Fe60.5-xPt39.5Ndx(x≤1.5)合金的微结构和磁性能研究

用X射线衍射、扫描电镜和磁性测量等方法研究了Fe60.5-xPt39.5Ndx合金的微结构和磁性能。结果表明:稀土Nd的加入,导致Fe60.5Pt39.5合金晶格常数增大,晶粒细化;Fe60.5-xPt39.5Ndx合金的磁性能随着稀土含量和退火时间的增加而提高,当Nd含量为0.5%(原子分数)、退火时间为5h时达到最大值,然后随着Nd含量的进一步增加以及退火时间的进一步延长,合金的磁性能逐步降低。     

基于SAPSO优化的小波神经网络在滚动轴承故障诊断中的应用

针对滚动轴承振动信号复杂及故障类型难以预知的问题,提出一种基于模拟退火粒子群算法(SAPSO)优化小波神经网络来诊断滚动轴承故障的新方法,并将其应用于滚动轴承故障诊断。实验表明,该方法能减少迭代次数、提高收敛精度。     

Fe60.5-xPt39.5Ndx(x≤1.5)合金相转变和居里温度研究

采用X射线衍射,差热分析和居里温度测量等方法研究Fe60.5-x Pt39.5Ndx合金的相转变、居里温度和有序度。结果表明：Nd的添加有利于稳定FCC相结构;随着Nd含量x的增加,Fe60.5-xPt39.5Ndx合金的有序度及有序FCT相的居里温度都逐渐减小     

基于GASA的RBF神经网络在优化柴油机燃烧系统中的应用

针对多输入多输出、不确定性多干扰源的复杂非线性柴油机燃烧系统,以RBF神经网络作为优化模型,用正交试验法设计网络的训练样本,并用遗传模拟退火算法(GASA)对RBF网络结构和初始权值进行优化。将此RBF神经网络应用于燃烧系统优化过程中,得到理想的燃烧系统优化参数。按该参数进行试验,效果良好,达到了与大规模试验相同的优化效果,具有试验少、效果好的优点。     

基于GASA的RBF神经网络在木糖醇发酵过程测量中的应用

文章针对木糖醇发酵过程中关键参数在线测量难的问题,使用软测量技术来估算木糖醇的浓度和底物浓度。文中使用RBF网络作为软测量模型,采用均匀设计方法对RBF网络结构进行优化;并用遗传模拟退火算法（GASA）对RBF网络初始权值进行优化,将此优化RBF网络用于木糖醇发酵过程,实现了木糖醇浓度和底物浓度的间接实时测量。     

基于GASA的模糊可靠性设计在数控车床主轴优化设计中的应用

建立了设计变量模糊性和随机性的数学模型,并针对设计变量的多样性,采用遗传模拟退火算法(GASA)对数控车床主轴进行可靠性优化.优化结果表明,该优化方法能找到更符实际的优化解.