废砂/PE废地膜复合材料热老化性能的研究

以聚乙烯(PE)废地膜和工业废砂为原料,制备了不同配比的废砂/PE废地膜复合材料,研究了PE基体和复合材料的热老化规律。研究发现,经80℃人工加速热老化处理后,复合材料的玻璃化转变温度(Tg)随老化时间的增加而降低;一定条件下的热老化有助于加强PE基体和废砂间的界面作用,使复合材料的力学性能先升高后降低;废砂的加入有利于PE废地膜热老化性能的提高。     

人工砂石加工系统常规及新型节能环保除尘技术对比分析

随着人工砂石加工系统环保越来越受到国家的重视,粉尘作为人工砂石加工系统干法或半干法生产工艺下的主要污染源之一,必须得到有效控制。根据砂石加工系统粉尘产生的原理和生产工艺特点,经济合理的选择主动式与被动式相结合的新型除尘方案尤为重要,通过对常规与新型除尘技术的比较分析,阐述了新型节能环保除尘技术在人工砂石加工系统中应用的可行性和必要性。     

受强弱关系理论启发的改进人工蜂群算法

针对原人工蜂群算法在寻优过程中存在收敛精度不高、容易陷入局部最优的问题,提出一种改进人工蜂群算法(SWT-ABC)。将社会学中强弱关系模型化并引入多子群矩阵式蜂群结构,定义了强关系个体从三个方向随机引导搜索,加快算法收敛速度和提高收敛精度;为增强算法跳出局部最优的能力,定义了弱关系个体交互以实现子群间信息交流来提升种群多样性;增加侦查蜂反向学习机制并确定合适的蜜源上限,能有效提升目标函数评价次数的利用效率。通过基准测试函数的数值实验并与12种改进算法进行对比,改进后的人工蜂群算法收敛精度更高、全局寻优能力更强,并且在高维优化问题求解中仍具备良好的收敛性能。     

基于边缘敏感的SLIC和二次密度聚类的GGO分割

针对磨玻璃肺结节(Ground Glass Opacity,GGO)边界对比度低、大小各异和灰度不均匀等造成分割准确率低的问题,提出一种基于边缘敏感的SLIC和二次密度聚类相结合的分割算法。将图像边缘检测结果与SLIC超像素算法相结合,并将其中含有边缘的超像素块用区域质心代替其原始聚类中心,改善SLIC边界黏连性较差的问题;针对密度聚类不能完整分割GGO的问题,提出二次密度聚类的方法,对密度聚类定位到的簇及其邻域簇进行二次密度聚类。实验结果表明,该算法分割GGO的平均准确率达90.17%,灵敏度达84%。     

基于人工势场的A*算法的移动机器人路径规划

为了解决传统A*算法规划路径时未考虑到障碍物分布对路径选取的影响,文中提出了一种改进的A*算法.将人工势场的思想与传统的A*算法相结合,对栅格地图中的障碍物赋予斥力场函数并计算周围栅格的斥力大小,进行路径搜索时将栅格的斥力大小引进到A*算法的评价函数当中以改进A*算法的搜索能力.通过MATLAB仿真和Turtlebot机器人的实验结果表明,与传统的A*算法相比,改进后的新算法与人工势场算法相结合,规划出了更优的路径,提高了路径规划效率,且搜索速度提高了 13.40％～29.68％,路径长度缩短了 10.56％～24.38％,路径节点数减少了 6.89％～27.27％,因此,改进的A*算法的优化效果明显,具有有效性和可行性.     

基于对比机制和算法因子的蜂群优化算法

人工蜂群算法是一种简单、高效的智能算法.同时,蜂群算法也存在很多问题,例如:收敛速度不是太快、容易发生局部最优的问题等.一种改进的蜂群算法得以提出,其思想是:引入一种对比机制,和算法因子来改进算法,加强算法全局搜索能力,采用四个基本测试函数对所提出方法进行测试.结果表明,优化后的算法较原算法提高了收敛精度,有效解决了会发生局部最优的问题.     

基于薄层单元的黏弹性人工边界的模拟

为了解决黏弹性人工边界在实际应用过程中前处理时间长、不易实现等不足之处,提出了基于薄层单元的黏弹性人工边界的模拟方法。利用单元矩阵等效原理,采用薄层单元构造了等效黏弹性边界单元,并通过在大型通用有限元软件MSC Marc中设置等效黏弹性边界单元的参数属性,实现了黏弹性人工边界的模拟。三维均匀弹性半空间算例和某混凝土重力坝工程实例结果表明:采用等效黏弹性边界单元得到的计算结果与理论解、基于黏弹性人工边界的计算值非常相近,相对误差不超过1%。因此,采用薄层单元的模拟的黏弹性人工边界具有足够的精度,且施加方便,这为实际工程进行抗震分析提供了简便且精确的方法。     

大截面人工挖孔抗滑桩在水利工程边坡治理中的实践与应用

文章介绍了贵州省六盘水市钟山区罗家沟水库在边坡治理工作中采用的施工大截面人工挖孔抗滑桩开挖法,能为具有类似工程地质条件的水利工程边坡治理提供参考价值。     

基于遗传蜂群算法的运动想象BCI系统导联选择*

在运动想象脑-机接口系统中,常采用高密度导联获取脑电信号,导致实验准备时间长,系统运行速度慢,性能变差等问题。针对上述不足,本文提出了一种基于遗传算子的蜂群算法用于导联优选,引入交叉和变异算子以提高蜂群算法的邻域搜索能力。通过对第四届国际BCI 竞赛 Dataset 1中四名被试者(a,b,f和g)的59导联运动想象数据进行导联优选,用多类CSP算法和支持向量机对优选导联数据进行特征提取和分类识别。结果表明所提出的算法在大大降低了导联维数的同时,也得到了比采用全部导联更高的分类识别率,验证了本文所提算法的实用性和有效性。