基于椭圆基神经网络模型的排汽缸优化设计

本文以最优拉丁超立方试验设计方法构建样本库,采用椭圆基神经网络构建近似模型,结合多岛遗传算法搭建全自动优化设计系统。以排汽缸静压恢复系数最大化作为优化目标,采用此系统对某型号汽轮机机组排汽缸导流环型线进行气动优化设计。结果表明:各设计变量中导流环起始角度对排汽缸性能影响最显著。优化后排汽缸扩压器、排汽蜗壳性能均有改善,排汽缸静压恢复系数提高7.91%,总压损失系数下降5.98%。在其他运行工况,优化结构性能仍优于原型,且在THA工况下性能改善显著,排汽缸静压恢复系数提高13.45%,总压损失系数下降10.44%,表明该优化系统对汽轮机低压排汽缸气动设计有效可行。

一种边界总和最大化的车牌汉字特征融合

提出一种边界总和最大化的车牌汉字特征融合算法,根据高维数据低维投影趋于正态分布的特点,将Pseudo-Zernike矩特征和Gabor特征串联后形成的高维特征投影到低维空间,利用类别均值和方差构造分类边界总和,最大化边界总和,得到最佳投影向量,构成投影矩阵,对原串联特征投影后得到一组新特征,作为椭圆基概率神经网络分类器的输入。实验表明,新特征同时具备全局表征能力和细节刻画能力,去除了数据冗余,在提高分类准确率的同时有效降低了分类器规模,椭圆基概率神经网络构造简便,具有与SVM相当的分类准确率。