萃取-絮凝组合精制再生废润滑油

根据溶剂精制再生废润滑油环保、经济、高效的特点,采用单因素实验方法,应用极性溶剂为萃取剂、乙二胺为絮凝剂,组合精制再生废润滑油。最佳工艺条件为:萃取剂为正丁醇,精制时间为15 min,精制温度为25℃,剂/油质量比为5∶1,絮凝剂添加比例为1.0%。以该精制工艺操作,再生油性能指标得到明显改善,黏温指数达130以上,闪点达200℃,酸值为0.05 mg.g-1,灰分质量分数降低到0.01%以下,金属元素含量显著下降,再生油产率为80.6%,各项性能基本上符合HVI150基础油指标,表明该精制工艺再生废润滑油可行,应用前景广阔。     

战时弹药输送路径PSO决策分析

介绍了粒子群优化算法的基本思想和理论,阐述了基于粒子群优化算法的战时弹药输送路径决策分析的实现过程。通过实例应用,证实了粒子群优化算法对弹药输送路经决策问题是可行和有效的。     

有人机—无人机群协同空战目标分配算法

针对有人机—无人机群协同空战目标分配问题,运用离散粒子群算法,分为1架UCAV分配1个目标,1架UCAV分配2个目标时不考虑攻击先后影响和考虑攻击先后影响3种情况进行了仿真研究,提出了一种新的粒子构造方法。综合考虑空战能力指数和优势函数,构造了收益风险矩阵和多目标分配的代价函数。仿真结果具有良好收敛性,对有人机—无人机群协同空战目标分配具有参考价值。     

25nm鱼鳍型场效应晶体管中单粒子瞬态的工艺参数相关性

基于TCAD(Technology Computer-Aided Design)3-D模拟,研究了25 nm鱼鳍型场效应晶体管(Fin Field Effect Transistor,FinFET)中单粒子瞬态效应的工艺参数相关性。研究表明一些重要工艺参数的起伏会对电荷收集产生显著影响,从而影响到电路中传播的SET(Single Event Transient)脉冲宽度。对于最佳工艺拐角,离子轰击后收集的电荷量可以降低约38%,而在最坏工艺拐角下,收集的电荷量则会增加79%。这些结论对FinFET工艺下的SET减缓及抗辐射加固设计提供了一种新的思路。     

基于随机有限集的传感器网络多目标跟踪

利用有限集统计理论对声学W SN下的多目标跟踪进行了研究。首先利用F ISST理论对声学W SN下的多目标跟踪进行建模,然后利用粒子滤波对随机集最优贝叶斯滤波进行近似,提出了一种新的多目标跟踪方法。在粒子滤波执行过程中,为了有效地平衡计算量和跟踪精度,根据目标数目自适应地调整每一时刻的粒子数目。仿真结果表明在监视区域同时出现目标较少的情况下,算法能够及时发现目标的出现和消失,正确估计目标状态和数目。     

气液同轴式喷嘴雾化特性的试验

通过试验研究气液同轴直流式和气液同轴离心式喷嘴的雾化性能。研究表明:喷嘴出口扩张时可以改善喷嘴的雾化性能;气液同轴直流式和气液同轴离心式喷嘴都存在一个合适的缩进长度,在改善喷嘴雾化特性的同时对总流量影响较小;在相同条件下,气液同轴离心式喷嘴的喷雾性能要优于气液同轴直流式喷嘴的喷雾性能。     

退化速率跟踪粒子滤波在剩余使用寿命预测中的应用

毋庸置疑,剩余使用寿命预测对于设备的健康管理越来越重要。近年来粒子滤波方法被越来越多地应用到设备寿命预测技术当中,这是因为粒子滤波方法能更好地解决非线性非高斯系统滤波问题,而且能够获得不确定度信息。但该方法的预测性能却过度依赖于预测模型,并且对于模型参数的初始分布也比较敏感,这在一定程度上限制了粒子滤波预测方法的进一步发展。针对基本粒子滤波预测方法的不足,提出了一种基于退化速率跟踪粒子滤波的通用预测框架,以历史观测数据的退化速率统计规律作为指导来跟踪目标数据的退化速率,实现对粒子滤波预测方法的简化,并将该方法用于轴承和锂离子电池的剩余使用寿命预测,验证了方法的有效性。     

基于UPF的WNN学习算法及其应用

为改善小波网络(WNN)的非线性建模能力,提出一种基于改进无迹粒子滤波(UPF)的WNN学习算法。算法先引入最小偏度策略减少无迹变换(UT)的Sigma采样个数,改进无迹Kalman滤波(UKF);再用改进UKF算法选取粒子滤波的重要性密度函数,构成新型UPF;最后,将SUPF作为WNN的学习算法进行训练和测试。实验表明,基于新采样策略UPF与基本UPF的WNN模型精度总体接近,但速度更快,效率更高,某型军用飞机气动力建模也验证了算法的有效性与可行性。     

基于SAR目标识别的深度学习方法

研究了DBN和SDAE在SAR雷达目标识别领域的应用,并在此基础上提出了一种双通道单隐含层的深度学习模型—DBN-SDAE。该模型的优势在于采用双通道的单隐含层模型对图像数据进行学习,提取图像特征,避免了传统深度学习方法随着隐含层和神经元数量的增加计算复杂度增长过快的缺点;同时采用加权融合方法融合两个通道所学习的特征,既保留了数据的细节信息,又保留了数据的结构信息,一定程度上解决了特征利用不充分的问题。实验结果表明,所提方法在NN迭代次数远远小于DBN中NN的迭代次数;且在识别准确率上最高可达98.640%,较SDAE和DBN分别高0.511%和1.701%。     

基于CE-QPSO算法的联合火力打击方案智能优化方法

针对联合火力打击方案优化“既快又精”需求难题,设计了CE-QPSO算法,提出了基于该算法的联合火力打击方案智能优化方法。该算法充分结合了交叉熵算法良好的全局寻优能力和量子粒子群算法高效运行的特点,通过构建离散概率矩阵,使粒子的不确定性运动更具方向性,提高了粒子的协同寻优能力。实验结果表明：基于该算法的联合火力打击方案智能优化方法能够有效提升联合火力打击方案的优化效果和优化效率,且相比于标准交叉熵算法和标准量子粒子群优化算法具有明显优势。