磁性金属有机骨架材料FeMPC的制备及其吸附性能研究

首先采用水热合成法制备金属有机骨架材料MIL-101(Fe),然后通过煅烧MIL-101(Fe)制备磁性金属有机骨架材料FeMPC,并用于吸附染料废水中的亚甲基蓝。使用扫描电镜、透射电镜、红外光谱等对制备的材料进行表征,考察FeMPC用量、振荡时间、pH等因素对吸附性能的影响。实验结果表明:当FeMPC用量为25 mg、振荡时间为70 min、溶液pH为8时,FeMPC对亚甲基蓝的吸附效果较好,吸附量为15.24 mg/g,吸附率为84.69%,材料重复使用次数不超过5次时能保持一定的吸附效果;FeMPC对亚甲基蓝的等温吸附符合Langmuir模型,吸附过程符合准二级动力学模型,属于化学吸附。

基于小波支持向量机的模拟电路故障诊断

在模拟电路故障诊断中,提出了利用小波分析与支持向量机结合的系统方法,利用小波变换对信号进行特征提取得到特征向量并作为支持向量机的训练向量,得到故障分类器。针对激励信号必须能够充分地激励电路的需求,提出一种通用激励信号——连续多抽样函数,利用抽样函数在带通区间内频谱分布均匀且能量相同这一特点作为模拟电路的通用激励信号。仿真结果表明,该激励条件下,利用小波-支持向量机能够较好地对模拟电路进行故障诊断。

基于特征空间中类别可分性判据的特征选择

针对支持向量机首先要将数据通过一个非线性函数映射到高维特征空间,从而在特征空间中改变了数据的分布,因此在设计支持向量机分类器时有必要在特征空间进行特征选择,而非原空间。提出在特征空间中利用类别可分性判据进行特征选择,将类内类间距离引申到特征空间来计算可分性判据。通过仿真,该方法能够有效地在特征空间进行特征选择。

层次支持向量机在数字电路故障诊断中的应用

针对在数字电路故障诊断过程中存在的样本不平衡度严重的问题,采用层次式支持向量机实现对其故障诊断,通过考虑各类样本的数据量来构造以支持向量为叶节点的树,该方法可有效地解决样本不平衡所带来的问题,同时能够减少计算SVM分类器的个数,提高了训练和诊断速度及准确率。针对故障样本集不可能覆盖所有故障状态而出现的未知故障状态的问题,提出利用分类概率作为标准来判断样本是否为未知故障,实现了对未知故障的判定和对故障分类器的扩展。实验验证表明,本文提出的方法能够解决此类问题,取得较好的效果。

基于蚁群支持向量机的模拟电路故障诊断

针对人为选择支持向量机参数的随机性和盲目性,将蚁群算法的全局收敛和并行计算的特点引入到支持向量机参数的优化中,建立了基于蚁群算法优化支持向量机参数的模型,使两种算法的优点有机结合,通过对支持向量机的惩罚因子和核函数参数进行优化,使支持向量机分类效果达到最好,并与遗传支持向量机模型比较,结果表明:蚁群算法优化支持向量机参数的方法不仅能够提高支持向量机的分类正确率,而且算法循环时间比较少;最后对Elliptical Filter电路进行仿真,应用小波分析提取响应信号的能量作为故障特征并建立故障样本集,利用蚁群支持向量机模型实现了Elliptical Filter电路的故障诊断,分类正确率达到100%。

结合OCSVM的模拟电路故障诊断方法

基于支持向量机的传统模拟电路故障诊断方法对新故障无检测能力,且可扩展性较差。针对该问题,提出结合一类支持向量机(OCSVM)和多类支持向量机(MCSVM)的故障诊断方法。该方法采用OCSVM对故障数据进行检测和初步分类,采用MCSVM提高分类性能,以弥补OCSVM分类能力的不足。对OCSVM算法进行改进,以提高其检测和分类性能。通过模拟电路故障诊断实验验证OCSVM改进算法和联合故障诊断方法的有效性。

基于改进遗传算法的支持向量机参数优化

支持向量机是一种非常有前景的学习机器,但是,支持向量机参数的选取一直没有一套成熟的理论,这给支持向量机的应用带来了很大的不便。为此,本文提出了基于改进遗传算法的支持向量机的参数优化方法,利用遗传算法的全局搜索能力得到支持向量机的最优参数值。仿真实验结果表明,得到的参数可使支持向量机具有良好的泛化性能,此方法切实有效。

基于改进SVM-RFE的特征选择方法研究

SVM-RFE特征选择算法是一种有效的特征选择方法,具有较高的应用价值。针对传统SVM-RFE特征选择算法中SVM参数(γ和C)难以确定的问题,本文采用粒子群算法搜索SVM的参数。然后将特征向量映射到SVM参数γ确定的核空间中并进行特征选择,有效地将特征选择与SVM分类器设计关联起来。仿真结果表明,特征选择后的数据集仍能保证SVM分类器具有较高的分类正确率。

用于多类分类的层次式支持向量机

针对支持向量机存在的训练数据量大导致的训练时间过长和训练数据不平衡导致的分类结果会向训练数据多的类倾斜等问题，提出了适合于多类分类的层次式支持向量机。在训练过程中，首先折衷考虑各类之间的距离和各类的训练数据长度，据此将训练样本分为距离较远且其长度基本平衡的2类，然后逐层进行训练，最终形成二叉树分类结构。仿真实验证明，该方法能够有效地缩短训练和分类时间，且对多类分类中的数据不平衡问题有一定的效果。

柴油发电机组闭环辨识仿真研究

为进行柴油机模型的辨识试验,在分析柴油发电机组闭环可辨识性基础上,对6135柴油发电机组模型在闭环条件、以常规信号为激励情况下的最小二乘辨识方法进行了仿真研究.分析了辨识序列长度、噪声和激励信号对辨识结果的影响.仿真结果表明以常规信号作为激励的闭环辨识在现实试验中的可行性.

基于单目视觉的火炮身管指向静态测量

为解决自行高炮(SPAAG)火控系统精度测试过程中身管指向测量这一难点问题,提出了一种基于单目视觉的非接触直接测量方法。将棋盘状平面模板作为标志物固定到火炮身管上,使之位于相机视场范围内,测量身管在任一位置的高低角与方位角。首先利用Harris角点检测方法提取到角点坐标,进行相机成像模型的解算(相机标定),得到相机的内参。然后根据多点透视(PnP)问题解的稳定性,结合最小二乘拟合算法得到相应位置的外参矩阵。最终根据身管的运动模型以及标志物与之的相对位置解算出身管的两个指向角。仿真和实验均验证了该方法的可操作性和准确性。

面向预警监视任务的雷达组网智能化资源调度

针对当前预警监视任务中雷达组网资源调度方法难以与太空目标数量井喷式增长、太空武器多样化发展的趋势相适应,而资源调度具有场景复杂、计算量大、精度要求高等特点的问题,在对反导预警与空间目标监视2类任务中资源调度原则分析的基础上,引入层次分析法与人工智能算法对资源调度问题进行求解,在任务和雷达2个层面实现了面向预警监视任务的雷达组网智能化资源调度。在任务层面,基于层次分析法对任务优先级进行了划分,为面临多个任务冲突时的任务优先选取提供了解决途径;在雷达层面,通过构建2类任务场景下的资源调度模型,在模拟退火算法和粒子群算法的基础上进行改进,提出了面向目标分配排序作业的模拟退火混合离散粒子群算法,对资源调度方案优化中的计算时间、资源节省率、算法合格率等3个指标进行了提升,有效提高了预警监视任务中雷达组网的探测效能。

基于ARM9的轴角测量系统设计

为了准确获得轴角的信息量,设计了以高速32位ARM9微处理器S3C2440A为核心的轴角测量系统;系统以自整角机作为传感元件,通过ARM9自带的A/D转换器,实现了轴角信息的采集和模数转换;软件平台采用Windows CE嵌入式操作系统,利用EVC完成了应用程序的开发,并给出了软件流程图;在分析其误差来源的基础上可知,测量误差可控制在±1mil,系统精度完全满足设计需求;该设计体积小巧、接口灵活且可扩展性强。

基于改进遗传算法的支持向量机特征选择

针对支持向量机在分类过程中的特征选择问题,提出了一种改进的遗传算法。在演化进程中运用Meteopolis准则通过合理选群来防止进化陷入局部极值区域。最后针对UCI数据库中的数据,通过将该算法与其他几种方法进行了比较,证明了本文算法具有较优的特征选择效果,并已成功应用在基于支持向量机的数字电路板故障诊断中。

基于ARM9的轴角测量系统设计

介绍了轴角测量系统的原理,设计采用了高速32位ARM9微处理器S3C2440A为核心,以自整角机作为传感元件,通过ARM9自带的A/D转换器,实现了轴角信息的采集和模数转换;软件平台采用Windows CE嵌入式操作系统,利用EVC完成了应用程序的开发,并给出了软件流程图;在分析其误差来源的基础上可知,测量误差可控制在±1mil,系统精度完全满足设计需求;该设计体积小巧、接口灵活,可扩展性强。

基于SVR的火控机解算性能测试

针对火控机解算性能的测试问题,提出使用支持向量机回归模型来拟合射击诸元曲线。通过使其与火控机解算出的实际射击诸元进行互相关计算来统一时序关系,以便于比对误差,从而检测火控机解算的正确性。为了验证该拟合方法的可行性,对支持向量机回归的拟合过程进行了计算机仿真,并与用人工神经网络等方法拟合的效果进行了比较。

MIL-101(Fe)光催化材料的制备及性能研究

利用溶剂热法制备了MIL-101(Fe)材料,通过扫描电镜表征了材料的形貌。采用光催化实验,以亚甲基蓝作为指示剂,探究了亚甲基蓝浓度,催化剂用量和时间三个因素对材料的降解率的影响,分析了以MIL-101(Fe)进行光催化降解的最佳条件,并在暗室和紫外光照环境下进行了空白试验和对照实验。结果表明,制备的材料拥有金属介空结构的微观结构和特殊形貌,形成了多级结构。在6 mg/L的亚甲基蓝溶液中,当MIL-101(Fe)用量为1 g/L,降解时间为210 min时,降解率可达最大值92.5%。空白试验和对照实验结果表明,亚甲基蓝溶液的自降解率为7.025%,MIL-101(Fe)对亚甲基蓝的吸附率为34.1%,即MIL-101(Fe)的实际光催化效率为51.375%。该结果表明MIL-101(Fe)具有较好的光催化性能,其在有机污染物的降解等环境保护方面有着极大的应用潜力。

磁性金属有机骨架材料Fe3O4@ZIF-7的制备及其吸附性能的研究

对染料的吸附一直都是人们研究、关注的热点。通过水热合成法制备Fe3O4@ZIF-7复合材料,使之作为吸附剂对孔雀石绿溶液进行吸附。通过紫外可见分光光度计测定,以吸附量为评价指标,考察了其对孔雀石绿的吸附能力。采用扫描电镜和能谱分析等手段对Fe3O4@ZIF-7材料进行了表征,确定合成材料为质地均匀、表面多孔的磁性纳米材料。结果表明:当振荡时间是90 min,pH为3,吸附剂用量为4 mg时,Fe3O4@ZIF-7材料对孔雀石绿溶液的吸附效果最好,表明其对该溶液有良好的吸附效果。

磁性金属有机骨架材料Fe_(3)O_(4)/IRMOF-3的制备及其吸附性能的研究

采用水热合成法制备Fe_(3)O_(4)/IRMOF-3复合材料,以其为吸附剂对亚甲基蓝溶液进行吸附。采用紫外可见分光光度计测定吸光度并计算吸附量,以其作为评价指标,考察合成材料对亚甲基蓝的吸附能力;采用扫描电镜(SEM)和能谱分析(EDS)等手段对Fe_(3)O_(4)/IRMOF-3材料进行表征。结果表明,合成材料为质地均匀、表面多孔的磁性纳米材料;当振荡时长为50min、pH值为6、吸附剂用量为6mg、亚甲基蓝溶液浓度为6mg/L时,吸附效果最佳,饱和吸附量达到42.93mg/g;Fe_(3)O_(4)/IRMOF-3纳米复合材料对亚甲基蓝具有良好的吸附效果。

基于计算量的航迹融合算法性能分析方法

针对航迹融合算法的性能分析,一般只考虑融合误差而无法全面评价融合算法的问题,提出了一种基于计算量的航迹融合算法性能分析方法。该方法通过采用以浮点操作数为单位的方法统计算法主要步骤的计算量进行计算量理论分析,通过计算机仿真进行误差仿真分析,最后通过综合评估模型实现对融合算法的全面评价。仿真实验结果表明,算法运行时间比值在一定误差范围内验证了计算量理论分析的正确性,新的性能分析方法可以有效地评价融合算法性能,为融合算法的性能分析提供参考。