连接螺钉拧紧力矩对发动机临界转速的影响

本文使用实验和计算研究分析了某微型涡轮发动机轴和涡轮盘结合处螺钉的拧紧力矩对临界转速的影响．导出了该机的关系式和图线，以便判断使用寿命期间的可靠性，合理制定该机的维修规范     

建筑结构最优阻尼及最优配置研究

利用阻尼来抗震是建筑物最简单的抗震方法,当在阻尼数目少于楼层数时,为使所布置的阻尼达到最优的抗震效果,本文开发了两种最优阻尼配置方法。第一种方法是根据临界激励法确定计算所有可能布置位置中的临界阻尼,选择最小的临界阻尼位置作为最优配置。第二种方法则是根据给定阻尼,计算最优控制效果以确定最优阻尼配置。然后根据实代码遗传算法,在结构抗震效果基本保证的前提下,寻找最优阻尼以降低结构总的阻尼增量。最后给出了一个计算实例。     

坡面流及土壤侵蚀动力学（II）——————土壤侵蚀

介绍了坡面土壤侵蚀的基本特征和主要类型, 综述了坡面土壤侵蚀动力学过程和预报模型等方面的研究进展, 包括土壤表层结皮、雨滴溅蚀、片流侵蚀、细沟侵蚀、坡面流输沙、土壤侵蚀界限坡度, 以及土壤侵蚀预报模型等. 并简要讨论了土壤侵蚀动力学研究的发展趋势.     

弹塑性梁在轴向应力波下的动态屈曲

本文考虑轴向应力波效应，利用分叉理论研究各种支承半无限长弹塑性梁的动态屈曲问题。在轴向阶梯载荷和脉冲载荷冲击下得到了梁的临界屈曲载荷及初始屈曲模态。其结果与实验现象相一致。同时也为研究结构动态屈曲问题提供了有效途径。     

SL(3,3~n)和SU(3,3~n)的第一Cartan不变量

确定Cartan不变量是代数群与相关的李型有限群的模表示理论中的一个重要方面.作者利用代数群模表示理论中的一系列结果,计算了3~n个元素的有限域上特殊线性群SL(3,3~n)和特殊酉群SU(3,3~n)的第一Cartan不变量,得到如下结论:当G=SL(3,3~n)时,C_(00)~((n))=a~n+b~n+6~n-2·8~n;而当G=SU(3,3~n)时,C_(00)~((n))=a~n+b~n+6~n-2·8~n+2·(1+(-1)~n),其中a,b是多项式x~2-20x+48的两个根.另外,作者也得到了射影不可分解模U_n(0,0)的维数公式:dim U_n(0,0)=(12~n-6~n+∈)·3~(3n),其中,当G=SL(3,3~n)时,∈=1;而当G=SU(3,3~n)时,∈=-1.     

广东省能源需求预测模型构建及实证分析

为了对广东省的能源需求进行准确的预测,首先分析了影响广东省能源需求的各种因素,构建了预测指标体系.在此基础上,针对能源系统非线性等复杂系统特征,结合粒子群算法和BP神经网络的优点,构建了改进的PSO-BP神经网络的预测模型,并通过主成分分析法对指标体系进行数据降维,以降低神经网络的规模和复杂程度.以广东省1985-2013年的能源需求数据进行模拟与仿真,并对2014-2018年的能源需求量进行预测,理论分析和实证研究表明,该方法能够很好的反映广东省能源需求的特征,预测结果较为准确合理.     

有限$p$群非正规子群的正规闭包

本文分类了$G/H^G$循环的有限$p$群$G$, 其中$H$为$G$的任意极小非正规子群, $H^G$ 为$H$在$G$中的正规闭包.     

糖厂澄清工段生产指标建模及操作参数优化

针对亚法糖厂澄清工段清汁色值和清汁残硫量难以在线测量的问题,提出了一种基于人工蜂群优化的在线极限学习机软测量方法。先用核主元分析法确定影响清汁质量的关键参数,建立基于在线极限学习机的软测量模型。同时利用人工蜂群算法对在线极限学习机的隐层参数进行寻优,优化所建模型。最后,使用带约束的粒子群对软测量模型进行优化求解,得到典型工况下的最优操作设定值,为后续工况操作提供参考依据。仿真结果表明,基于人工蜂群优化的在线极限学习机模型能够准确地预测清汁色值和残硫量,同时基于此模型优化的操作参数设定值能够达到期望的指标。     

二冷配水优化建模与混合自适应PSO算法求解

针对连铸二冷区生产环境复杂且存在着大量水雾干扰的情况,建立了连铸水量优化模型并提出了一种混合的自适应粒子群算法来求解连铸二冷水优化问题。依据冶金过程中的工艺要求建立了二冷水量优化模型,并在经典的PSO算法基础上提出了适合该问题求解了混合自适应PSO算法。由于连铸过程存在着偏微分方程约束,传统的优化方法容易陷入局部最优解,不能达到很好的动态优化效果。研究了粒子群算法,基于种群的多样性,不断的自适应的更新粒子群算法中参数,将禁忌搜索的方法和传统的粒子群算法结合,增强了算法的局部搜索能力和全局寻找全局最优的能力。将该算法应用到连铸二冷水动态优化中,实验结果表面该算法能够快速有效的求解该优化问题。该方法用于连铸二冷水优化是可行的、有效的。     

纯电动汽车磷酸铁锂电池组的建模及优化

鉴于传统神经网络和支持向量机机理复杂、计算量大的缺陷,很难实时跟踪磷酸铁锂电池组复杂快速的内部反应,影响电池荷电状态的估算精度,提出应用一种简单、有效的极限学习机对一额定容量为100Ah、额定电压为72V的纯电动汽车磷酸铁锂电池组建模,并分别与BP神经网络、RBF神经网络、支持向量机进行对比。随后,以学习时间和泛化性能为优化目标,应用粒子群方法寻找最佳隐层节点个数。结果表明,基于极限学习机的磷酸铁锂电池组模型的学习时间、泛化性能优于BP神经网络、RBF神经网络、支持向量机;隐层节点优化后,模型的学习时间和泛化性能达到最优。