柴油机工作过程计算中排放物模拟与实验研究

为了提高原有的柴油机工作过程计算模型模拟能力,在分析柴油机有害排放物生成机理的基础上,提出了排放物中NOx、HC和CO的预测子模型.在工作过程计算中,燃烧过程采用现象学准维燃烧模型;用广义Zeldowich不平衡原理建立NOx的数学模型;采用化学平衡和反应动力学原理建立HC和CO的数学模型.用该模型对LD485型直喷柴油机的排放物进行了模拟计算,得到了3种排放物在缸内的生成过程,分析了不同转速下对这些排放物生成规律的影响.用13工况法进行了实机排放测量.结果表明,排放物的生成量随转速升高而升高,模拟计算结果与采集得到的数据吻合较好.     

有效弹性模量法在大跨斜拉桥稳定计算中应用

为了确立大跨度斜拉桥结构的稳定设计法,提出了按有效弹性模量法计算弹塑性分支失稳方法.通过对跨度1 400 m的斜拉桥模型计算分析,验证了有效弹性模量法在大跨度斜拉桥稳定验算中的适用性及其计算精度.在此基础上进一步讨论了活载布置位置对结构弹塑性稳定强度和失稳特性的影响.结果表明,应用有效弹性模量法能够精确地推算出结构的弹塑性失稳强度;大跨度斜拉桥的轴力由恒载起支配作用,活载分布位置的改变对稳定强度影响十分有限,考虑与不考虑活载分布影响的计算结果相差不到10%,按满布活载的工况可以推算大跨度斜拉桥结构的最小稳定强度.     

基于正交补空间的人脸识别

为了实现人脸识别免于特征提取,提出了一种基于正交补脸(OC-faces)的人脸识别方法.该方法基于空间正交分解理论,对不同类的原始训练样本进行Gram-Schmidt正交化,以正交化后的基张成各个不同的子空间,将测试样本分解为子空间投影及子空间正交补两部分.正交补的范数体现了测试样本到各类子空间的距离,并以此作为分类的依据.在Yale库和AT&T库上的实验结果表明,与主成分分析(PCA)、线性判别分析(LDA)两种经典识别手段相比,该方法有更好的识别效果.     

网络入侵检测系统预先决策检测引擎研究

为了减少基于特征的网络入侵检测系统产生的虚警数量并提高其检测效率,提出了一种采用预先决策检测引擎的方法,该方法把受监控网段内的主机软件信息作为预先决策检测引擎的决策依据,在模式匹配之前进行预先决策,过滤掉不需要匹配的入侵规则,使得单个数据包平均模式匹配次数尽可能少,从而降低虚警数量并改善检测性能.实验结果表明,该方法在不增加网络入侵检测系统漏报率的前提下,能够减少虚警数量,并改善系统的检测效率.     

结构化P2P网络上语义发布/订阅事件路由算法

为解决结构化P2P网络上语义发布/订阅系统上基于内容的高性能语义事件路由问题,提出一种基于集结点的语义事件路由算法（rendezvous-based semantic event routing, RSER）,该算法根据订阅和事件的域标识、属性个数以及属性名映射订阅和事件到集结点,在支持语义路由的同时,避免了分布式哈希表 (distributed hash table, DHT)映射精确性与语义数据模型复杂性之间的矛盾;通过属性个数限制事件发布目的地,减少事件发布流量;采用P2P的内在路由机制和聚合优化措施分发事件,充分利用P2P网络容错性的同时,降低事件路由流量.实验结果表明,在大规模的发布/订阅下,RSER算法在性能上优于基于逆向路径转发的路由算法,并在路由效率、网络资源消耗、订阅维护效率和扩展性等方面取得了良好的平衡效果     

大规模环境下基于激光雷达的机器人SLAM算法

为解决大规模环境下机器人的同时定位和地图构建(SLAM)问题,提出一种基于Rao Blackwellised粒子滤波器的SLAM算法. 通过选取稳定且易于区别的特征点,发展了一种基于全局约束的数据关联方法,有效地减少了误匹配的概率;采用改进的粒子分布预测函数,提高了粒子滤波器的性能.实验结果表明,该算法具有较低的计算复杂度,精度也比较高,能够有效地解决大规模环境下的机器人SLAM问题.     

基于操纵平稳性的液压挖掘机轨迹规划方法

以既能达到良好的轨迹规划精度,又有优良的操纵平稳性为目标,提出了一种挖掘机器人的智能轨迹规划方法.以挖掘姿态角为优化变量;油缸进程和加速度梯度为双目标;位置盲角和最佳切削范围为约束建立优化数学模型,采用遗传算法寻找最优值.对3种规划策略：被动修正法、主动调整法和智能规划法进行了行程和速度梯度对比,结果表明,采用优化规划方法可以大幅减少液压系统冲击和振动,使挖掘机操纵更加平稳.     

基于回卷恢复的数控系统实时容错调度策略

针对数控系统对时间确定性和可靠性的要求,建立混合关联任务集描述模型,提出了基于回卷恢复机制和最佳优先（BF）算法的容错调度策略.该策略对数控系统关键任务的执行过程进行周期性分段验证,通过保存正确的检查点状态,使得出现瞬时故障时任务可以从检查点开始继续执行,从而以较低的计算损失达到容错的效果.与传统的实时容错调度算法相比,基于回卷恢复机制的容错调度策略能很好地适用于数控系统多类型任务并存和任务间相互约束的特点,同时,通过降低错误恢复所需的时间开销,有效地提高了系统的资源利用率.该算法应用于数控系统的有效性在实例分析和算法模拟研究中得到验证.     

连续相位调制的定时-频偏联合估计方法

针对连续相位调制信号的同步问题,研究了一种定时-频偏联合估计算法.算法分3步实现：(1）对接收基带信号差分并平方,得到四阶非线性变换值;（2）求其二阶统计量;（3）基于该统计量联合估计定时偏差和载波频偏.通过改变载波频偏值及参与二阶统计量计算的符号数,对定时同步及频偏估计性能进行研究.在加性高斯白噪声信道及Rice慢衰落信道下分别进行仿真.加性高斯白噪声信道仿真表明,算法在载波频偏达到15%符号率条件下仍有出色同步性能,当参与估计的符号数等于64时,定时偏差和频偏均方误差分别达到10－6及10－5以下;低信噪比不影响算法定时恢复性能.Rice慢衰落信道仿真表明,算法具有一定的抗衰落能力,适当改变Rice信道模型参数能提升其性能.算法采用非数据辅助方式及前馈结构,同步捕获快速,实现简单,适合于突发通信.     

一种单轮的动态组密钥协商机制

针对动态组密钥协商协议中,轮数大多为2轮,且效率不高的问题,利用ID-based密钥体系下的“免交互两方静态共享秘密”技术,构建了一种单轮信息交互的基于成员认证的组密钥协商协议,并将协议推广到组成员动态变化的情况.它使得密钥协商阶段所需的广播交互消息数目较2轮的协议减少一半,因而通讯效率得以提高.该协议的密钥协商过程是安全的,并且具备“前向”和“后向”安全属性,它能适用于不要求“完美前向安全”的安全组通信应用.     

基于自适应BP神经网络的桥梁结构荷载识别

在传统的BP神经网络中引入学习速率自适应调整算法，通过多次数值模拟计算确定学习速率和动量系数等网络 关键参数的取值；分析了学习速率、动量系数等网络参数对网络收敛速度和输出精度的影响；探讨了训练样本容量与网 络识别效果的关系.分别使用挠度、挠度曲率、应变和应变曲率作为输入参数对桁架桥梁荷载进行识别.结果显示以挠度 曲率或应变曲率为输入参数的网络识别效果明显优于以挠度或应变为输入参数的网络，以应变为输入的网络识别效果优 于挠度的情况；学习速率自适应调整算法有效避免了网络训练过程中误差曲线振荡现象的产生，提高了网络的学习效率 ，网络关键参数的最优取值改善了网络的收敛速度和输出精度     

结构损伤识别的耦合神经网络方法

目的 基于误差传播算法的BPNN和基于自适应共振理论的ART神经网络，提出一种耦合神经网络的三级识别模型，以实现对结构损伤的自主识别，方法 采用分步识别的思想，利用ART神经网络首先识别出有损伤的层，然后用遗传算法搜索最佳的BP神经网络结构来分别识别结构损伤的具体位置和损伤程度．结果 通过对结构健康监测基准问题的计算表明。提出的耦合神经网络的识别模型能够自主识别结构损伤的发生，正确识别结构损伤的具体位置和损伤程度．结论 基于误差传播算法的BPNN和基于自适应共振理论的ART神经网络组成的耦合神经网络识别模型具有自主识别结构损伤发生的能力。且识别速度快，能够正确识别结构损伤发生的具体位置和损伤程度．适宜于在线监测。     

用神经网络方法识别结构损伤的研究

首先提供了结构损伤前后固有频率的变化包含了损伤位置的程度信息，研究了利用动态响应和神经网络技术进行结构参数识别的方法，并确定了结构损伤的位置与程度，建立了一个BP网络结构损识别模型，计算结果表明，该BP网络能准确实现结构损伤判别与定位，说明该方法有效，可靠。     

快速收敛全局最优的多层前向神经网络综合反向传播算法

提出一种用于多层前向神经网络的快速收敛全局最优的综合反向传播算法。该算法使用了综合考虑绝对误差和相对误差的广义指标函数,采秀了在网络输出空间搜索的反传技术,具有动态自调整学习率和动量因子,有神经元激活特性自调整、减少平台现象和消除学习过程中不平衡现象的能力。对比实验表明该算法有比基本ＢＰ算法快得多的收敛速度,并能取得全局最优解。     

基于模态参数指标的空心板梁桥铰缝损伤对比研究

模态参数反映结构动力特性，基于模态参数的损伤指标能反映结构动力特性的变化，可用于桥梁结构损伤识别。以模态参数构成的损伤指标众多，每个损伤指标通过自身的变化来识别损伤，但难以用统一标准对不同损伤指标的识别效果进行量化对比。针对空心板梁桥的铰缝损伤，提出一致性量化指标，从数据层面定量描述指标的损伤指示效果，便于各类损伤指标的对比和应用。首先根据模态参数损伤指标，构造一致性量化指标，定量描述不同损伤指标的识别效果；然后建立空心板梁桥及其铰缝损伤的有限元实体模型，模拟3种不同铰缝位置处的损伤工况，对每处损伤分别设置6种不同损伤程度；最后应用一致性量化指标对比各损伤指标的识别性能，总结不同工况下各损伤指标识别效果的变化规律。分析表明，一致性量化指标能够在不同工况下定量描述不同损伤指标的识别效果。     

基于应变能均化指标和云模型的结构损伤识别

为了解决测量噪声等引起的损伤识别不确定问题,提出了基于应变能均化指标和云模型相结合的识别方法。分析了结构的模态应变能以及两种损伤指标,并考虑到模态应变能耗散率指标和等效指标之间的互补性质,通过均化方法建立了模态应变能均化指标;给出了云模型的基本理论,分析了云模型的数字特征、云处理算法以及确定度计算方法;结合随机测量噪声等引起的不确定性问题,建立了基于应变能均化指标和云模型的损伤识别方法。数值计算结果表明,应变能均化指标的识别结果略优于应变能耗散率指标和应变能等效指标,当考虑随机测量噪声时,云模型与应变能均化指标相结合的方法可以较好地进行含噪数据的损伤识别。     

学习率有限监督调整方法

从学习率对BP网络误差下降曲线的影响机理入手,提出了能够使学习率具有自适应调整能力的有限监督调整方法,通过实证分析并结合实际工程算例阐明了该方法的有效性。     

基于柔度曲率矩阵差的损伤结构识别方法

为了提高柔度法应用于结构损伤识别的范围和准确度,提出了一种柔度曲率矩阵差的损伤识别新指标,并在柔度法理论基础上进行了改进.通过简支梁和连续梁的算例对这种识别指标的有效性进行了验证,同时采用了另外3种识别指标进行了对比.结果表明：在单处损伤和多处损伤的情况下,使用该指标仅需前一阶模态数据就能对文中梁结构进行准确的损伤定位,并对结构轻微的损伤进行了准确识别.与文中的另外3种损伤指标相比,新指标具有明显的优势,且更具准确性和广泛性.     

用BP网络诊断汽轮发电机组振动故障

针对ＢＰ网络的不足，提出了自适应学习率的ＢＰ网络算法，该算法从根本上解决了ＢＰ网络中学习率的取值和收敛速度慢的问题，并有效地解决了ＢＰ网络易收剑到局部最小点的问题，并将这种改进的算法应用于汽轮发电机组的故障诊断中，结果表明该方法可行。     

基于支持向量机和粒子群算法的结构损伤识别

为了有效地进行结构的损伤识别,提出了一种基于支持向量机和粒子群算法的结构损伤识别方法。首先利用支持向量机为损伤裂缝指标、损伤位置与各阶频率和一阶振型建立函数关系,然后将利用该函数关系得到的频率和振型与实测频率和振型间的差异作为优化目标,进而实现结构的损伤识别。为提高损伤识别的精度,将优化目标转化为多目标优化问题,并利用所提出的灰色粒子群算法进行求解。实验结果表明,该方法在结构损伤识别中具有较好的效果。