再燃风射流穿透性能的粒子动态分析试验研究

在主燃区过量空气系数α=0.9,针对不同的二次风摆角和停运不同的一次风,利用PDA测试系统对冷态模化的炉膛再燃区域气固两相流场的速度和粒子粒径进行了6种工况的测量,研究了不同工况下再燃喷口射流在炉膛中的穿透性能。试验表明增大二次风的摆角使得再燃射流在炉膛中的穿透性能明显减弱,停用不同一次风对再燃风的射流的影响相对较小,速度衰减规律与之相反。各工况在xy、zx平面气流混和特性基本一致,气流法向yz平面气流混和特性差异较大。

粒子动态分析仪（PDA）测量湍流场时散射粒子的选择

应用激光技术测量流场时需要合适的散射粒子。本文研究了激光三维粒子动态分析仪测量湍流流场时，如何选择合适散射粒子的问题。实验结果表明，散射粒子的合理选择是保证测量精度的重要措施之一。在测量强脉冲湍流场时，应选用密度小，直径小且折射率大的粒子作为散射粒子。选择合适的粒子播散浓度。

利用激光量测技术和粒子动态分析技术研究旋流器内两相流

采用先进的激光量测技术和粒子动态分析仪，对旋流器内两相流进行直接测量和粒子动态分析，得出了水力旋流器内两相流中固体粒子的粒度分布规律和粒子运动规律。并在实验的基础上，采用数学处理方法拟合出固粒沿旋流器轴向运动的数学模型。

应用三维粒子动态分析仪测量三分支联接流场

应用三维粒子动态分析仪 (3D PDA)测得了矩形截面三分支联接的三维速度分布。在测量中 ,经过理论分析与对比试验 ,选择了蚊香烟雾作为散射粒子。实验结果表明 ,在只有支管进气的情况下 ,在总管的封闭端和支管下游总管壁面处产生了回流 ;以及气流从支管进入总管后由于截面扩张在总管横截面上所诱发的二次流 ,并且二次流现象只发生在支管下游附近的总管横截面上。

基于优化粒计算下微粒子动态搜索的K-medoids聚类算法

K-medoids算法具有对初始聚类中心敏感,聚类准确度不高及时间复杂度大的缺点。基于此,文中提出一种优化的K-medoids算法;该算法在已有的粒计算初始化基础上进行了改进,以对象之间的相似性作为判断依据,结合最大最小法初始化聚类中心,能有效地获取最佳或近似最佳的聚类中心;在优化的粒计算前提下,提出了基于微粒子动态搜索策略,以初始中心点作为基点,粒子内所有对象到其中心的平均距离为半径,形成一个微粒子;在微粒子内部,采用离中心点先近后远的原则进行搜索,能有效地缩小搜索范围,提高聚类准确率。实验结果表明:在UCI多个标准数据集中测试,且与其他改进的K-medoids算法比较分析,该算法在有效缩短收敛时间的同时保证了算法聚类准确率。

柴油-甲缩醛混合燃料喷雾的粒子动态分析研究

为研究代用燃料甲缩醛的喷雾机理,采用基于相位多普勒原理的粒子动态分析仪(PDA) ,研究了不同百分比的柴油-甲缩醛混合燃料喷雾的粒度场、速度场。试验结果表明,柴油添加甲缩醛后,雾化得到改善,喷雾轴线上的粒子轴向速度提高,但三者径向速度相差不大。

钝体稳燃器回流区的湍流结构与粒子动态特性

应用粒子动态分析仪进行钝体稳燃器回流区湍流结构和粒子动态特性的测量。试验提供了不同粒径粒子在流场中的分布及其与速度场的关联特性，以及三维稳燃流场的湍流特征。试验结果表明，在高湍流度、流动方向急剧变化和有粒子掺混情况下，粒子动态分析仪三维激光测量系统有热线风速仪或其它传统的湍流测量仪器不可比拟的优越性。

基于自适应动态粒子群优化的RAK-SVD方法

K均值奇异值分解(K-SVD)算法是一种行之有效的地震资料去噪方法,但由于其稀疏分解存在不确定性,需要引入正则项对其改进。为此,在常规粒子群算法的基础上,提出了一种自适应动态粒子群算法优化正则化参数的正则化近似K-SVD(RAK-SVD)去噪方法。首先通过修改字典原子和相关参数,解决了由于常规粒子群算法的惯性参数固定不变,导致后期搜索效率下降的问题;其次将正则化系数引入近似K-SVD(AK-SVD)方法,明显提升了去噪效果;最后利用自适应动态粒子群算法自动优选AK-SVD方法中的正则化参数,提高了稀疏分解的确定性,在对强反射信号进行去噪的同时加强了对弱信号的保护。模型测试和实际应用均表明,该方法有利于弱信号的提取和识别,不仅能够显著改善弱地震信号的去噪效果,还提升了计算效率。该方法具有一定的实际应用价值。

基于遗传粒子群动态聚类算法的物流柔性分拣系统品规分配

目的针对目前烟草物流配送中心条烟分拣量大,不同条烟品规的分配对订单的总处理时间影响较大的问题,研究平衡各个分拣区品规的分配,提高分拣效率。方法建立以各分区品规相似系数和最小为目标函数的数学模型,并采用改进的遗传粒子群动态聚类(GAPSO-K)算法进行求解。首先,结合各品规分拣量对品规相似系数进行改进,并将其作为适应度函数;然后在粒子群算法中对惯性权重因子进行改进,使其值可以进行自适应改变;最后,在粒子群动态聚类算法中引入遗传算法中的交叉变异扩大解的搜索范围,基于Matlab对文中的其他算法进行求解对比,求得结果在EM-plant中进行仿真验证。结果结合某烟草物流配送中心数据仿真验证,利用GAPSO-K算法处理订单的时间为234.5 s,较传统时间大幅度较少,有效提升了柔性物流分拣效率。结论采用该算法可充分发挥2种算法的优良性,具有更好的收敛性及寻优性,为柔性物流品规分配提供了新思路。

基于动态粒子群优化的X结构Steiner最小树算法

Steiner最小树(SMT)是总体布线的最佳连接模型,其构造是1个NP-难问题。粒子群优化(PSO)算法在解决NP-难问题中具有良好的表现,而PSO算法中种群的拓扑结构及搜索信息的传递机制对其性能有着很大的影响。1个适用于具体问题的种群拓扑结构对算法性能的提升极为显著。因此,利用PSO求解总体布线问题需要根据具体布线问题的特性来选择合适的粒子拓扑结构策略,以提升PSO的性能。提出基于动态PSO的X结构Steiner最小树(XSMT)算法以解决总体布线问题。首先,设计动态子群与信息交换策略,对种群进行子群划分,引入信息交换的概念,让子群在保持独立性的同时与其他子群进行信息交换,增加子群多样性;其次,设计粒子学习与变异策略,通过设置子群中粒子的学习对象使子群趋向于全局最优,并选择每个子群中适应度值最好的粒子进行变异,使粒子更易于跳出局部最优;最后,设计从多群局部学习过渡到单群全局学习策略,使算法在迭代次数到达阈值之后从局部学习过渡到全局学习,使得粒子在较优拓扑结构的基础上内部连接以获得更好的线长优化率。实验结果表明,与现有的2种R结构SMT(RSMT)算法相比,所提算法在优化线长方面分别优化了10.25%、8.24%;与现有的3种XSMT算法相比,该算法在优化线长方面分别优化了2.44%、1.46%、0.48%,验证了算法的有效性。

基于动态粒子群算法的ARAIM可用性优化方法

卫星导航的完好性监测技术对保障航空领域的导航安全至关重要。针对高级接收机自主完好性监测算法将完好性风险概率和连续性风险概率平均分配给所有可见卫星,导致垂直保护级较为保守,进而造成可用性降低的问题,本文提出了一种基于动态粒子群算法(dynamic particle swarm optimization,DPSO)的ARAIM可用性优化方法。通过优化风险概率分配过程,在完好性指标不变的情况下,可有效降低垂直保护级,提高了ARAIM算法的可用性。选取全球均匀分布的6个MGEX(multi-GNSS experiment)测站对所提方法进行验证,并分析了算法的全球可用性。同时,为验证该方法的有效性,在沈阳法库通航机场采集飞机全飞行阶段的卫星导航试验数据,对算法进行验证。静态数据与动态数据试验结果表明:采用基于DPSO算法的分配策略,降低了垂直保护级,提高了ARAIM可用性,全球范围内ARAIM可用性大于99.5%的覆盖比率由98.2%增加到99.7%。

基于动态粒子群算法的战时多目标物资供应任务规划模型求解

文章针对多目标物资供应任务规划模型提出了一种动态粒子群算法。该算法引入了探测机制和响应机制以适应动态环境,有效克服了战时物资供应不准确的问题。数值实验结果表明,动态粒子群算法能够有效应用于该模型的求解,并在性能和精度上相较于其他算法有所提升。因此,动态粒子群算法可作为战时多目标物资供应任务规划模型求解的新方法。

基于高动态粒子冲蚀的火炮身管寿命研究

火炮在发射过程中,身管处在高温高压火药燃烧气体的烧蚀、冲刷和弹丸之间产生的机械磨损的综合作用下,导致内膛表面耗损退化以致改变了内膛结构尺寸。内膛尺寸变化特别是阳线减材逐步造成弹道性能丧失从而导致身管寿命终结,严重影响武器系统作战效能。基于一种动态粒子对塑性金属材料的冲蚀微切削理论,假设膛内高温高压燃气与固体药粒在坡膛处由于高速运动且速度方向与壁面之间有一定的夹角,将固体火药药粒视为一把微型切刀,当粒子碰撞并划过身管壁面材料表面时,材料被“切除”而产生损失,导致身管表面形成一定的冲蚀量,引起膛线起始部位严重冲刷磨损。基于此,提出了一种高动态粒子对内膛冲蚀的身管寿命理论。该理论基于火炮内弹道、身管内膛壁面传热模型和身管冲蚀量计算数学模型,通过求解内弹道和身管传热模型,获得火药颗粒的孔隙率、粒径和壁面温度变化规律以及内弹道特征参数和高动态粒子的分布规律。实践表明,采用在膛线起始部后某位置内膛增加集流锥的方法对高动态粒子冲蚀理论进行了试验验证,计算结果与试验吻合较好,证明了理论和模型的正确性。

基于后随机非线性动态粒子群算法的地震模拟振动台参数优化设计

地震模拟振动台系统控制参数的质量影响着台面波形复现精度,进而影响试验效果。为实现对系统控制参数的高效校调与智能化寻优,提高系统对台面的控制效果,在标准粒子群算法的基础上提出了一种基于后随机非线性动态粒子群算法的三参量控制参数寻优方法,用于地震模拟振动台系统控制参数的优化整定。仿真结果表明,改进算法寻优参数控制下复现波形的相关系数比理论参数控制时提高了25%以上;与试验反馈数据波形仿真结果相比,寻优参数控制下的系统仿真波形相关度均提升至0.95以上,绝对峰值误差降至10%以内;对比结果证明了改进算法可行有效,优化参数控制下系统对不同输入波形具有更好的适应性,系统受控效果良好。

基于改进粒子群算法优化LSTM的短期电力负荷预测

电力负荷数据具备时序性和非线性特征,长短时记忆神经网络(LSTM,long short-term memory)可以有效处理上述数据特性。然而LSTM算法性能对预置参数具有极大的依赖性,依靠经验设定的参数会使模型具有较低的泛化性能,降低了预测效果。为解决上述问题,提出非线性动态调整惯性权重粒子群算法(NIWPSO,nonlinear dynamic inertia weight strategy particle swarm optimization)与LSTM相结合的预测模型NIWPSO-LSTM。利用非线性动态调整惯性权重的方法来提升PSO的全局寻优能力,再通过NIWPSO对LSTM的参数进行优化。实验结果表明,NIWPSO-LSTM预测精度要远高于其他模型,验证了所提方案的可行性。

基于动态调整惯性权重粒子群算法的冷热电联供系统运行优化

为实现能源梯级利用、冷热电联供系统优化运行,将基本粒子群算法、改进粒子群法、动态调整惯性权重的粒子群(IDWPSO)算法进行对比。结果表明,相较于其他两种算法IDWPSO算法在收敛速度与精度方面都有更好的表现。建立以运行成本和环保成本最小为目标的冷热电联供系统模型,并采用IDWPSO算法优化。结果表明,在满足系统负荷与约束条件下,IDWPSO算法优化后的系统综合成本有所降低,对CCHP系统优化运行具有指导意义。

基于动态粒子数的微粒群优化算法

提出了基于动态粒子数的微粒群算法,并建立了粒子数变化函数.该函数包含粒子数衰减趋势项和周期振荡项.衰减趋势项能够在种群向最优解不断收敛的过程中逐渐减少粒子数,以提高粒子效率.周期振荡项中的递增阶段代表了新粒子的随机出现,以增加粒子群的多样性,而周期振荡项中的递减阶段代表了探索性能差的粒子逐渐消亡,以提高优化效率.对4个标准函数进行测试,仿真结果表明该算法能有效地减少计算量,并显著提高全局搜索性能.

一种惯性权重动态调整的新型粒子群算法

在简要介绍基本PSO算法的基础上,提出了一种根据不同粒子距离全局最优点的距离对基本PSO算法的惯性权重进行动态调整的新型粒子群算法(DPSO),并对新算法进行了描述。以典型优化问题的实例仿真验证了DPSO算法的有效性。

一种双层可变子群的动态粒子群优化算法

粒子间信息的共享方式对粒子群优化算法的收敛速度和全局搜索能力有重要的影响.针对全互联、环形拓扑结构,提出基于双层子群的信息共享方式,以收敛率作为子群规模变化的标识,实现子群规模动态变化,协调了算法的全局搜索能力和局部寻优能力.子群排斥机制使子群跳出局部最优解的束缚,提高解的多样性.选取目前比较流行的几种粒子群优化算法,通过五种经典的Benchmark高维函数优化问题进行实验仿真.结果表明基于双层可变子群的动态粒子群优化算法可以有效的避免算法陷入局部最优,在保证收敛速度的同时算法的全局搜索能力和精度有明显的提高.

动态调整粒子群-霍尔特模型在径流预测中的应用

为了提高水库和河流中长期径流预测精度,针对粒子群算法存在的缺陷,提出了动态调整粒子群算法(DAPSO)。借助霍尔特-温特斯线性季节性模型的预测功能,应用DAPSO算法求解和优化霍尔特-温特斯线性季节性模型组合参数,形成动态调整粒子群-霍尔特-温特斯线性季节性模型组合算法,对石泉水库进行中长期径流预测。仿真计算表明,动态调整粒子群-霍尔特-温特斯线性季节性模型算法收敛速度快于霍尔特-温特斯线性季节性模型算法、粒子群-霍尔特-温特斯线性季节性模型算法。该组合算法克服了按梯度试算法搜索质量差和精度不高的缺点,输出稳定性好,预报精度显著提高,置信度为95%时的预测相对误差小于6%。该算法可应用于水库和河川中长期径流预测。