摘要：以稳态分布参数法和nsga-iii算法为基础,提出一种翅片管式蒸发器结构参数与流路参数混合寻优的方法,并依此展开小管径蒸发器结构和流路参数的影响分析与流路的高维多目标设计优化。建立的小管径翅片管式蒸发器模型与实测数据的误差在4%以内,可以较好地用于小管径翅片管式蒸发器的计算。基于该模型进一步建立以结构参数与流路参数为自变量,换热量、制冷剂侧压降、空气侧压降以及成本为因变量的神经网络模型,并利用nsga-iii算法对模型进行优化求解,得到小管径翅片管式蒸发器在一定的结构参数变化范围内的最优结构参数及最佳流路。研究结果显示:管外径对小管径翅片管式蒸发器的换热量、制冷剂侧压降以及成本的影响程度最大;翅片间距对小管径翅片管式蒸发器的空气侧压降影响程度最大;翅片厚度对换热量、制冷剂侧压降、空气侧压降以及成本的影响程度均最小;流路主要影响蒸发器的换热量及制冷剂侧压降;制冷剂流路为二支路、三支路和四支路时,模型可输出综合性能最优的结构及流路特征。

摘要：针对图像融合方法容易丢失源图像结构信息的问题,该文提出一种基于非下采样剪切波变换(Non-Subsample Shearlet Transform,NSST)和第三代非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm iii,nsga-iii)的红外和可见光图像融合方法.首先,将源图像进行NSST变换得到低频和高频子带图像;其次,针对低频图像,设计了一种新的基于nsga-iii的融合规则,先使用区域能量法对图像进行预融合,以预融合图像作为参考图像,再通过nsga-iii算法进行优化获得融合低频图像;针对高频图像,用绝对值取大规则.最后,利用NSST逆变换重构融合图像.算法性能在TNO数据集上进行验证,并与其他先进的融合算法进行比较,定性与定量的结果均表明,提出的方法目标突出,并保留了源图像更多的结构信息.