新型磷系阻燃剂对真丝的微波接枝

采用三氯氧磷﹑甲基丙烯酸羟乙酯和甲醇为原料合成了一种新型磷系阻燃剂,通过微波辐照的方法对真丝进行阻燃改性,改性最佳工艺为阻燃剂浓度100%(对织物重),KPS(对溶液重)5%,pH值3,浴比1∶60,33%微波,辐照5min。

一种新型磷系阻燃剂的合成

以甲基丙烯酸羟乙酯(1),三氯氧磷(2)和甲醇为原料,合成了一种新型磷系阻燃剂——甲基丙烯酰氧乙基二甲基磷酸酯(3),其结构经1HNMR和IR表征。合成3的较适宜反应条件为:10.5 mol,n(1)∶n(2)=1.0∶1.3,于0℃反应6 h。

基于小波消噪和优化支持向量机的板形模式识别

提高板形模式识别的精度利于得到高精度的控制效果。针对实测的板形信号中混有噪声信号的问题,利用双变量阈值小波去噪,克服了软硬阈值函数在处理小波系数方面存在的缺点,使得去噪的效果更好。将去噪后的板形信号离散化,作为支持向量机的学习样本,建立识别模型。引入布谷鸟算法优化支持向量机的参数。仿真结果表明,相比于粒子群和遗传算法,布谷鸟优化算法所需匹配的参数少,而获得的最优解更好。

改进蝙蝠算法在光伏阵列存在局部阴影时的应用

在光伏发电系统中,经常存在电池板局部被遮挡的情况,造成电池板出现多峰极值的现象。传统的最大功率点(MPPT)搜索方法常常会陷入局部极值,从而错过或丢失系统的全局最大功率点,甚至产生振荡导致系统输出不稳定。提出一种改进的蝙蝠算法(IBA),并应用到太阳能阵列存在局部阴影条件下的最大功率点寻优控制中。通过混沌初始化,对群体的初始位置进行更新,增加种群的均匀性和遍历性;引入自适应惯性权重,使算法在优化前期具有较强的全局搜索能力,后期有较强的局部收缩能力,同时引入Levy飞行来产生跳跃速度,跳出局部极值;引入动态收缩区间,有效地减小算法的搜索范围。以上改进,避免了种群受到局部极值的影响而过早收敛。光伏发电系统的仿真表明:在其受到局部遮挡而出现多峰极值的情况下,改进的蝙蝠算法能够快速找到全局最优点,并且精度高。

基于改进蚁狮优化算法的太阳电池模型参数辨识

提出一种改进蚁狮优化算法,引入混沌序列进行初始值的分配,增强种群的均匀性和遍历性;在个体更新部分引入粒子群算法的思想,分别以当前的最优个体与全局最优个体为目标进行计算,同时提高算法的局部和全局搜索能力;参考当前最优个体位移进行动态空间收缩,可有效减小个体的搜索范围,缩短寻优时间。与粒子群算法、蝙蝠和原蚁狮算法进行仿真对比并应用到太阳电池模型参数辨识中,验证其有效性。

基于优化终端滑模模糊神经网络的板形模式识别

针对板形模式识别问题,将板形信号离散化、归一化,作为终端滑模模糊神经网络的学习样本,建立识别模型。在模糊神经网络的基础上,利用终端滑模权值调整律代替梯度下降法的权值调整律,提高网络的精度。为了进一步提高识别的精度以及收敛速度,引入布谷鸟算法优化模糊神经网络的模型参数。仿真结果表明,提出的识别模型对训练样本和未训练样本的平均最小方差分别为0.000 5和0.011 0,比模糊神经网络(FNN)和径向基神经网络(RBF)的值都小。对某冷轧厂宽度1 040 mm带材的一组实测板形数据识别结果表明,相比于FNN和RBF网络,CS-TSMFNN的识别效果更好。

改进鸡群算法在光伏系统MPPT中的应用

鸡群算法本身存在高维度运算,易出现偏差,对其改进并应用到光伏系统的最大功率点跟踪(MPPT)控制中。引入混沌序列方法进行初始值的分配,可增强种群的均匀性和遍历性;引入自适应惯性权重改善母鸡个体部分寻优策略,可加快算法的全局搜索速度并改善局部搜索能力;将小鸡个体的跟随系数改进为随机量,可增加较差个体的随机性,避免算法因早熟收敛而陷入局部极值;上述改进既可增强算法的搜索速度和寻优精度,也利于避免早熟现象的发生,进一步增强算法的寻优效率。与其他应用算法比较及在光伏系统最大功率点跟踪中的应用,验证其有效性。