一种基于小波包变换和有效值算法

近年来，随着科技的迅猛发展，各种敏感电力电子设备在工业中的应用越来越广泛，使得电压暂降与中断已上升为最严重的电能质量问题。对电压暂降扰动发生、恢复时刻和暂降幅值的检测是电压暂降补偿首先要解决的问题。在对现有的电压暂降检测方法进行仔细的研究和比较后，提出一种将小波包变换和有效值算法相结合的电压暂降检测方法，利用这种方法可以更加准确、简洁地检测出电压暂降扰动。利用小波包变换理论实现了电压暂降的精确定位和消噪处理，其消噪效果优于小波变换；利用有效值算法快速、直观地实现了电压暂降幅值的检测。仿真结果验证了该方法的有效性。     

基于PPC模型的农机选型与优序关系研究

将投影寻踪（PP）与实数编码的遗传算法（RAGA）相结合，应用到农业机械的选型与优序关系研究中，通过寻求各种机型评价指标的最佳投影方向，将高维数据转换成一维投影指标值，实现对机器样本的分类与排序，从而克服 以往二阶模糊综合评判法及灰色系统评价法中权重取值的人为因素，取得了良好的效果。     

车用永磁式缓速器设计中漏磁影响因素分析

以优化设计和减少漏磁为目标,运用磁路分析法建立永磁式缓速器的漏磁场模型,得到设计参数的解析式。由于参数之间的复杂函数关系,采用区间数学算法来优化永磁式缓速器的设计参数,将影响漏磁系数的非线性方程组化简为线性方程组。选取满足设计要求的目标参数——转子鼓磁感应强度Bm、气隙磁感应强度Bg,ave、漏磁系数K的最佳取值区间。使用区间迭代法,求出自变量参数的取值区间和权数pi。运用Matlab语言编程直接搜索合理的设计参数,减少了计算量和循环次数。三维有限元漏磁分析和试验均证明了设计参数选取的合理性。结果表明：永磁体高度HPM、气隙ge对漏磁系数K影响较大;区间数学Tschernikow算法在永磁式缓速器设计中是有效的。     

利用改进BP神经网络预测初产奶牛产奶量的方法

针对传统BP算法的缺陷，提出了一种采用L-M训练法的BP神经网络。在此基础上建立了基于改进BP神经网络非线性系统的奶牛305d产奶量预测模型，此模型可以提前215d预测初产奶牛305d产奶量，从而实现提早进行选择，加速奶牛育种工作进程。并通过具体的实验验证了改进BP神经网络预测模型的有效性。     

基于改进A *算法的电动车能耗最优路径规划

提出一种基于改进A*算法的电动车能耗最优路径规划方法。根据车辆运行时的能耗,考虑能量损失与回收等因素,建立了运行能耗函数。设计了新的启发式能耗预估代价对A*算法进行改进,证明了所提出的启发式能耗预估代价满足可采纳性和一致性,确保改进的A*算法可获得能耗最优路径。针对电动车的里程焦虑问题,基于改进的A*算法,建立了根据车载电池的剩余电量、充电站位置、终点位置来寻找可达的能耗最小路径方法。仿真实验表明,提出的方法可以找到起点到终点的能耗最小路径,当车载电池能量不足时,可以找到经过充电站的可行最小能耗路径,减少里程焦虑,验证了所提方法的合理性和可行性。     

人工神经网络在我国水科学中的应用与展望

简要介绍了人工神经网络的发展、结构与特点；从预测预报、评价、水灾害防治、水资源配置与管理决策4方面，综合评述了人工神经网络在我国水科学中的应用，并就人工神经网络今后在我国水科学中的应用与研究做了展望。     

基于分解机制的多目标蝙蝠算法

在分析蝙蝠算法性能基础上,将蝙蝠算法融入分解机制,提出了一种基于分解机制的多目标蝙蝠算法。为了进一步提高算法的多样性,将差分进化策略引入算法中。对14个具有复杂Pareto前沿的多目标优化问题(LZ-09系列和ZDT系列)测试不同邻域规模对算法性能的影响,结果表明新算法的邻域规模为20时性能最优;将其与MOEA/D-DE和NSGA-II算法进行对比分析,结果显示该算法的分布性、收敛性和多样性均优于另外两种算法。为了验证其求解含有约束问题的性能,将其应用于滑动轴承多目标优化设计问题中,获得的Pareto前沿分布均匀,表明算法具有工程实用性,是求解复杂高维多目标问题的有效方法。     

基于改进蚁群算法的3-PPR并联机构位置正解研究

针对3-PPR并联机构位置正解问题,运用螺旋理论计算其自由度,并分析其运动特性,同时通过解析法构建该并联机构的完整运动学逆解。将并联机构运动学正解问题的求解转化为对目标函数优化问题的求解,并基于此建立该并联机构正解的目标函数优化模型。通过对基本蚁群算法进行有效的改进,构建了可用于求解连续优化问题的改进蚁群算法。运用该算法求解3-PPR并联机构的运动学正解并进行Matlab仿真分析,对比传统数值方法和改进蚁群算法,证实该算法具有良好的全局寻优能力,并能避免初值和局部最优值对计算结果的影响,可有效应用于求解并联机构的位置正解问题。     

Artificial inoculation and susceptibility of Pinus armandii to Dothistroma septosporum

Dothistroma needle blight (DNB) is a serious needle disease of conifers that primarily affects pine species (Pinus spp.). Dothistroma septosporum is one of the DNB pathogens that has a diverse range of host species excluding Pinus armandii. In 15 inoculated P. armandii seedlings, D. septosporum acervuli were observed in 43 infected needles of ten seedlings with a mean disease severity of 1.11% at 25 weeks after inoculations, demonstrating the potential of D. septosporum to cause symptoms on the needles of P. armandii via artificial inoculation. The disease severity of P. armandii was similar to the positive control, Pinus nigra (median 0.75 for P. armandii to 0.70 for P. nigra), thus, P. armandii acts under artificial conditions as a susceptible host species.     

基于径流分类的日径流量预测神经网络模型

利用聚类分析法将径流序列分解为若干个子径流序列 ,对这些子径流序列分别建立局部神经网络模型 ,而后把这些局部模型合并成一个混合模型。当新的信息进入该模型时 ,首先用分类器判别其类别 ,以确定用混合模型中的何种局部模型加以模拟。通过与不加分类的总体神经网络模型的模拟结果加以对比 ,结果表明这种基于径流分类的降雨 -径流模型表现出了更优良的性能 ,可以较大地提高径流模拟精度。