为提高无法准确建立数学模型的非线性约束单目标系统优化问题的寻优精度,并考虑获取样本的代价,提出一种基于支持向量机和免疫粒子群算法的组合方法(support vector machine and immune particle swarm optimization,SVM-IPSO).首先,运用支持向量机构建非线性约束单目标系统预测模型,然后,采用引入了免疫系统自我调节机制的免疫粒子群算法在预测模型的基础上对系统寻优.与基于BP神经网络和粒子群算法的组合方法(BP and particle swarm optimization,BP-PSO)进行仿真实验对比,同时,通过减少训练样本,研究了在训练样本较少情况下两种方法的寻优效果.实验结果表明,在相同样本数量条件下,SVM-IPSO方法具有更高的优化能力,并且当样本数量减少时,相比BP-PSO方法,SVM-IPSO方法仍能获得更稳定且更准确的系统寻优值.因此,SVM-IPSO方法为实际中此类问题提供了一个新的更优的解决途径

第七章无穷级数 1常数项级数概念及性质 ∞ 1、定义P264an=a1+a2+…+an+… n=1 an称为一般项或通项Sn=u1+u2+…+un称为前n项部分和

自重应力是由于地基土体本身的有效重量而产生的。研究地基的自重应力是为了确定 地基土体的应力状态。计算地基中的自重应力时,一般将地基作为半无限弹性体来考虑, 地基中的自重应力状态属于侧限应力状态,其内部任一水平面和垂直面上,均只有正应力 而无剪应力

为解决堆浸过程中由于大量矿粉存在而导致矿堆渗透性差、浸出率低等问题，以次生硫化铜矿为原料，开展了制粒试验研究.考察了不同制粒黏结剂对矿粉的黏结效果，确定了最佳的制粒黏结剂、制粒工艺以及制粒方法.通过正交制粒试验，明确了影响制粒试验的主要因素.试验结果表明：不同制粒黏结剂的黏结效果排序依次为：SFS-2 > SFS-3 >水泥>半水石膏> SFS-1 > SFS-0 >硅酸钠>阳离子型聚丙烯酰胺.当选用黏结剂SFS-2，黏结剂占矿粉质量分数为8%、加酸量为25 kg·t-1以及制粒过程喷水质量分数为30%时，所制矿团效果最佳.其湿强度达到94.62%，抗压强度达到417.44 N，矿团酸浸维持完好时间超过25 d，矿团形态基本维持不变，无明显破裂现象.正交制粒试验得到多因素对次生硫化铜矿制粒的影响由大到小依次为：黏结剂占矿石质量分数、加酸量和制粒喷水量.对选定的黏结剂进行细菌接种试验显示，黏结剂对细菌群落无明显影响.添加黏结剂试验组细菌数量为8.79×107 mL-1，未添加黏结剂试验组细菌数量为8.86×107 mL-1.对制粒后矿团进行浸矿试验结果显示，矿粉制粒后铜浸出率提高了12.74%，制粒通过增大矿物之间的孔隙，增加浸出液与矿石的接触，进而提高铜浸出率

AMCM88问题A确定毒品走私船的位置 相距5.43哩的监听站收听到一个短暂的无线电讯号。收听到讯早的时候测向仪分别定位在111和 119°处(见图88A-1),测向仪的精度为±2°,该讯号来自一个毒品交换活跃的地方,据推测该处有一只 机动船正等着有人来取毒品。当时正值黄昏、无风、无潮流。一架小型直升飞机离开监听站①的简易机场 并能精确地沿111°角方向飞行

§18–1 单自由度系统无阻尼自由振动 §18–2 求系统固有频率的方法 §18–3 单自由度系统的有阻尼自由振动 §18–4 单自由度系统的无阻尼强迫振动 §18–5 单自由度系统的有阻尼强迫振动 §18–6 临界转速 · 减振与隔振的概念

为满足锆合金热挤压时的润滑与防护需求，试制了一种锆合金热挤压用防护润滑剂，主要成分包括有机硅树脂、低软化点玻璃粉、氧化铝粉、二硫化钼、石墨粉、滑石粉、云母粉等。实验温度为700～800 ℃时，采用圆环压缩法测得涂覆有润滑剂的Zr-4合金摩擦因子为0.19～0.25，润滑效果良好。将有润滑剂防护的锆合金分别加热至700、800和900 ℃并保温1 h，未发生明显氧化，热防护性能良好。测定了有、无润滑剂条件下Zr-4合金和H13模具钢的界面接触温度随接触时间的变化曲线。当Zr-4合金和H13钢的初始界面温度分别约为700 ℃和350 ℃时，无润滑剂时Zr-4合金表面温度达到稳定的时间为7.7 s，界面换热系数由250 W·m?2·℃?1增大至2700 W·m?2·℃?1；有润滑剂时Zr-4合金表面温度达到稳定的时间延长至12 s，界面换热系数由131 W·m?2·℃?1增大至1900 W·m?2·℃?1。这表明该润滑剂具有较好的高温热障性能

随着无人工厂、智能安监等技术在制造业领域的深入应用，以视觉识别预警系统为代表的复杂环境下动态识别技术成为智能工业领域的重要研究内容之一。在本文所述的工业级视觉识别预警系统中，操作人员头发区域由于其具有移动形态非规则性、运动无规律性的特点，在动态图像中的实时分割较为困难。针对此问题，提出一种基于SiamMask模型的时空预测移动目标跟踪算法。该算法将基于PyTorch深度学习框架的SiamMask单目标跟踪算法与ROI检测及STC时空上下文预测算法相融合，根据目标时空关系的在线学习，预测新的目标位置并对SiamMask模型进行算法校正，实现视频序列中的目标快速识别。实验结果表明，所提出的算法能够克服环境干扰、目标遮挡对跟踪效果的影响，将目标跟踪误识别率降低至0.156%。该算法计算时间成本为每秒30帧，比改进前的SiamMask模型帧率每秒提高3.2帧，算法效率提高11.94%。该算法达到视觉识别预警系统准确性、实时性的要求，对移动目标识别算法模型的复杂环境应用具有借鉴意义

为了掌握变量的变化规律,往往需要从它的变化过程来判断它的变化趋势。例如有这么一个变量 它开始是1,然后为234……如此,一直无尽地变下去,虽然无尽止,但它的变化有一个趋势, 这个趋势就是在它的变化过程中越来越接近于零。我们就说,这个变量的极限为0。所以,我们有必要 对极限作深入研究

采用无水电解法提取不锈钢中存在的典型夹杂物，通过扫描电子显微镜观察夹杂物三维形貌，并根据元素组成对夹杂物进行分类和形貌分析，对具有相同化学成分但不同三维形貌的夹杂物进行了表征和归纳。利用FactSage 7.0热力学软件，对不同夹杂物的平衡状态进行了计算，研究了温度和钢液成分对于夹杂物平衡的影响，并得到相应的平衡相图。结果表明，无水电解可以有效地将不锈钢中夹杂物完整地提取出来，避免了金相法带来的误差，可以更加清晰的观测夹杂物的三维形貌；经扫描电子显微镜观察和测量，较大的氧化铝夹杂物表面较为容易出现钛元素的富集区域，且大部分夹杂物形貌主要为球状和表面较为光滑的多面体状，直径一般不大于5 μm。通过热力学计算得到，钢中夹杂物的生成与钢中元素质量分数密切相关，在1873 K时，Mg、Ti、Si元素质量分数的不同会导致生成不同的夹杂物