通过对广泛使用的两味Polyakov环扩展的Nambu–Jona–Lasinio（PNJL）模型进行一些修改，我们讨论了在有限温度和超过手性极限的零夸克化学势时夸克间隙方程的Wigner解，然后 我们尝试探索其在有限温度和零化学势下对QCD的手性和脱限相变的影响。 对于零温度和零化学势下具有非零电流夸克质量的夸克间隙方程的Nambu解和Wigner解的共存发现以及它们随温度的演化，对于研究QCD相变非常有趣 。 根据我们的结果，手性相变可能是一阶的（尽管脱约束相转变仍是一个交叉点，如在正常的PNJL模型中一样），并且相应的相转变温度低于脱约束相转变的温度。 相互吻合，这与从正常PNJL模型得出的结论不同。 此外，我们还讨论了最终结果对模型参数选择的敏感性。

针对三维无线传感器网络最坏情况覆盖问题,提出一种基于概率和网络最坏情况覆盖的三维传感器网络节点K覆盖方法,该方法先对三维待监测区域以网格划分,然后将前K(K为覆盖度)个传感器节点放置在网格点后,分别求取这K个节点的最大突破路径,在路径的公共点上依次放置传感器节点,直到每个网格点以预设的概率达到K覆盖为止.该方法能够减少网络资源.仿真表明,该方法与原基于概率的K覆盖方法比较,能用较少的节点满足相同的覆盖度.

针对经典智能算法用于滑坡位移预测时存在的网络结构参数选取复杂、易陷入局部极小等缺陷,提出了基于改进极限学习机ELM(Extreme Learning Machine)的滑坡位移预测模型。在滑坡变形位移状态辨识基础上,根据其位移变化特征,将滑坡位移曲线类型划分减速-匀速型、匀速-增速型、减速-匀速-增速型、复合型4类,将改进的ELM算法分别用于4种不同类型的滑坡位移预测。基于改进ELM算法构建滑坡位移预测模型时,采用二值区间搜索算法选定最佳隐含层神经元个数和激励函数,并融入数据滚动建模思想,以期提高网络泛化能力和预测精度。以链子崖、卧龙寺、古树屋、新滩滑坡体为例,对ELM预测的适用性进行讨论,实验结果表明,基于ELM构建不同类型滑坡位移预测模型时,具有较高的预测精度,且在网络学习速度等方面优势明显,适用于复杂状况下滑坡体的位移预测。

为解决依兰露天矿西部扩采区开采程序优选问题,在改进的层次分析法(IAHP)和模糊综合评价法基本理论的基础上,建立改进的AHP-模糊综合评判指标体系模型,对备选的3种开采程序方案进行综合评判优选.从地质地形条件和生产技术条件2方面综合考虑与开采程序有关的评判指标,运用三维实体建模和模拟开采技术计算相应工程量来确定各参数值,通过三标度法客观地确定各个评判指标的权重向量,而后与模糊综合评价法的原理相结合来构建改进的AHP-模糊综合评判指标体系模型,计算3种开采程序方案基于评判指标的综合评价值.研究结果表明:三种方案的的评价值分别为59.77、49.35、56.08,第一种方案(横采内排方案)最优,改进的AHP-模糊综合评判法对于露天采矿工程优选具备工程的可行性和有效性.

分析了传统的p-q检测法检测负载电流中的谐波、无功和负序电流量时产生误差的原因,提出了一种改进的p-q检测法。改进的p-q检测法利用电网中的一相电压构造虚拟的对称三相系统以代替实际电网的三相电压,可在电网电压不对称时仍能准确地检测出负载电流中的谐波、无功和负序电流,从而消除不对称因素造成的补偿电流检测的误差。仿真结果证实了该检测法的正确性。

变频器、整流器等各种非线性电力电子器在煤矿供电系统中广泛使用,导致电网谐波问题日益突出。在电力系统中安装有源电力滤波器等装置可以地抑制谐波进而改善电网电压电流畸变情况。由于煤矿系统电网有其自身独特的复杂情况,对有源电力滤波器的稳态性能和动态性能有很高的要求。为了兼顾有源电力滤波器的动态性和稳态性,针对有源电力滤波器控制部分采用改进重复控制和PI控制并联的方式增强补偿效果。在传统重复控制器中引入无差拍控制,利用无差拍控制的超前计算误差的特性提高重复控制器的响应精度,仿真结果验证了该方法的可行性。

为了提高矿用机车无刷直流电机控制精度和稳定性,利用MATLAB中的Simulink的仿真环境,搭建出理想的仿真模型。在分析滑模控制系统理论基础上,加入自抗性改进滑模变结构的控制方案。仿真结果表明,此方案更有利于瞬态响应的实现和提高控制稳定精度,能够对负载突变迅速地做出响应,具有较强的抗干扰性,提高了系统的整体性能。实验结果表明此控制策略可行。

针对足球机器人运用传统快速扩展随机树(RRT)算法进行路径规划时随机性大的问题,提出了一种目标引力式的RRT路径规划算法。该算法在RRT算法的基础上引入了一个目标引力函数,避免了扩展随机树向目标点以外的方向生长,改进了快速扩展随机树缺乏确定性的问题,提高了足球机器人在路径规划方面的效率。仿真实验结果表明,该算法能够得到最佳路径,同时可以有效提高路径的规划速度。

莱维飞行改进麻雀算法(SSA)优化BP神经网络回归预测，LevySSA-BP回归预测，多变量输入单输出模型。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

IGWO-SVM：改良的灰狼优化算法改进支持向量机。 采用三种改进思路：两种Logistic和Tent混沌映射和采用DIH策略。 采用基于DIH维度学习的狩猎搜索策略为每只狼构建邻域，增强局部和全局搜索能力，收敛速度比GWO更快，适用于paper。