一种改进的多群协作粒子群优化算法

提出了一种改进的多群协作粒子群优化算法,该算法整个种群采用主从模式,分为一个主群和多个从群,多个从群粒子统一地进行初始化操作,从而避免了多个粒子群重复搜索现象。同时,算法采取了一种扰动策略,即当前全局最优解在扰动因子的迭代周期内保持不变时,就重置粒子的速度,迫使粒子群摆脱局部极小。该算法不仅增加了种群的多样性,扩大了搜索范围,而且还改善整个种群易陷入局部极小值的缺陷。通过9个基准函数进行测试,实验结果表明,IMCPSO与MCPSO算法相比具有明显的优越性。     

高性能混凝土对水泥品质特征的要求

高性能混凝土的研究和应用提升了我国混凝土技术的总体水平，带动了优质矿物掺合料和外加剂的综合研发利用。近年来，功能型、复合型高性能掺合料的研发以及减水率在30％以上、保塑性较好的聚羧酸类减水剂的研制，为高性能混凝土的应用发展提供了强有力的技术支持。混凝土技术的发展，对水泥品质特征提出了新的要求。如何生产出适合高性能混凝土用的水泥，是水泥企业值得关注的问题。笔者作为水泥的最大用户——预拌混凝土企业，对目前杭州地区所用水泥品质存在的问题提出一些看法和建议。     

自适应混合多目标分布估计进化算法

针对多目标分布估计算法全局收敛性较弱的缺陷,提出了一种自适应混合多目标分布估计进化算法。其基本思想是:在多目标分布估计算法中引入全局收敛性较强的差分进化算法,当函数变化率较大时,用分布估计算法产生新种群;当函数变化率较小即算法可能陷入局部收敛时,用差分进化算法产生新种群。理论分析和数值实验结果表明,这种混合算法不仅具有良好的全局收敛性,而且解的分布性和均匀性较没有考虑目标函数变化率的混合多目标分布估计算法也有了一定程度的提高。     

高速高机动目标自适应IMM跟踪算法

针对目标运动过程中有转弯机动等复杂运动模式的高速高机动目标,设计了自适应两层IMM跟踪算法。该算法内层由改进的机动目标当前统计模型构成,把目标速度方向角作为伪测量值进行滤波,实时获得目标的角速度和角加速度;外层模型由常速模型和曲线模型构成,把内层模型得到的切向加速度和转弯角速度作为曲线模型参数,利用IMM算法进行滤波。仿真结果表明,该算法对高速高机动目标具有较高的跟踪精度,算法实现简单,具有一定的实际应用价值。     

基于改进卡方统计的微博特征提取方法

通过对微博文本特征信息的分析与研究,提出一种基于改进卡方统计的微博特征提取方法。扩充微博信息分类特征,在传统的卡方统计量的基础上,引入了频度等因素,改进特征选择方法;在传统的特征项权值计算的基础上,提出了新的改进卡方统计量的方法,改进权重计算效果。对上述方法利用经典KNN和SVM算法进行了测试,实验结果表明该方法提高了微博信息分类的准确率。     

多尺度空间特征提取的脊柱图像拼接算法

针对脊柱图像视野有限,提出一种基于优化MSFE的脊柱图像自动拼接算法。设计出一种基于尺度因子变化的高斯卷积模板尺寸自适应调整以及双向配对办法;相似性度量采用城市距离;利用RANSAC算法去除错配,从而确定待拼接图像之间的变换参数,最后利用加权平均对图像融合。对实际取得的多幅脊柱图像拼接结果表明该算法具有很好的实时性和鲁棒性。     

基于FPGA的多路矿用气体传感器智能调校系统

矿用气体传感器因煤矿安全被大量使用,国家规定必须定期进行调校,目前的传感器调校系统可同时对5-8台传感器进行调校,针对大中型煤矿生产过程中需要调校的矿用气体传感器数量大、调校耗时长的现状,提出了一种基于单片机与现场可编程门阵列（FPGA）的64路气体传感器调校系统,介绍了系统的整体设计并详细阐述了该系统的气路控制模块和传感器输出信号采集模块,使用Verilog语言在QuartusⅡ工具中实现FPGA的逻辑设计、仿真和综合。结果证明：该系统能有效地完成对64路气体传感器同时调校的目的,很大程度节省了人力消耗,提高了调校效率,节约了调校时间。     

Grace Davison开发提高FCC烯烃收率的新催化剂

为了使利润最大化，FCC装置要在许多工艺限制的条件下进行运作，而不断改进催化剂可以提供一种方便而经济地改进工艺路线来缓解生产上的制约，从而使FCC装置获得很高的利润。     

TPU改性环氧树脂

日本利用原位反应在环氧树脂中直接制备反应性热塑性聚氨酯弹性体(TPU)，所用原料巾多元醇为PTMG-650、PTMG-1000、PTMG-2000和PTMG-3000，多异氰酸酯为MDI，环氧树脂为Epikote828。     

多传感器数据采集系统中的数据融合研究

针对多传感器数据采集系统的准确性与可靠性的要求,提出了单传感器分批估计融合与模糊理论中的相关性函数与加权自适应算法相结合的数据融合方法。首先,对每一只传感器进行分批估计融合,得到了较为可靠的局部决策值。然后,利用模糊理论中的相关性函数,计算出每只传感器与其它传感器的相关程度,并剔除掉那些相关程度较低的传感器的局部决策值。最后,在权的最优分配原则下,利用加权自适应算法对剩下的局部决策值进行数据融合。该方法能在数据先验知识未知的情况下,客观地反映各个传感器的可靠程度。数据分析结果表明:与同类融合方法相比,该方法具有更高的精度。