机械零部件动态可靠性稳健优化设计的群智能算法

在运用随机过程和顺序统计原理建立载荷和强度随时间变化的动态可靠性模型基础上,利用稳健设计理论,建立了机械零部件动态可靠性稳健优化设计的多目标优化模型。针对该多目标模型所具有的动态高维的特点,提出了基于灰色关联分析的多粒子群协同动态多目标优化算法。以钢板弹簧结构为例,给出了动态环境下随时间变化的最优解集,为机械零部件的动态可靠性稳健优化设计提供了理论依据。

机械结构动态可靠性设计的智能计算方法

针对多失效模式下机械部件动态可靠性设计问题,提出了一种Monte Carlo-时变极端学习机模型,利用该模型得到了随时间变化的载荷、强度、弹性模量、设计参数等与可靠度的显性函数表示。在此基础上建立了机械部件动态可靠性优化设计模型,并利用所提出的动态粒子群算法对模型进行求解。实验结果表明,该方法能提供整个服役期内满足可靠度要求的所有设计参数,为机械部件动态可靠性优化设计提供了一种行之有效的途径。

求解多目标优化问题的灰色粒子群算法

鉴于基本粒子群算法无法解决高维多目标优化问题,提出了一种适合求解高维多目标优化问题的灰色粒子群算法(GPSO),该算法根据灰色关联能够很好地分析目标矢量之间的接近程度,并能掌握解空间全貌的特点,利用灰色关联度的大小来选取粒子群算法中的全局极值和个体极值。实验结果证明,该算法可行而有效,同时也拓展了粒子群算法的应用领域。

基于小波神经网络的变参数振动钻削仿真

为了改变因寻找最优振动参数和切削参数而需要在实验中大幅度频繁地改变参数的状况,利用小波函数对一维信号逼近能力较强的特点,提出了一种适用于变参数振动钻削加工过程仿真的小波神经网络模型, 并运用灰色理论中的关联分析法对小波神经网络输入权值进行选取。理论分析和实验表明:应用该仿真模型,能在振动钻削过程的不同区段寻找最优的振动参数和切削参数。

基于模糊的多目标粒子群优化算法及应用

粒子群优化算法的思想来源于人工生命和进化计算理论,由于其容易理解、易于实现,在很多领域得到了应用。由于传统的粒子群优化算法无法对多目标优化问题进行求解,因此文中利用模糊理论中的隶属度函数和给定的最优解评估选取原则,提出了一种适合求解约束型多目标优化问题的模糊粒子群算法(FPSO)。模糊粒子群算法很好地解决了汽车零部件可靠性稳健优化设计的求解问题,仿真结果证明,该算法可行而有效,同时也拓展了粒子群算法的应用领域。

基于灰色关联分析的小波神经网络及应用

运用灰色理论中的关联分析法对小波神经网络输入权值进行选取,拓展了小波神经网络的应用范围,通过理论分析和变参数振动钻削过程的预测实验表明,该方法是可行的,这为叠层材料振动钻削研究提供了新的方法。

基于支持向量机和粒子群算法的结构损伤识别

为了有效地进行结构的损伤识别,提出了一种基于支持向量机和粒子群算法的结构损伤识别方法。首先利用支持向量机为损伤裂缝指标、损伤位置与各阶频率和一阶振型建立函数关系,然后将利用该函数关系得到的频率和振型与实测频率和振型间的差异作为优化目标,进而实现结构的损伤识别。为提高损伤识别的精度,将优化目标转化为多目标优化问题,并利用所提出的灰色粒子群算法进行求解。实验结果表明,该方法在结构损伤识别中具有较好的效果。

神经网络集成在结构损伤识别中的应用

将神经网络集成引入到结构损伤识别领域中,并利用灰色聚类技术对获得的全部个体神经网络模型进行聚类,将得到的差异较大的部分神经网络进行集成,以提高神经网络间的差异性和增强网络的泛化能力。损伤识别实验结果表明,基于灰色聚类的神经网络集成方法不仅可行,而且其损伤识别效果优于传统的神经网络模型。

车辆钢板弹簧的多目标可靠性稳健优化设计

为提高车辆钢板弹簧的安全性和稳健性,运用可靠性稳健优化设计理论和多目标思想,为车辆钢板弹簧建立一个可靠性稳健优化设计的高维多目标模型。为提高模型的求解精度,利用层次分析法选取粒子群算法中的全局极值和个体极值,提出了基于层次分析法的多目标粒子群算法。与传统方法相比,利用该算法进行可靠性稳健优化设计高维多目标模型求解,简便易行并能迅速准确地得到车辆钢板弹簧的可靠性稳健优化设计信息。

钢筋混凝土简支梁的多目标可靠性稳健优化设计

为提高钢筋混凝土简支梁的可靠性和稳健性,运用可靠性和稳健优化设计的理论,建立了适合可靠性稳健优化设计的多目标模型。针对可靠性稳健优化设计的多目标模型多属于高维多目标优化问题,把灰色理论中的关联分析引入粒子群优化算法中,根据灰色关联能够很好地分析目标矢量之间的接近程度,并能掌握解空间全貌的特点,提出了适合高维多目标优化问题求解的灰色粒子群算法。与传统方法相比,该方法更能迅速准确地得到钢筋混凝土简支梁的可靠性稳健优化设计信息。

教育大数据下基于离群检测的教学预警模型

针对在线教学过程中教学方案缺乏针对性、教学效果评估和反馈缺乏时效性的问题,在量化数据与相似度排序的基础上提出基于学习过程和学习成绩的分析算法,通过规则检测与离群检测建立了交互式教学系统中的预警模型,实现了基于学习行为分析的自动干预和主动干预。预警信息可视化结果表明,参与交互的各方均能够直观、高效地获取预警信息,对学习效果和学习成功率的提升起到了促进作用。

高校计算机公共课的教学改革探索

在阐述高等院校计算机公共课改革难度的前提下,以改变学生的认识为基点,提出进行教学内容、教学方法、学习评价方式的改革。

面向对象语言中方法的动态结合的实现

本文给出了面向对象语言中类和方法名快速动态结合的一种方法 ,同时给出了利用

关系数据库中数据子语言的优化

本文介绍了关系数据中的数据子语言与关系代数之间联系，并提出了利用关系代数的知识来优化数据子语言，以提高数据子语言的执行效率。

基于数据流分析的表达式优化

本文通过对编译程序生成的中间代码或目标代码进行数据流分析后 ,建立数据流方程并使用适合的算法求出方程的解 ,通过所求出的解对代码进行优化。

基于颜色特征的火焰检测新算法

针对当前计算机视觉火焰检测算法无法实现高准确率和低误报率的问题,提出了一种基于颜色模型的候选火焰图像元素分类算法。该算法首先对RGB模型各通道求均值获得新的图像样本,再利用YCbCr颜色空间建立火焰图像元素分类模型,通过设计YCbCr颜色模型新规则来减少由于图像亮度发生变化而产生的干扰,火焰像素检测率得到显著提高,能够较为准确地识别火焰,有较高的实用价值。

基于灰色粒子群算法的可靠性稳健优化设计

为提高车辆零部件的安全性和稳健性,应用可靠性稳健优化设计理论和多目标决策方法,将车辆前轴的可靠性稳健优化设计转化为多目标优化问题。运用灰色理论中的关联分析法,选取粒子群算法中的全局极值和个体极值,提出了适合可靠性稳健优化设计中多目标模型求解的灰色粒子群算法。与传统方法相比,该方法更能迅速准确地得到车辆前轴的可靠性稳健优化设计信息。

动态多目标优化的运动物体图像分割

对小区背景下运动物体图像进行分割时多使用单目标或多目标优化方法,这类方法不能有效适应目标的动态变化,因此本文提出一种动态多目标图像分割优化方法。该方法将时间及环境动态因素作为动态因子,利用K均值(KMeans)算法和和模糊C均值(FCM)聚类算法构造多目标函数;结合动态多目标粒子群算法(DMPSO),使用背景差分法定义环境变化规则,实现动态多目标的图像分割。根据DMPSO算法优化后的聚类结果,分别与K-Means和FCM聚类方法得到的结果进行了对比。结果表明,动态多目标优化的Pareto最优解集分布均匀,图像分割准确率可达到95%,对图像识别的准确率可达到90%,具有较高的识别能力,能满足确定背景下运动物体的准确识别。

叠层材料变参数振动钻削模型与实验研究

简述了叠层材料的特点及其应用，分析了叠层材料的结构特点，提出了接合区和泛接合区的概念。在此基础上建立了叠层材料变参数振动钻削的加工模型，给出了３层叠层材料５区段变参数振动钻削加工方案。多种叠层材料的加工实验表明，采用变参数振动钻削工艺可明显改善加工指标，是合理有效的工艺方法。

基于改进HOG特征提取的车型识别算法

本文针对高速环境下的车型识别问题,提出基于方向可控滤波器的改进HOG算法。将方向可控滤波器算法与HOG算法相结合,以实现对车辆图像特征提取。采用主成分分析算法(PCA)约减特征向量维数以减少计算复杂度,利用支持向量机算法对提取特征进行样本训练,实现对车辆外型特征的识别。仿真实验结果表明:采用该算法原始车辆车型的识别正确率均值达到92.36%;另外,本文方法的识别速度比传统的HOG特征算法提高了3.45%,识别实时性得到提升。本文算法比传统HOG算法更优,能有效提高车型识别的效率。