电磁领域中复超越方程的遗传算法求解方法

将遗传算法与参数跟踪策略有效结合,跟踪过程中进行搜索域压缩与位移操作,形成了一种功能强大的新算法,可成功应用于电磁领域中各种各样复超越方程的高精度求解问题.在算法实现过程中,使用参数跟踪策略有效地缩小了搜索区域,保证了解的单一性,提高了运算速度;使用动态搜索域提高了解的精度;应用三阶差商公式预估新的搜索中心,使运算速度得以进一步提高.应用本文发展的算法详细求解了终端短路法测量材料的复介电常数时得到的复超越方程和部分填充矩形波导的特征方程,计算结果表明该算法能够轻松地解决复超越方程中的多值问题,解集完备性好,算法鲁棒性强.     

新型钢铅组合耗能器性能试验及参数优选

为了考察新型钢铅组合耗能器(NCSLD)的力学性能和提高其耗能能力,利用电液伺服压剪试验机对NCSLD耗能器进行力学性能试验,采用ANSYS实体建模的方法对耗能器进行大量的数值分析,并对性能试验和数值分析的结果进行对比,研究耗能器的滞回特征参数与其6个几何参数之间的关系,回归出二者之间的公式.提出评价耗能器性能优劣的标准及其附加条件,并以此标准为依据,利用均匀设计法和遗传算法分别对耗能器的6个几何参数进行优选.结果表明遗传算法的选优效果要好于均匀设计法,同时得到一系列性能良好的NCSLD耗能器.     

储罐地震易损性数值仿真分析

为了研究储罐的抗震性能,忽略储罐罐壁的质量,将储罐中的液体质量简化为三质点体系模型,地基土由两个弹簧和两个阻尼器模拟.考虑罐体的平动和转动,建立了在水平地震激励下储罐的动力方程;给出了随机变量的概率模型和基于易损性理论的失效概率计算方法.通过对大庆某油库2×104 m3和5×104m3两种大型储罐进行数值仿真方法的地震易损性分析.结果表明:随着地震烈度的增大,储罐的易损性逐渐增大;5×104 m3储罐的抗震性能要好于2×104 m3储罐;2×104 m3和5×104 m3储罐的主要失效模式分别是抗失稳和抗提离.由此可见从多个失效模式对储罐进行地震易损性研究比从单一失效模式进行易损性研究更加科学.     

服务质量要求下的分布式网络可靠性计算方法

为了评估构建在互联网络环境中,具有服务质量要求的分布式网络可靠性能,研究出一套可靠性指标计算方法.首先按照服务质量要求,在赋有权值的网络中计算出分布式节点间所有路由.然后根据这些路由建立满足服务质量要求的网络邻接矩阵,对邻接矩阵进行分解与整合等变换运算,求得不交化网络状态集.最后根据不交化网络状态集得到可靠性指标的计算式,进而完成可靠性指标计算.论述了算法每个关键环节的正确性,通过算例和实验结果充分说明了新算法的合理性.     

中央空调系统节能的蚁群优化控制方法

针对中央空调系统运行时变性、非线性、多变量、大滞后等特性,提出了采用启发式全局寻优的蚁群优化算法对整个系统进行能耗寻优.通过建立空调系统能耗数学模型,采取蚁群算法对模型能耗最小化寻优,分析了信息素变挥发系数算法的收敛性,指出了算法以概率1收敛到最优解.同时对系统进行了控制结构改造及运行测试,结果表明,新的控制方法使空调系统能根据负荷变化进行参数动态调整,实现各设备运行匹配良好及工况较佳的目的,平均节能率达22.3%,获得较好的节能效果,对现有中央空调控制系统的节能改造具有借鉴作用.     

一种面向对象体系结构的度量模型

针对面向对象体系结构的软件系统缺乏有效度量方法的现状,通过行为、逻辑、构件和部署4个互为补充的模型,对面向对象的软件进行了架构分析,并确定了度量数据的采集集合.基于架构分析获得的原始系统数据,吸收快速原型与白盒、黑盒的基本原理,作者提出了一种适合面向确定对象系统的功能-结构-原型度量模型FCPMM(Function Configuration Prototype Metric Model).结合面向对象的基本准则与基本遗传算法,导出了该模型的循环收敛算法,从而可动态求解软件系统的最优状态.最后利用Matlab仿真实例,从度量参数适应度和最佳个体解码值两个方面验证了该算法的可行性.     

扩充编码符号的EZW改进算法

为了提高EZW算法的性能,分析发现EZW算法主扫描编码对最高频子带中不重要系数的编码存在冗余,且当重要系数的所有子孙系数都是不重要系数时的编码存在冗余.据此提出了扩充编码符号的EZW改进算法,用最高频子带的坐标作为限制条件来减少不重要系数的编码冗余;通过扩充编码符号和赋予原始EZW算法的4个编码符号新的适用范围的方案来减小第二种编码冗余.实验结果表明,本文算法使峰值信噪比提高0.9～2.3dB,从而证实了本文改进算法的有效性.     

A recognition method of vibration parameter image based on improved immune negative selection algorithm for rotating machinery

To overcome the limitations of traditional monitoring methods, based on vibration parameter image of rotating machinery, this paper presents an abnormality online monitoring method suitable for rotating machinery using the negative selection mechanism of biology immune system. This method uses techniques of biology clone and learning mechanism to improve the negative selection algorithm to generate detectors possessing different monitoring radius, covers the abnormality space effectively, and avoids such problems as the low efficiency of generating detectors, etc. The result of an example applying the presented monitoring method shows that this method can solve the difficulty of obtaining fault samples preferably and extract the turbine state character effectively, it also can detect abnormality by causing various fault of the turbine and obtain the degree of abnormality accurately. The exact monitoring precision of abnormality indicates that this method is feasible and has better on-line quality, accuracy and robustness.     

Application of ACO algorithm in protein structure prediction

The hydrophobic-polar (HP) lattice model is an important simplified model for studying protein folding. In this paper, we present an improved ACO algorithm for the protein structure prediction. In the algorithm, the "lone"ethod is applied to deal with the infeasible structures, and the "oint mutation and reconstruction"ethod is applied in local search phase. The empirical results show that the presented method is feasible and effective to solve the problem of protein structure prediction, and notable improvements in CPU time are obtained.     

Effective prediction of DEA model by neural network

In this paper,a fast neural network model for the forecasting of effective points by DEA model is proposed,which is based on the SPDS training algorithm.The SPDS training algorithm overcomes the drawbacks of slow convergent speed and partially minimum result for BP algorithm.Its training speed is much faster and its forecasting precision is much better than those of BP algorithm.By numeric examples,it is showed that adopting the neural network model in the forecasting of effective points by DEA model is valid.