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。     

基于PSO-SVR算法的氧乐果合成过程建模研究

针对氧乐果合成过程中温度控制具有参数时变、时滞后、非线性的特点,提出了一种基于改进粒子群算法的支持向量回归的建模方法。对于支持向量回归模型,3个参数(ε,C,γ)的选取很大程度上决定了其拟合的精度和泛化能力的好坏,采用改进的粒子群算法对参数(ε,C,γ)进行同时寻优,建立了改进的氧乐果合成过程PSO-SVR回归模型,该模型具有很好的学习能力和推广能力。实验结果表明,模型较好地体现了系统的动态特性,可用于氧乐果合成过程的模型预估控制,提高系统的控制品质。     

基于GA-BP的移动通信设备故障诊断

针对通信设备故障发生随机性强,影响因素多,对应的故障诊断有高度非线性和不确定性的特点,采用BP神经网络算法,优化的GA-BP神经网络算法和POS-BP神经网络算法分别搭建基站设备故障诊断模型,提取设备故障历史数据进行MATLAB仿真,准确预测设备故障类型,帮助提高代维公司调度管理的智能化水平,提高基站设备运维的执行效率。仿真结果表明：本文的BP,GA-BP和POS-BP神经网络算法都能够实现设备故障类别的预测,且GA-BP神经网络算法相比BP和POS-BP神经网络算法对通信设备故障诊断有更好的适应性。     

APU故障智能诊断系统设计

针对高旋环境下测试困难、测量精度低这一问题,提出了一种能在高旋环境下实现轴向减速装置,以达到稳定的良好的测试环境。该装置通过驱动仓内大量程陀螺仪测得的转速反馈给控制系统,控制系统输出控制信号来控制伺服电机,同时电机捷联内筒仓,使其相对外部转动方向反向旋转,实现轴向减速。实验结果表明,该装置可在高旋弹药飞行过程中提供稳定测试环境,从而得到更精准的姿态解算结果,为高旋环境下的测试提供了新的思路,具有广阔的应用前景。     

基于改进DPSO算法的并行测试任务优化调度研究

并行测试以减少测试时间和降低测试成本的强大优势,已成为当前自动测试系统发展的方向。针对并行自动测试过程中,测试任务调度复杂,难以优化的问题,以PSO算法为基础,通过对问题空间编码的重新定义,并运用交叉、变异算子给出了新的粒子位置的更新公式,提出了一种改进后的DPSO算法。依据并行测试完成时间极限定理,给出了并行测试任务调度的目标函数与约束条件。以某雷达电子装备并行测试系统中三块电路板并行测试为例,对改进的DPSO算法进行了仿真验证,得到了最优调度测试序列。结果表明：与遗传算法相比,改进后的DPSO算法迭代次数更少,寻优性能更好,适用于工程应用。     

钙钛矿锰氧化物(La1-xGdx)4/3Sr5/3Mn2O7 (x=0, 0.025) 磁性和输运性质研究

采用传统的高温固相烧结法制备了双层钙钛矿锰氧化物(La_1-xGd_x)_4/3Sr_5/3Mn₂ O₇ (x=0, 0.025)多晶样品. 通过X射线衍射仪研究发现样品为Sr₃Ti₂O₇型四方结构, 空间群为I4/mmm; 磁性测量表明, Gd³⁺掺杂后的样品(La_0.975Gd_0.025)_4/3Sr_5/3Mn₂O₇的三维磁有序转变温度(T_C1^3D)、磁化强度(M)均降低, 这是由于Gd³⁺的掺杂引起晶格的畸变, 从而使得晶格常数发生改变, 减弱了铁磁耦合而导致的; 通过电子自旋共振谱测量发现, 在T_C^3D<T<300 K温度范围内, 两样品在顺磁的基体上均有短程的铁磁团簇存在, 出现了相分离现象. 电性测量表明: 两样品分别在T_C1^3D (La_4/3Sr_5/3Mn₂O₇ 样品的三维磁有序转变温度, T_C0^3D)<T<300 K温度范围内均以三维变程跳跃的方式导电, 分析得出Gd³⁺的掺杂使得载流子局域长度的减小. 这表明载流子需要吸收更多的能量才能克服晶格的束缚进行跳跃, 因此(La_0.975Gd_0.025)_4/3Sr_5/3Mn₂ O₇ 样品的电阻较高.