恒功率变量问题的探讨

对恒功率变量的原理、特性进行了系统的分析，阐述了它在斜轴泵中的应用     

灰色系统理论在斜拉桥施工控制中的应用

根据斜拉桥的施工特点和误差调整理论，重点讨论灰色系统理论在斜拉桥施工控制中的应用。在对重庆某斜拉桥的施工控制中，通过建立灰色预测模型，对该桥的线形和索力实施有效的“双控”。     

供热管网和锅炉的联合调节

针对分户计量供热方式下热水锅炉自动控制系统，提出一种根据用户需求。恒压变量供热的模式。通过循环泵供回水压差恒压变量运行实现按需供热。结合本地区历年冬季室外环境数据和经验，制定出锅炉出口水温随室外温度变化的曲线。使DCS（分布控制系统）自动控制系统根据室外温度随季节的变化自动调整锅炉出口水温度的给定值。即热网调节方式采用“质调节”为主，“量调节”为辅的形式，热源厂根据室外气温变化确定供水温度，热用户再根据需求调节流量。     

基于改进遗传算法的钢混单筋梁优化设计

针对遗传算法在结构优化应用中的缺点以及钢筋混凝土单筋梁的特点，提出了一种小群体规模遗传算法，同时给出适用的钢筋混凝土单筋梁优化设计的数学模型和适应度函数，来寻求钢筋混凝土单筋梁的满足约束、造价最低的设计方案．算例表明这种方法有很强的全局搜索能力，能减少结构特性计算量，收敛速度快，能有效解决单筋梁的优化问题．     

一种新型的泵/马达变量机构

本文介绍了一种由高速开关系统控制的新型泵/马达变量机构。该变量机构是在传统的泵/马达变量机构的基础上,加以简单的高速开关阀而构成。它具有机构简单、变量准确、能够过零点操作以及响应速度快的特点,适用于运输车辆及工程机械等场合。     

电液比例变量泵控定量马达调速特性研究

以电液比例变量泵-定量马达恒速控制系统为研究对象,详细阐述了变量泵电液比例变量机构的控制原理,分析了变量泵的斜盘机构受力情况,推导了变量机构和泵控马达系统的数学模型.分别在仿真软件MATLAB/Simulink和AMESim上建立变量机构和变量泵控马达系统的仿真模型,对变量机构响应时间和马达输出转速响应进行了仿真研究和试验对比.利用发电机为恒转速负载,进行了实车试验.在突加/突减16 kW负载的试验中,马达转速在3 s内恢复到设定值,稳态的波动率为0.29%,瞬态调整率为6.0%.分析结果表明,电液比例变量泵控马达系统作为柴油机和恒转速负载之间的调速机构和动力传递纽带是可行的.     

基于神经网络的混凝投药系统预测模型

对目前水厂实际运行过程中混凝剂投量的确定及影响因素进行了分析，通过引入神经网络预测理论建立了混凝剂投量的预测模型，并以某水厂的实际运行数据对该模型的性能进行了验证。结果表明，网络预测模型具有很强的自学习性、自适应性和容错性，通过网络的在线自学习，可使预测结果的准确度明显提高。利用该模型可实现混凝剂投量的在线预测控制，为实现混凝剂的最优投加提供了一条有效途径。     

A8V系列斜轴式变量双泵的应用

A8V系列斜轴式变量双泵以使用压力高、结构紧凑和流量调节方便等优点，广泛应用于挖掘机和起重机等工程机械的无级变量开式液压系统。为了保证其使用可靠，延长寿命，提高主机的工作效率，必须了解该系列泵的工作原理，掌握正确的使用要领和故障诊断排除的方法。1泵的工作原理与结构该系列泵的工作原理是在泵的同一壳体内，装有两个斜轴式泵芯，泵芯中的油路通过配油盘上的配油孔，分别与一个共同的吸油口相通，其出油口不相同，形成两个排量相同而压力随着各自的负荷而异的双泵；它由一个调节装置利用两个泵的压力总和作指令，使两个泵的…     

形状的全尺度可视化表示与识别

目的 视觉目标的形状特征表示和识别是图像领域中的重要问题。在实际应用中,视角、形变、遮挡和噪声等干扰因素造成识别精度较低,且大数据场景需要算法具有较高的学习效率。针对这些问题,本文提出一种全尺度可视化形状表示方法。方法 在尺度空间的所有尺度上对形状轮廓提取形状的不变量特征,获得形状的全尺度特征。将获得的全部特征紧凑地表示为单幅彩色图像,得到形状特征的可视化表示。将表示形状特征的彩色图像输入双路卷积网络模型,完成形状分类和检索任务。结果 通过对原始形状加入旋转、遮挡和噪声等不同干扰的定性实验,验证了本文方法具有旋转和缩放不变性,以及对铰接变换、遮挡和噪声等干扰的鲁棒性。在通用数据集上进行形状分类和形状检索的定量实验,所得准确率在不同数据集上均超过对比算法。在MPEG-7数据集上精度达到99.57%,对比算法的最好结果为98.84%。在铰接和射影变换数据集上皆达到100%的识别精度,而对比算法的最好结果分别为89.75%和95%。结论 本文提出的全尺度可视化形状表示方法,通过一幅彩色图像紧凑地表达了全部形状信息。通过卷积模型既学习了轮廓点间的形状特征关系,又学习了不同尺度间的形状特征关系。本文方法在视角变化、局部遮挡、铰接变形和噪声等干扰下能保持较高的识别正确率,可应用于图像采集干扰较多以及红外或深度图像的目标识别,并适用于大数据场景下的识别任务。