电火花表面强化技术及其应用

电火花表面强化技术是一种具有独特优势的材料表面技术,其在机械零件表面改性和表面修复等方面具有广阔的应用前景。介绍了电火花表面强化技术的基本原理和工艺特点,阐述了电火花表面强化技术的发展概况,分析了该技术在机械零部件修复、模具强化等方面的实际工程应用,指出了该技术今后的研究方向和发展趋势。     

表面强化技术的研究及其应用

表面强化处理技术是改善材料表面综合性能的重要方法,具有独特的技术优点,对于提高材料的使用寿命具有重要的意义。介绍了表面强化技术的概念、意义以及分类,分析了常用表面强化技术在各领域中的应用。     

基于进化策略的广义积分计算方法研究

提出了一种基于进化策略算法的广义积分计算新方法,该方法根据被积函数的变量区间任意选取分割点,作为进化策略的初始的群体,通过进化策略算法来优化这些分割点,最终可得到一些最优的分割点,然后再求和,再根据和函数定义适应度函数,在给定的终止条件下,可获的精度较高的积分值.最后,以广义积分(无穷积分),二重广义积分(瑕积分)为例,仿真结果表明,该算法相比传统的一些方法,具有计算精度高,自适应性强等特点.     

电气设备维修实训平台的无损故障设置研究

电气设备维修实训平台主要是对装备维修保障人员电气设备知识的学习、操作技能和电气设备维修的训练而设计的,文中在分析工程装备故障特点的基础上,研究无损故障设置与排除方法,为电气设备维修实训平台提供了一种新的故障设置方法。     

变步长自适应萤火虫群多模态函数优化算法

针对萤火虫群优化（GSO）算法优化多模态函数存在收敛速度慢和求解精度不高等缺陷,提出一种变步长自适应萤火虫群优化算法（CSGSO）。该算法主要思想是在GSO算法中引入搜索成功与失败概念,在每次迭代中萤火虫个体据其搜索成功或失败,加大或减小其搜索步长,使算法具有动态自适应性。实验结果表明,该算法可有效地解决GSO算法优化多模态函数存在收敛速度慢和求解精度不高的问题,增强了GSO算法优化多模态函数的性能;与其他算法相比,提出的算法具有操作简单、容易理解、收敛速度快和求解精度高等优点。     

一种自适应步长布谷鸟搜索算法

针对布谷鸟搜索算法（CS）后期收敛速度慢、计算精度不高等不足,提出了一种自适应步长调整布谷鸟搜索算法,加快布谷鸟搜索算法的搜索速度,提高其计算精度。通过8个标准测试函数测试的结果表明,改进后的自适应步长布谷鸟搜索算法具有较快的收敛速度和较高的寻优精度。     

单纯形和人口迁移的混合全局优化算法

针对基本人口迁移算法具有易早熟和精度不高等缺陷,利用人口迁移算法随机产生的点采用单纯形法进行优化,提出了一种基于单纯形法和人口迁移算法的混合全局优化算法。通过典型的测试函数Shaffer,验证了改进后算法的性能,并与10种类型的粒子群优化算法进行比较,结果表明,该文算法能获得比较好的解,收敛成功率高达100%。     

基于粗糙集团的神经网络函数逼近理论

首先给出了神经网络函数在粗糙集意义下的下、上近似函数，从函数逼近的观点出发分析，得出对任一神经网络函数在粗糙集意义下，都可根据学习样本点维数找到两个关联的离散函数来逼近它，并且证明了在粗糙集意义下逼近的过程是可行的。该结论有助于理解粗糙集函数与神经网络函数之间的联系，为今后进一步研究在粗糙集意义下神经网网络函数整体逼近理论及学习算法的描述奠定了基础。     

基于Rough集的牛顿迭代法求方程近似解算法

Rough集理论作为一种新型的数学工具已广泛应用于各个领域。提出一种基于Rough集的牛顿迭代法求方程近似解算法，该算法将Rough理论中的下近似和上近似与牛顿迭代法有机地结合起来，寻找方程的近似解，其优点在于所求方程的根是一个精确的区间，该区间中任意实数都可作为所求方程的近似解，避免了一般方法求方程的近似解，把求得的近似数作为近似解，算法计算简单，易推广到其它的近似计算中，同时，有助于人们深刻理解Rough集理论本质。     

非线性权函数感知器的一种线性快速学习算法

高阶感知器是神经元状态变量的非线性化，它是一阶感知器的非线性推广，除了神经元状态变量的非线性化推广外，对权向量函数的非线性推广而得到的感知器，文中定义为具有非线性权向量函数的感知器，由于感知器的权重及作用函数都是非性函数，当感知器接近最优点时，其连接权调节幅度很小，采用对非线性权函数及非线性作用函数分别进行Taylor展开，并取其一式近似逼近原函数，从而使其非线性权函数及非线性作用函数都转化为线性函数，简化了感知器学习过程的计算量，加快了感知的学习过程。最后，给出了具有非线性权函数感知器的线性化学习算法。