乙炔/甲烷预混燃烧合成碳纳米管的试验研究

采用乙炔和甲烷的混合气作为燃料,利用涂覆硝酸镍的铜基板,进行合成碳纳米管的试验研究。对于制备出的碳纳米材料的微观形貌采用扫描电镜(SEM)和透射电镜(TEM)进行了表征,分析了不同燃料对火焰合成的影响,并研究了硝酸镍催化剂的浓度对合成碳纳米管的影响。研究结果表明:利用两种混合气体预混燃烧能够成功合成出质量较好的多壁碳纳米管;采用浓度为0.01mol/L的硝酸镍催化剂无法合成出碳纳米管,只有碳纳米纤维等纳米材料。硝酸镍催化剂浓度为0.1和1.0mol/L时能合成形态和结构都较理想的碳纳米管。     

基于差分进化算法的套筒滚子链传动多目标优化设计

套筒滚子链传动的优化设计多以单目标优化为主,本文在之前研究基础上,以单列链传动功效最大和疲劳寿命最大为目标建立了该问题的多目标优化模型。在高斯变异多目标差分进化算法的基础上,引入了修正的约束处理方法及取整策略,提出了一种求解混合离散变量的多目标差分进化算法。工程实例求解结果表明,所得结果满足设计需求,该算法是有效的,且对于其他工程问题的求解具有一定的参考价值。     

自适应差异演化算法及其应用

差异演化(Differential Evolution,DE)算法是一种基于群体差异的演化算法,具有良好的优化性能,但是对于高维复杂函数,DE算法易早熟收敛。为此,在对DE算法参数分析的基础上,提出自适应缩放因子及自适应交叉率两个概念,进而提出一种自适应差异演化(Adaptive Differential Evolution,ADE)算法。利用群体差异度对DE算法进行分期,一方面使缩放因子在前期较大,在进化的中期先变小,后增大,在进化的后期,缩放因子较小;另一方面使DE算法的交叉率在前期较小,中期在一定范围内随机取值,进化后期较大。仿真实验结果与工程应用实例表明,ADE算法在收敛速度和全局搜索能力方面得到了较好的平衡,不仅保证了ADE算法的收敛速度,而且具有较好的全局搜索能力。     

基于Tent映射的混沌粒子群优化算法及其应用

针对基本粒子群优化算法在迭代后期易陷入局部最优而出现早熟收敛的现象,基于混沌搜索的全局遍历性、随机性和规律性的特点,以粒子群群体适应度方差作为粒子群优化算法早熟收敛的判据,将Tent映射作为混沌搜索引入到基本粒子群算法中,对以一定概率随机选择的粒子群中的部分粒子实施混沌搜索,利用混沌特性提高种群的多样性和粒子搜索的遍历性,从而使粒子获得持续搜索的能力,提高了粒子群优化算法的全局搜索能力和抗早熟收敛性能.几个典型测试函数的仿真实验和应用实例均证明了该算法的可行性.     

正交Alopex算法在机械优化设计中的应用

针对Alopex算法对初值敏感的特性及正交设计可以使初始种群在空间分布更加均匀的特点,提出了正交Alopex算法。该算法为了克服后期"早熟"收敛的缺陷,引入了变异操作。数值仿真结果及两个工程优化问题的求解结果表明,所提出的算法能有效避免"早熟"收敛,且求解结果优于传统优化及比较算法。     

混合模式搜索差分进化算法研究及其在高压容器概率优化中的应用

为求解高压容器的概率优化问题,提升差分进化算法的收敛速度,提出一种基于模式搜索算法的混合差分进化算法。该算法在差分进化算法的后期,引入模式搜索算子,以当前群体最优点作为模式搜索算子的基点进行模式搜索。仿真结果表明该混合算法收敛速度明显要优于差分进化算法。最后建立高压容器的概率优化设计模型,利用混合算法求解高压容器优化问题的确定型优化模型及概率优化模型,结果表明概率优化模型的优化结果更合理可靠。     

基于萤火虫算法优化VMD的滚动轴承故障检测

滚动轴承的工作环境通常受噪声干扰严重,故对其故障检测颇有难度。针对此问题,提出基于改进萤火虫算法优化VMD参数的方法。首先利用快速谱峭度分析信号,得到带通滤波器的最佳参数后,对信号进行滤波即初步降噪;其次经萤火虫算法优化得到VMD的最优参数K和α,根据所得参数将信号分解为若干个IMF分量,并以相关系数和散布熵为原则重构信号;最后用Hilbert包络解调重构后的信号得到故障特征。通过对试验数据的分析以及与LMD分解的对比可知,该方法能可靠地检测出轴承故障特征。     

一种改进的粒子群优化算法

针对粒子群算法容易陷入局部最优的缺点,在改变动态惯性权值的基础上,提出了一种动态迭代次数粒子群算法DIPSO(Dynamic Iterative Particle Swarm Optimization).该算法根据每个周期内达到收敛的迭代次数不同,在一个周期内,当其和累积小于某个值时,就对其重新进行初始化,从而使算法具有动态的自适应.通过对几种典型测试函数的优化,结果表明,DIPSO算法的收敛速度明显优于PSO算法,收敛精度也有所提高.     

改进的Alopex算法在公差分配优化设计中的应用

合理的公差分配是降低生产成本和保证产品性能的关键.首先将混沌算法引入到Alopex算法的初始化过程,然后基于群体差异度对退火温度进行了改进,提出了改进的Alopex算法.其次,尝试将所提出的算法用于求解公差分配优化问题.最后将改进的Alopex算法与遗传算法在铰链装配组件的公差设计问题上进行了性能比较,优化结果表明了改进的Alopex算法的有效性.     

混合变量非线性规划问题的差异演化算法研究

针对机械优化设计问题中的混合变量非线性规划问题,提出一种改进的差异演化算法.首先针对混合变量非线性规划问题的特点,采用离散变量与连续变量分别进化策略,以使差异演化算法能够适于解决这类问题.其次,依据基因突变原理,提出突变因子的概念,使群体中的一部分个体不经过交叉操作,而直接与父代竞争,提高了群体的多样性,增强了算法的全局搜索能力,并对差异演化算法的缩放因子进行线性递减计算,加快了算法的收敛速度.测试结果表明,所提出算法不仅能够解决混合变量非线性规划问题,而且有较快的收敛速度和较好的全局收敛能力,实用价值明显.