收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于正则化与粒子群算法的PCS纳米颗粒测量反演算法研究

王远磊  
【摘要】: 纳米颗粒因其具有特殊的电、磁、力、光、热等特性,在国民经济中发挥越来越重要的作用。纳米颗粒的特性与粒径的大小有关,纳米颗粒的测量成了颗粒研究的重点之一。PCS方法是测量纳米颗粒粒度及其分布的有效方法,其中颗粒粒度反演的研究是PCS方法的重点之一,也是难点之一。本文对PCS纳米颗粒测量技术中的粒度反演算法进行了研究,主要研究工作如下: 一、通过光强相关函数反演纳米颗粒粒径需要求解第一类Freholm积分方程,该方程属于病态问题。本文采用迭代正则化方法在不同的噪声水平下对单分散和双分散颗粒进行反演,反演结果表明,在噪声水平小于0.05时,正则化的反演误差为0-10%,迭代正则化的反演误差为O-7%;噪声水平为0.05时,正则化已无法反演出粒径分布,迭代正则化单分散反演的峰值误差不大于8%。双分散峰值反演误差不大于12%;另外,迭代正则化迭代次数一般要求:在噪声小时,迭代次数大;噪声大时,迭代次数小。 二、纳米颗粒粒径的反演从另一个角度可以看作是一个优化问题,本文采用粒子群算法对纳米颗粒进行反演。单峰和双峰分布的颗粒反演结果表明:在噪声水平小于0.05时,误差小于10%;噪声水平为0.05和0.1时峰值处的比例大大超过理论值,使反演所得颗粒粒度分布与真实分布产生偏离。 三、粒子群算法目标函数的约束条件影响颗粒粒度反演的速度和准确度,本文以正则化方法的展平泛函为目标函数,加上可行的约束条件,采用粒子群算法进行了颗粒粒度反演。反演结果表明,采用有光滑约束的目标函数时,粒子群算法给出的颗粒粒度分布光滑,解决了采用无光滑约束的目标函数反演结果中存在颗粒粒径分布在峰值过于集中的现象。 四、在L曲线准则的基础上采用粒子群算法对单峰分布和双峰分布的颗粒进行反演。反演结果表明,在噪声水平较小时,L曲线导出的目标函数所得反演结果给出的解光滑,解决了粒度分布集中现象,与采用展平泛函作为目标函数的粒子群算法相比,无需求取正则化参数,减小了计算量。 在PCS颗粒测量技术中,颗粒粒度的反演是影响颗粒测量准确性的主要原因。目前,纳米颗粒粒度分布测量的准确测量仍然制约这一技术的广泛应用,本文所做工作有助于PCS技术的发展。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 杨迪威;李少华;沈远彤;;基于粒子群优化算法的小波神经网络[J];工程地球物理学报;2007年06期
2 陈立华;蔡德所;梅亚东;;动态速度限制粒子群算法及其应用[J];广西大学学报(自然科学版);2010年01期
3 李志;陈年生;郭小珊;柯宗武;;粒子群算法及其改进技术研究[J];湖北师范学院学报(自然科学版);2011年02期
4 杨志勇;;求解车间作业调度问题的免疫粒子群算法[J];鄂州大学学报;2006年03期
5 莫愿斌;陈德钊;胡上序;;求解非线性方程组的粒子群复形法[J];信息与控制;2006年04期
6 邹长武;羊依金;丁恒康;张雪乔;;基于粒子群算法的GM(1,1)在经济发展预测中的应用[J];成都信息工程学院学报;2007年03期
7 潘郁;余佳;达庆利;;基于粒子群算法的连续性消耗应急资源调度[J];系统工程学报;2007年05期
8 江宝钏;胡俊溟;;求解多峰函数的改进粒子群算法的研究[J];宁波大学学报(理工版);2008年02期
9 郭辉;王阳;;一种基于粒子群算法的多重决策树分类器融合方法[J];科技信息;2008年30期
10 刘欢;葛德胜;肖根福;刘涛;;基于粒子群算法的模糊神经网络控制器[J];井冈山学院学报;2008年01期
11 田雨波;董跃;生辉;;基于粒子群算法的微带天线特征方程求解方法[J];江苏科技大学学报(自然科学版);2009年05期
12 杨坤;翟金刚;;基于遗传粒子群算法的供水系统优化调度[J];鲁东大学学报(自然科学版);2010年02期
13 黄少荣;;蚁群算法与粒子群算法的比较研究[J];河南科技;2010年06期
14 邬锡琴;许良凤;胡敏;;基于并行粒子群算法的Otsu双阈值医学图像分割[J];实验技术与管理;2011年02期
15 陆伟峰;;基于改进的模糊C-均值聚类建立T-S模糊系统[J];无锡南洋学院学报;2008年03期
16 陆秋琴;和涛;;基于粒子群算法城市救援设施地址选择[J];科技管理研究;2011年07期
17 周静;;离散粒子群算法在高校智能排课系统中的应用研究[J];科技信息;2011年22期
18 雍龙泉;张建科;张晓清;;求解一类随机优化问题的粒子群算法[J];武汉大学学报(理学版);2005年S2期
19 张宝菊;单国全;齐名军;;求解非线性约束优化问题改进的粒子群算法[J];天津师范大学学报(自然科学版);2006年02期
20 宋初一;姜明晨;时宏杰;姜艳清;姜静清;包德喜;;粒子群优化算法及其应用[J];内蒙古民族大学学报(自然科学版);2006年04期
中国重要会议论文全文数据库 前10条
1 赵亮;;遗传增强混沌粒子群算法[A];第二十九届中国控制会议论文集[C];2010年
2 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年
3 张顶学;关治洪;刘新芝;;多种群并行粒子群算法研究[A];第二十六届中国控制会议论文集[C];2007年
4 丛亮;胡成全;郭宗鹏;姜宇;沙丽华;;基于模拟退火思想的基本粒子群算法改进[A];第二十七届中国控制会议论文集[C];2008年
5 张顶学;朱迎辉;廖锐全;;一种动态改变惯性权重的粒子群算法[A];第二十九届中国控制会议论文集[C];2010年
6 张顶学;廖锐全;;粒子群算法分析及惯性权重的动态改变策略[A];第二十七届中国控制会议论文集[C];2008年
7 常俊林;梁君燕;魏巍;;解决流水车间双目标调度问题的免疫粒子群算法[A];中国自动化学会控制理论专业委员会B卷[C];2011年
8 史久根;徐胜生;;基于文化-粒子群算法的机器人路径规划算法[A];2011中国仪器仪表与测控技术大会论文集[C];2011年
9 段练;张玉斌;;坐标改进型粒子群算法在应用层组播中的应用[A];煤炭机电与自动化实用技术[C];2012年
10 周晓君;阳春华;桂卫华;;可变随机函数的PSO算法[A];中国自动化学会控制理论专业委员会B卷[C];2011年
中国博士学位论文全文数据库 前10条
1 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年
2 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年
3 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年
4 全海燕;混合克隆竞争与启发学习策略的多角色随机游动粒子群算法研究[D];云南大学;2010年
5 秦全德;粒子群算法研究及应用[D];华南理工大学;2011年
6 岳本贤;粒子群算法拓展研究及在约束布局优化中应用[D];大连理工大学;2012年
7 常彦伟;纵向参数多子群粒子群算法的研究与应用[D];中国矿业大学;2009年
8 田野;粒子群优化算法及其应用研究[D];吉林大学;2010年
9 刘衍民;粒子群算法的研究及应用[D];山东师范大学;2011年
10 薛尧予;群能量守恒粒子群算法及其在发酵过程控制中的应用研究[D];北京化工大学;2010年
中国硕士学位论文全文数据库 前10条
1 杨立标;基于混合优化策略的粒子群算法及其应用研究[D];哈尔滨工程大学;2010年
2 陈琳玲;基于简化粒子群算法的测试数据自动生成方法研究[D];西南大学;2010年
3 赵辛欣;随机聚焦粒子群算法在机组组合中的应用[D];西南交通大学;2010年
4 王冬;基于粒子群算法的Web文本信息过滤研究[D];华北电力大学(河北);2010年
5 李文婷;基于改进型粒子群算法的热轧带钢宽度神经网络预报模型的研究[D];太原理工大学;2011年
6 汪华;粒子群算法的研究及其在供水优化调度中的应用[D];合肥工业大学;2011年
7 张念志;基于粒子群算法的集送货一体化车辆路径问题研究[D];山东大学;2010年
8 袁洲;基于改进粒子群算法的项目反应理论3PLM参数估计方法研究[D];吉林大学;2011年
9 苏同芬;改进的免疫粒子群算法及梯级水库优化调度问题的研究[D];太原理工大学;2010年
10 朱秀敏;改进粒子群算法的研究及其在天线设计中的应用[D];太原理工大学;2011年
中国重要报纸全文数据库 前1条
1 记者 黄蔚 通讯员 蔡文兵;校内外导师领航学生科研[N];中国教育报;2011年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978