基于概率约束的轴桥车削参数优化

针对轴桥车削时变形大的问题,分别提出相应的工艺改进及加工参数优化策略:通过增加平衡配重减小离心力对车削变形的影响;通过基于概率约束的优化算法选择最优的车削参数,实现车削过程的高效性以及车削精度的可靠性。构建以车削效率为目标的轴桥车削参数优化模型。为充分考虑车削参数的随机变化,以车削变形量小于给定值的概率作为约束。为降低概率约束模型的计算成本,采用基于平移传播的拉丁超立方采样方法确定车削速度、背吃刀量与进给量的参数组合,并通过有限元仿真得出各组参数对应的变形值,进而构建车削变形的克里金模型,在失效概率计算及优化求解过程中直接调用该近似模型。通过对概率约束模型最优点处的参数组合进行试验,验证了本文提出的方法可在轴桥允许变形范围内有效提升车削效率。     

一种基于风险传播的信息系统风险评估方法

传统信息系统的风险评估方法未考虑节点的状态变化和风险的传播方向,且评估结果的准确性受专家主观性的影响,对此,提出了一种基于风险传播的信息系统风险评估方法.首先,确定节点的初始状态转移概率矩阵,并根据攻击属性对矩阵进行修正,得到节点状态转移概率;其次,基于系统风险传播网络拓扑图和节点属性值计算节点在各方向的传播概率;然后,利用三参数区间数方法获取节点威胁事件的量化值;最后,根据风险评估方法计算各节点的风险值.实验结果表明,基于风险传播方法的评估流程更客观、合理,可提高信息系统风险评估的整体性和准确性.     

Conwep算法和压力时程曲线荷载施加法在爆炸毁伤分析中的适用性

为给大型结构毁伤研究提供技术支撑,应用显示动力学有限元软件ANSYS/LS-DYNA,以加筋板毁伤实验为依据,分别采用Conwep算法和压力时程曲线荷载施加法将爆炸荷载施加到加筋板模型上,将两种方法的数值模拟结果与实验结果进行对比,并从受爆结构单元、荷载施加范围以及结构位移与速度3个角度分析两种方法的适用范围和局限性.结果 表明:应用Conwep算法得出的数值模拟结果与实验结果的相对误差不大于5.15％;应用压力时程曲线荷载施加法得出的数值模拟结果与实验结果的相对误差不大于5.46％,均满足工程要求.因此两种方法均可作为爆炸荷载施加方法.     

利用贝叶斯线性回归结合混合Copula函数分析风电功率的相关性

分析风电场之间的出力相关性有助于合理规划风机的功率输送以及调度优化,从而提高传输线路的利用率。以冀北地区风场为例,首先分析了该区域风速的分布特性,然后利用贝叶斯线性回归算法建立混合Copula函数模型,拟合得到4个机群风速序列的联合分布,计算出风电场之间的出力相关性,并与其他相关性函数建模进行对比研究。研究结果表明,基于贝叶斯线性回归的混合Copula函数模型能够提高参数估计的精确性,从而使得计算出的相关性更为准确,并且由其拟合得到的出力概率分布与实际风场出力的概率分布较为一致。     

弯道岸坡上粗细泥沙统一起动流速公式

该文基于概率论与泥沙起动基本理论,考虑了起动概率、相对暴露度与细颗粒泥沙间黏结力和附加下压力对泥沙起动的影响,采用滑动起动模型,从理论上推导出了适用于弯道岸坡上粗、细泥沙颗粒起动的统一流速公式,完善了已有研究成果对泥沙起动概率考虑的不足。公式综合了弯道岸坡、顺直岸坡、正负坡及平坡等条件下粗细泥沙颗粒起动流速计算,可简化为各简单条件下泥沙起动流速公式。通过各简单条件下泥沙起动流速实测资料验证,该文公式与实测数据符合良好。     

基于全概率公式直接推求管运洪水

本文为保证防洪安全的前提下充分发挥水库的综合效益,提出了基于全概率公式推求管运洪水的方法,并详细阐述了其基本原理;提出了在资料较短或前、后汛期洪水特性大致相同的情况下运用全概率公式推求管运洪水的实际方法;以马边站的洪水资料进行实例研究,其结果表明基于全概率公式推算出来的管运洪水既能使水库工程达到防洪标准,又能充分发挥水库的综合效益。     

基于一次投影子空间追踪的压缩感知信号重构

为了降低信号重构算法的复杂度,实现对稀疏度未知信号的重构,提出了一种基于一次投影子空间追踪(OPSP)的信号重构方法。首先根据约束等距性质确定信号稀疏度的上下界,并将最接近上下界中值的整数作为稀疏度的估计值;然后在子空间追踪(SP)算法的框架下,去掉了迭代中观测向量在支撑集上的投影过程,降低了算法的复杂度。为了更准确地衡量算法的重构性能,提出用完整信号的重构概率作为衡量算法重构性能的指标。与传统的SP算法相比,所提算法可以重构稀疏度未知的信号,且重构时间短,重构概率高。仿真结果验证了该算法的有效性。     

图的点可区别边染色算法研究

针对一般图设计了一种新型的点可区别边染色算法。该算法把概率思想和图染色相结合, 根据点可区别边染色的约束规则确立目标函数, 利用交换规则逐步寻优, 当目标函数的值满足要求时染色成功。给出详细算法步骤并进行了测试和分析, 实验结果表明该算法可以求出满足猜想的点可区别边色数。     

基于云免疫算法的认知无线网络参数优化

为了提高认知无线网络的参数优化效果,提出了一种基于免疫优化的认知引擎参数调整算法。免疫克隆优化是一种有效的智能优化算法,适合求解认知无线网络的引擎参数调整问题。免疫优化中,变异概率影响着算法的搜索能力;利用正态云模型云滴的随机性和稳定倾向性特点,提出了一种基于云模型的自适应变异概率调整方法,并用于认知无线网络的参数优化。在多载波环境下对算法进行了仿真实验。结果表明,所提算法收敛速度较快,参数调整结果与对目标函数的偏好一致,能够实现认知引擎参数优化。