Numerical Simulation of Shaped Charge Jet Using Multi-Phase SPH Method

Since the jets and detonation gaseous products are separated by sharp interfaces,the traditional smoothed particle hydrodynamics (SPH) method is difficult to avoid the computational instability at interfaces.The multi-phase SPH (MSPH) method was applied to improving the stability,which smoothes the particle density and makes pressure continuous at interfaces.Numerical examples of jet forming process were used to test capability of the MSPH method.The results show that the method remains algorithm stability for large density gradient between the jets and gaseous products and has potential application to both the explosion and the jet problems.The effect of initiation ways of the shaped charge was discussed as well.     

动态助词“了1”和语气词“了2”的习得比较初探

文章根据对外汉语教学的需要,在HSK动态作文语料库中选取了词语"了"的一部分使用偏误加以调查和归类,并运用"最小树假设"分析了造成动态助词"了1"和语气助词"了2"使用偏误形成的原因,提出了教学上的应对策略。     

《西洋记》中的语气词“着、个、则个、些”

语气词"着、个、则个、些"产生于近代汉语,明清时期逐渐趋于衰微并最终消失。通过研究《西洋记》中的语气词"着、个、则个、些,"分别简述其历史来源并描写其使用情况。其语气意义:"着"在祈使句末是表达自身意愿,并促请对方考虑或执行,在陈述句末表示情况的变化或行为的实现;"个"单独用作语气词极少有人提到,"个(则个)"在祈使句末意义与"着"相当,在陈述句末和句中停顿处,语气意义是申明事实存在,略带夸张。"些"尚处在语法化过程中,未最终虚化为语气词。     

基于粒子群的多细胞状态估计技术

针对细胞动力学特性差异、细胞变形、细胞数目变化、细胞近邻等估计难题,提出了一种基于粒子群优化方法来实现多细胞状态估计.首先,针对已存在细胞和新出现细胞设计了两种不同的搜索机制,提出了一种标准的PSO算法且无需检测模块来实现多细胞状态估计;在此基础上,引入细胞检测模块,提出一种基于改进的PSO算法来实现多细胞状态精确估计.实验结果表明,本文所提出的PSO跟踪策略能自动实现多细胞状态估计,在引入细胞检测模块后,跟踪性能提高50%以上,每帧平均耗时减小,并且在处理多细胞近邻问题时具有良好的跟踪鲁棒性.     

改进的粒子滤波算法在船用组合导航中的应用

将典型的粒子滤波算法应用于非线性INS/GPS船用组合导航系统中时,不能解决重要性函数与似然函数的不匹配问题,且当传感器具有较大的漂移误差时,无法根据当前的观测值对粒子状态进行修正。为解决这些问题,基于典型的粒子滤波算法提出一种改进的粒子滤波(improved particle filter,IPF)算法。根据当前的观测值估计对应的状态误差,并在确定粒子的权值和重采样前对预测的粒子的误差进行修正。仿真结果表明:IPF算法能够有效解决上述问题,保持很好的滤波精度。     

多波束粒子群深度零点轨迹信息搜索效率优化

传统的基于粒子群算法的前馈神经网络训练系统进行数据库访问时,易陷入局部极值,产生零点轨迹信息搜索效率较低,局部极小点和搜索方向紊乱。提出一种改进的粒子群优化算法。构建基于误差反传的神经网络系统结构,引入混沌映射概念,提出了一种根据粒子搜索状态,动态调整粒子飞行速度和位置的粒子群优化算法,提高多波束粒子群深度零点轨迹信息的提取的搜索效率,根据粒子的轨迹信息,研究如何动态调整粒子的搜索速度和方向,提高了训练和控制精度与效益。仿真实验表明,该算法进行多波束粒子零点轨迹信息搜索,效率较高,通过外力的干涉尝试调整粒子的方向,使得粒子可以逃离这个稳定阶段,提高了粒子收敛速度,提高控制搜索精度,运行时间较短。算法在智能控制等领域具有较好的应用价值。     

基于神经网络的透气性状态预测

针对烧结过程的时变、强非线性等特点,基于神经网络和粒子群优化算法,提出一种预测透气性状态的集成方法.采用神经网络分别建立透气性预测模型,采用粒子群优化算法对神经网络进行训练,提高预测模型的实时性;进而借助模糊分类器将预测子模型实现有机融合.最后实际运行结果表明,提出的集成模型具有较高的预测精度和较强的自学习能力,并且在工况波动严重的情况下,仍然具有好的预测效果.     

基于S-粗聚合决策的粒子群优化

针对动态系统中存在的因素规律分布问题,基于函数S-粗集,利用粒子群优化算法,提出S-粗聚合体、C*-粗聚合体的概念,给出C*-粗聚合决策矩阵及其生成分布矩阵,并给出了相应的适应度函数和函数迁移族及粒子迁移算法,实现了基于S-粗聚合体且同时满足不同分布律约束的决策,最后给出了基于C*-粗聚合决策的粒子群优化应用。     

一种离散型多目标粒子群优化算法

为获得更好的非劣前端,提出一种离散型多目标粒子群优化算法。该算法根据离散型多目标优化问题的特点,将种群分成多个子种群,在各个子种群中利用表现型共享的适应度函数选择每个子种群的最优粒子。通过多个最优粒子的引导,使整个种群分布更均匀,避免陷入局部最优,保证了解的多样性。实验表明了该算法的有效性。     

一种基于粗糙集和粒子群优化算法的权重确定方法

为了克服基本粗糙集理论确定权重的不足,提出一种新的基于粗糙集和粒子群优化算法的权重确定方法.该方法先利用粗糙集和粒子群优化算法对决策表进行属性约简,对约简后的决策表再用粗糙集方法计算属性权重.运用该算法对教师职业倦怠与压力数据进行分析,得到影响教师职业倦怠的各种压力因子的权重.研究结果表明,基于粗糙集和粒子群优化算法可以对决策表的权重进行有效的分析.