAN的特点、方法和功能进行了简要介绍。利用该软件对南方电网进行了可靠性与经济性评估。通过计算系统整体可靠性指标,得出南方电网停电影响的严重级别为2级。通过计算各省区及主要负荷点的可靠性指标,得出广东省电网的可靠性水平最低,是整个南方电网的薄弱环节。引入用户停电损失函数的概念,对南方电网进行了经济性评估,计算出全网及各省的经济性指标。此外,还研究了系统可靠性评估结果对元件可靠性参数的灵敏度问题。上述分析所得结论对于今后南方电网及全国电网的规划、运行都有较高的工程意义和参考价值。     

微反应制备三氯化磷研究

针对传统三氯化磷生产存在工艺控制复杂、安全性差、对设备腐蚀严重等问题,研究了一种以黄磷和液氯为原料,通过微反应技术直接合成三氯化磷的新方法。该方法通过使用微反应技术对反应的影响因素实现精确控制,来保证磷氯的瞬间混合和高效的传质传热,从而达到在反应安全可控的条件下大幅提高反应速率的目标。对反应物料配比、温度、停留时间、回流比等因素进行了单因素条件实验,得到磷氯配料比为0.35∶1（质量比）、反应环境介质温度为75℃、反应停留时间为60 s和回流比为2是比较适宜的条件。新方法将反应停留时间缩短至60 s,而且收率达到90%以上,产品质量满足优级品标准,并且可以实现产品的安全、连续化生产。     

基于FEM-ANN的高强度冷轧带钢平整轧制力预测

为了提高平整轧制力的预报精度,采用有限元法(finite element method, FEM)与人工神经网络(artificial neural network, ANN)相结合的方法,对DP980和CP1180超高强冷轧带钢在平整轧制过程中的轧制力进行预测。通过建立平整轧制过程的数学模型,利用有限元法设计了不同工况下的数值模拟试验,为神经网络模型生成训练数据。将摩擦因数与轧制力关联进行迭代优化后作为神经网络模型的输入参数。该轧制力预测方法计算迅速,预测误差在10%以内。