Selection of Spectral Data for Classification of Steels Using Laser-Induced Breakdown Spectroscopy

Principal component analysis (PCA) combined with artificial neural networks was used to classify the spectra of 27 steel samples acquired using laser-induced breakdown spec?troscopy. Three methods of spectral data selection, selecting all the peak lines of the spectra, selecting intensive spectral partitions and the whole spectra, were utilized to compare the influ?ence of different inputs of PCA on the classification of steels. Three intensive partitions were selected based on experience and prior knowledge to compare the classification, as the partitions can obtain the best results compared to all peak lines and the whole spectra. We also used two test data sets, mean spectra after being averaged and raw spectra without any pretreatment, to verify the results of the classification. The results of this comprehensive comparison show that a back propagation network trained using the principal components of appropriate, carefully se?lected spectral partitions can obtain the best results. A perfect result with 100% classification accuracy can be achieved using the intensive spectral partitions ranging of 357-367 nm.     

基于EKF的异步电机转速和负载转矩估计

合理选择电机的容量具有重要的意义,电机的容量可根据电机的转速和负载转矩确定,将电机的转速和负载转矩同时作为系统的状态,提出了一种基于EKF同时估计异步电机转速和负载转矩的方法,建立了包含异步电机转速和负载转矩状态的系统模型,基于该模型用EKF实现了同时估计异步电机转速和负载转矩,仿真和实验验证了所提方法能以较高的精度同时估计出电机的转速和负载转矩.     

光刻过程RtR控制方法研究进展分析

首先对光刻过程和RtR(Run-to-Run)控制技术的产生背景进行了介绍,对统计过程控制的不足进行了分析并给出了RtR控制器的一般结构。然后从过程建模和控制算法两个角度对三种主要的光刻过程RtR控制器EWMA,MPC和ANN进行了综述和评价,对这三种控制器在非线性控制、单变量控制、多变量控制的适用性和优化控制效果进行了比较分析。最后指出基于MPC的非线性多变量控制器将成为光刻过程RtR控制器的主要研究方向。     

基于LS-SVM的光刻过程R2R预测控制方法

针对光刻过程非线性、时变和产品质量不易在线测量的特性,提出了一种基于最小二乘支持向量机预测模型和微粒群滚动优化方法的批次控制预测控制器。通过历史批次样本数据构建光刻过程的最小二乘支持向量机预测模型,解决了复杂光刻过程难以建立精确数学模型的难题,提高了预测模型的精度。通过预测误差的反馈校正和微粒群滚动优化算法求解最优控制律,提高了控制精度。性能分析结果表明,与指数加权移动平均方法及非线性模型预测控制方法相比较,批次控制预测控制器控制器减小了不同批次关键尺寸输出的差异,显著降低了关键尺寸输出的均方根误差,有效抑制了过程扰动影响。     

基于神经网络的CMP过程智能R2R预测控制

针对化学机械研磨(CMP)过程非线性、时变和不易在线测量的特性,提出了基于径向基函数(RBF)神经网络和微粒群(PSO)算法的CMP过程run-to-run(R2R)预测控制器NNPR2R。首先通过样本数据用减聚类算法和最小二乘法构建CMP过程的RBF神经网络预测模型,解决了复杂CMP过程难以建立精确数学模型的难题和提高了预测模型的精度。然后通过PSO算法滚动优化求取控制律,解决了基于导数的优化技术易于陷入局部最优的问题并提高了控制精度。仿真结果表明,CMP过程NNPR2R控制器的性能优于常规的EWMA方法,有效抑制了过程漂移和减小了不同批次间产品的差异,显著降低了材料去除率(MRR)的均方根误差。     

基于工业无线技术的非侵入式电机故障诊断系统

介绍一种适用于中小型电机的在线监测与故障诊断系统,系统采用无线传感器网络技术构建电机在线监测通信平台,利用非侵入电机电流信号特征分析技术,实现了电机运行状态的在线监测和电机转子断条、匝间短路等典型故障的在线诊断,为中小型电机的在线监测与能源管理提供了一种低成本解决方案。     

基于代价敏感直推式学习的故障诊断方法

针对故障诊断领域存在的不考虑误诊断代价以及提出泛化能力强的诊断规则难等问题,提出了一种代价敏感直推式学习故障诊断方法。基于Kolmogorov算法随机性理论和代价敏感学习最小期望误分类代价准则提出了代价敏感直推式分类机制,并在此基础上设计了用于故障诊断的CsTCM-kNN算法。通过旋转机械轴系故障代价敏感诊断实验,验证了该方法能够有效地降低误诊断代价,且保证较高的诊断准确率。     

新型异步电机在线监测和节能控制器的设计与实现

介绍了一种新型嵌入式异步电机在线监测与节能控制器。通过对异步电机定子工作电压电流的监测,分析电机工作效率,并对其实施PWM控制,从而实现对异步电机工作状态进行监测和节能控制。     

试议高校低值易耗品监控体系

从高校实验室低值易耗品管理中存在的问题,以及如何规范低值易耗品的管理、提高管理人员的综合素质方面,强调高校实验室应更新管理观念,建立完善低值易耗品的监控体系,促进日常管理工作步入规范化、科学化轨道,加强维修队伍建设,提高仪器设备的投资效益。