混联式混合动力变速器液压系统控制策略设计

为了满足某新型混联式混合动力变速器在不同的整车行驶模式下对其液压系统工作状态的不同控制要求,基于该新型混联式混合动力变速器及其液压系统的结构,设计了液压系统工作状态和阀块工作状态的控制策略,通过建立Simulink控制模型,并采用快速控制原型技术和整车转鼓试验对该控制策略的正确性和可靠性进行验证。试验结果表明该控制策略能够很好地匹配整车的行驶模式,满足变速器对其液压系统的控制要求。     

用于动力系统控制的时滞神经网络

提出了一种连续回归时滞神经元网络,并将其用于动力系统控制。通过在隐层神经元中引入时滞,构造了一种新的时滞神经网络模型。应用Lyapunov稳定性方法,给出了此神经网络权值的修正算法和系统的控制输入,保证了控制系统的稳定性。本文建立的控制方法不需要系统任何的先验知识,并能保证控制误差收敛到零点附近的一个小的邻域,并始终保持在这个区域内。最后通过对一种超声马达进行控制实验,验证了本方法的有效性。     

生物信息学中的MicroRNA预测研究

为microRNA预测的研究提供参考,讨论了生物信息学中有关MicroRNA预测研究的若干问题。根据最新的研究成果,由MicroRNA预测的特征信息和数据源,从结构序列分析方法、比较基因组方法和机器学习方法等方面对MicroRNA预测的生物信息学方法做了回顾和展望,指出了该领域研究的趋势。通过对3类方法的比较结果表明,采用机器学习方法的效果更优越,能较精确地预测出MicroRNA。     

功率分流式混合动力变速器箱体动态特性分析

功率分流式混合动力变速箱内的各齿轮啮合和电机产生的振动噪声是影响整车性能的重要指标,而箱体是变速器的主要噪声辐射件,对箱体进行模态分析有利于对箱体的进一步优化。运用Ansys对某混合动力变速器箱体进行模态分析,得到箱体的固有频率。通过模态试验验证有限元模型的正确性和可靠性。同时给出了理论计算出的前轮固定转速对应的各啮合齿轮的啮合频率,并对箱体在某些恒定车速下的振动情况进行试验,试验表明在一些常用的纯电动工况下,齿轮的啮合频率确实与箱体的固有频率避开,为箱体的前期开发和后期优化提供了依据。     

基于模糊自适应BP算法的包装件缓冲垫层非线性特性识别

将模糊自适应ＢＰ算法应用于包装件缓冲垫层非线性特性识别问题，提高了网络训练速度，从而使结构化神经网络方法更适于实际应用．     

基于神经网络的迭代控制器在超声马达速度控制中的应用

针对超声马达的速度控制问题提出了一种基于神经网络方法的迭代控制器。通过理论分析给出了保证控制器最快收敛的自适应学习率。数值结果表明该控制器对于多种形式的参考速度都有较好的控制效果 ,其控制精度与已有方法相比有较大提高。模拟结果还表明该方法对于随机扰动有较强的鲁棒性。     

弱非线性系统在白噪声激励下均方响应的优化

本文研究了具有硬弹簧或软弹簧的弱非线性振动系统在白噪声激励下位移均方响应的优化问题。利用摄动法求得了位移响应谱与激励谱之间的关系。根据阻尼最小二乘可行方向法,以质量 m_2在某频率范围内的位移均方响应为目标函数,对阻尼与刚度系数进行了最良选择,在计算机上实现了这种优化。     

进化Elman神经网络模型与非线性系统辨识

建立了一种采用改进的自适应遗传算法实现动态递归的进化E lman神经网络模型。提出了对网络的结构、权重、结构单元的初始输入和自反馈增益因子同时进化的学习算法。用初始状态优化的E lman网络集成反馈学习算法和E lman网络在线训练两种动态辨识算法形成的集成化动态递归网络辨识算法,实现了超声马达的速度辨识。模拟结果表明,提出的算法不仅实现了动态递归网络的全自动优化设计,而且明显提高了动态递归网络模型辨识算法的收敛精度,为非线性系统辨识提供了一条新的途径。