基于改进微粒群优化的泊松曲线沉降预测模型

在现有文献研究的基础上,对泊松曲线沉降预测模型作了进一步的研究,给出了泊松曲线沉降预测模型的一个新方法-改进的微粒群最优化方法.该算法不需要计算梯度,容易应用于实际问题中.通过对微粒群算法的修正,使改进算法具有更加精确和快速的收敛性.经实例计算表明,这种方法具有较高的精度.     

基于改进泊松-复合小波模型的复合地基全过程沉降预测

对复合地基全过程沉降预测模型与方法进行了研究.分析了改进泊松模型的特点和适用性,提出了改进泊松-复合小波神经网络修正模型.结合实际工程数据对CFG桩复合地基全过程沉降进行了分析和预测,并与改进的泊松模型进行了对比分析.结果表明,提出的模型适用性强,具有更高的预测精度,其绝对误差在1mm以内.     

动态分簇的异构传感器网络安全路由协议

当前很多无线传感器网络路由协议没有将安全因素考虑在内,而且一些已有的安全方案没有紧密结合典型分簇路由协议的运行机制,因此提出一种基于动态分簇的异构传感器网络安全路由协议(secure routing for dynamic clustering,SRDC).该协议在优先考虑能耗问题的基础上,通过多种安全机制实现密钥协商和节点认证以及高效的组密钥更新.实验表明,新的协议能够有效延长网络的生命周期,并且能给网络提供较强的抗俘获能力.     

基于邻域势函数的无线传感器网络模糊分簇算法

为解决冶金工业中网络拓扑稳定情况下的分簇问题,提出了一种基于节点邻域势函数的无线传感器网络模糊分簇算法.该算法将邻居节点的势函数信息作为模糊C均值隶属度矩阵的权值,用于网络分簇,提高了网络的负载均衡指数,确保分簇更加均衡.仿真实验表明,与LEACH相比,该算法使网络生命周期提高了93.6%,大幅延长了网络生命周期.     

快递超网络模型及基于效率的优化方法

快递企业的配送系统是一个由物理层网络和管理层网络构成的,具有多层、多维、多标准特征的超网络系统和运转中心作为管理层网络中业务管理维度子网的最小经营单位,其经营目标是实现配送效率的最大化.以配送时间作为网络边的权值,从业务管理的维度,研究快递超网络基于效率的优化方法.结果表明:一是各运转中心可以借助合理选择配送路径和配送工具等方法,实现配送效率的最优;二是在考虑线路上的时问成本由其两端节点平均分摊的前提下,各运转中心实现效率最优的同时,快递企业的综合配送效率最高.     

基于差值控制细胞神经网络图像滤波器

差值控制细胞神经网能够实现灰度图像滤波等复杂运算.针对原有差值控制细胞神经网中值滤波器在稳定性和可实现性上存在的不足,提出了一种伪中值滤波器(CNN PM-filter),进而引入Mask图构造了选点式伪中值滤波器.从实验结果和相关度分析可以看出,本文提出的两种滤波器在改善稳定性与实现性的同时,没有影响到滤波器的性能,而选点式伪中值滤波器能有效降低滤波造成的模糊图像,取得更佳处理效果.     

CNN-PDE非线性图像滤波器

偏微分(PDE)非线性图像滤波方法具有优良特性,但由于其计算量大而无法满足实时控制需求.细胞神经网(CNN)可以描述图像PDE模型,利用模拟CNN芯片并行求解,有助于提高其实时性.本文用CNN实现了PDE偏差非线性图像滤波器,提出了一种局部运算的噪声估计方法以选择适当的平滑系数.计算结果表明,这种噪声估计方法可以对不同噪声水平作出较精确的估计.仿真实验结果表明,CNN-PDE非线性滤波器取得了满意的滤波效果,用CNN实现PDE非线性滤波器的方法是有效可行的.     

基于炉内辐射模型的加热过程分析

根据加热炉内辐射平衡关系,建立炉内辐射模型,计算产品温度;在此基础上,分析热电偶温度和布料密度等因素对产品加热温度的影响。分析结果表明,当热电偶安装位置不同、布料密度发生改变时,加热工艺需要进行相应的调整,才能满足产品加热要求。     

基于情感能量模型的表情机器头

首先以心理动力学中的心理能量概念为基础,分析了情感能量以及表示情感状态的相关参数.然后根据情感能量守恒定律,研究了情感能量分配结构的数学表示方法和情感能量分配模型,进一步分析了情绪状态的变化过程,提出了情绪状态刺激转移过程的隐马尔可夫链及其模型算法;利用MATLAB建立相关情感状态变化的仿真研究平台,进一步研究了情感状态的变化规律.最后根据以上情感模型及其变化规律构建出表情机器头的综合研究平台,仿真结果与机器头实验数据的一致,验证了仿真模型的有效性.     

基于模糊聚类及层次分析法的采矿方法综合评判优选

以程潮铁矿为工程背景,将采矿方法初选视为分类问题来处理,采用模糊聚类法从技术影响因素方面按照相似程度对采矿方法进行了分类初选,避免了以往采用工程类比进行初选的主观随意性,提高了采矿方法初选方法的科学性.在此基础上,运用层次分析法,综合考虑经济、资源、效率、安全及环境等五大类因素,构建了较为全面的采矿方法选择综合层次评价指标体系,并得到了合理的权重矩阵,较好地解决了多因素决策时各方案评判指标出现优越性交叉时的权重分配问题.最后采用模糊综合评判方法确定最优采矿方法.     

热轧机有限元与神经网络集成建模

以某钢厂1580热连轧生产数据为基础,提出一种有限元与神经网络集成建模的方法.该方法首先对轧制过程的塑性变形进行有限元建模,然后结合有限元数值分析方法和智能技术的优点,实现有限元和神经网络的集成建模.集成模型中的神经网络模型为有限元模型提供参数调整的依据,并且在神经网络训练过程中使用改进的混沌粒子群优化算法对神经网络进行优化.通过与现场实际生产数据进行比较,验证了该模型的有效性.     

基于Lemaitre模型的辊式冲裁工艺断面质量分析

为了准确表征材料变形中逐渐劣化的过程,引入考虑损伤与裂纹萌发的弹塑性本构模型.基于Abaqus/Explicit的二次开发接口,编写耦合Lemaitre损伤模型的用户子程序,根据算例验证其可靠性.通过反复加载-卸载拉伸试验并利用弹性模量变化法来获得损伤参数值.建立辊式冲裁工艺有限元模型,应用Lemaitre损伤模型来预测断面质量,并进行试验验证.分析冲裁间隙、模具磨损与板厚等工艺参数对断面质量、冲裁力及扭矩的影响.结果表明:前刃口断面质量总体上要好于后刃口,但光亮带具有一定的倾角;塌角区会随冲裁间隙增加而增大;模具磨损程度增加会导致毛刺急剧增大;最大冲裁力与扭矩会随着板厚的增大而增大.     

基于MGI的粉末冶金全流程数据模型表示及应用方法研究

"材料基因组计划"的提出为粉末冶金工艺设计提供了新思路。综合考虑成分设计、粉体制备、成形以及烧结各环节的数据交互关系,形成粉末冶金从成分设计到制备工艺的数据传输网,实现粉末冶金全流程数据积累与知识构建,将有助于成分设计和制备工艺过程中的问题发现和过程优化。本文从材料基因组思想出发,分析粉末冶金数据的特性,结合数据库和数据仓库技术,探索支撑粉末冶金全流程的数据存储和管理方法,建立粉末冶金数据的存储架构;提出了粉末冶金全流程数据传输模型,并利用本体技术对模型进行知识表示,以及探究基于模型的查询方法,促进该数据传输模型的共享和重用。为粉末冶金数据的知识发现奠定了基础。     

基于贝叶斯神经网络的带钢厚度预测与控制

采用贝叶斯统计学原理改进传统神经网络算法,通过在神经网络的目标函数中引入表示网络结构复杂性的约束项,避免网络的过拟合以提高网络的泛化能力.将改进的神经网络应用于济钢1700mm热连轧机带钢厚度预测中,其预报精度、训练时间和网络稳定性均优于传统神经网络预测;然后应用贝叶斯神经网络预测带钢塑性系数;最后将出口带钢厚度和带钢塑性系数的实时预测值综合应用于带钢热连轧厚度控制系统,改进了传统的厚度控制方式,进一步提高带钢质量.