基于改进PNN模型的人体健康监测方法

远程人体健康监测分析呈现滞后性、不准确性、设备昂贵等特点,因此难以实现实时、准确的人体健康监测分析。通过对人体健康监测方法和概率神经网络(PNN)的研究,将具有调节参数少、收敛速度快和保证获得贝叶斯最优解等优点的PNN应用于人体健康监测。但是PNN的缺点是未考虑不同类别模型之间的重叠和交错,以及当训练样本不满足假定条件时无法确定是否存在相应的PNN模型。针对这两个缺点,分析了径向基神经网络(RBNN)和广义回归神经网络(GRNN)的网络拓扑结构和优势,创新性地提出在PNN结构的模式层中引入RBNN结构,以及在PNN结构的输出层中引入GRNN结构,得到了一种新的径向基-广义回归-概率混合神经网络(RBF-GR-PMNN),从而满足实时、准确监测人体健康状况的要求。进行了RBF-GR-PMNN与一般PNN的对比试验。试验分别从准确率和运行时间等方面进行对比分析。试验结果证明了改进PNN在这些方面均优于一般PNN,进一步表明了RBF-GR-PMNN模型的有效性。     

智能制造的三个基本范式:从数字化制造、“互联网+”制造到新一代智能制造

本文简述了研究智能制造范式的重要意义,智能制造的内涵和发展历程,综合智能制造相关范式总结出智能制造三个基本范式:数字化制造、数字化网络化制造——"互联网+"制造、数字化网络化智能化制造——新一代智能制造。阐述了三种基本范式的内涵、特征。我国应从数字化"补课"做起,进一步夯实智能制造发展的基础;今后一阶段应重点发展"互联网+"制造,并行推进三种基本范式;新一代智能制造将从根本上引领和推进第四次工业革命,为我国实现制造业换道超车、跨越发展带来了历史性机遇。     

智能制造总体架构探析

智能制造是一个不断演进的大系统,涵盖了产品、制造、服务全生命周期中所涉及的理论、方法、技术和应用。面对智能制造不断涌现的新技术、新理念、新模式,迫切需要总结提出智能制造系统架构,以更好地指导智能制造落地实施。本文从价值维、技术维和组织维三个维度构建了中国智能制造总体架构,并分别与美国、德国、日本智能制造相关系统架构做了横向比较。智能制造总体架构的技术维反映了智能制造以两化融合为主线,价值维体现了智能制造的主体是制造活动,组织维强调了智能制造要以人为本。     

永磁同步电机静止参数辨识及电流环控制器自动参数整定

在永磁同步电机数字控制系统中,电流环控制器的参数整定是影响电流环带宽和系统控制性能的重要因素。为优化控制参数设计流程,提出一种基于静止参数辨识的自动整定方法,使控制系统在匹配不同电机平台时具有通用性。在永磁同步电机静止条件下,通过两点式伏安法辨识定子电阻值,消除脉宽调制中死区对定子电阻辨识的影响;通过高频注入法激励定子绕组,运用离散傅里叶变换分别得到交直轴电感值。分析推导自动整定电流环控制器参数方法,并根据辨识参数设计电流环控制器,在两组永磁同步电机实验平台上进行实验。实验结果表明：该控制方法可以使永磁同步电机具有良好的动态和静态性能;永磁同步电机静止参数辨识及电流环控制器参数自动整定方法是有效的。     

车用电驱系统主动短路模型及参数设计

在电动汽车用永磁同步电机驱动系统中，常采用主动短路(active short circuit,ASC)的方法避免高速行驶条件下电机反电动势过高造成的动力电池损坏。该方法存在交流侧暂态电流峰值较大，易造成功率器件过流损坏的缺点。考虑线性变调制比型主动短路(linear variable modulation ratio active short circuit,LVM-ASC)能有效降低暂态电流峰值而尚无机理模型提出。该文对ASC方法下的电机最大峰值电流进行定量分析，通过分段线性化建立系统在LVM-ASC方法下的离散化电流模型，并给出一种变调制比时间参数的设计方法，提升主动短路保护策略的灵活性。最后通过仿真和实验验证模型和参数设计方法的有效性。     

高性能永磁同步发电机无位置传感器控制策略

为提高全电化军用特种车辆的可靠性,进一步提升车载发电系统的功率密度,提出一种全速度范围内的永磁同步发电机无位置传感器控制策略。发电系统采用电压、电流双闭环的矢量控制算法,根据转速划分工作区,在低速区内,通过基于正交锁相环的角度跟踪器获取转子位置信息,在中高速工作区内,基于线性状态观测器实现转子位置估算,并结合基于递推最小二乘法的参数辨识算法,向观测器实时更新不同工况下的电机参数,以保证无位置算法的鲁棒性。仿真和实验结果表明：该控制策略在全速度范围内皆能实现精准的转子位置观测,电机状态在工作区切换处过渡平滑,负载投切时系统响应快速稳定,保证了特种车辆发电系统运行的可靠性。     

基于差分进化与模拟退火的人工鱼群算法研究

人工鱼群算法(AFSA)存在收敛精度低、易陷入局部最优、后期收敛速度慢等问题,因此难以得到精确的全局最优解。经过对人工鱼群算法、模拟退火(SA)算法和差分进化(DE)方法的研究,提出将SA算法和DE思想引入AFSA算法的后期搜索中,从而得到基于差分进化与模拟退火的人工鱼群算法(DESA-AFSA)。该算法首先通过鱼群算法搜索全局最优解;然后,在公告板最优记录的基础上,采用SA算法对全局极值满意解域进行局部优化,进而跳出局部极值。当SA算法的问题规模较大时,会降低寻优的最优值精度。因此,在SA算法中,通过DE操作增大个体差异性,凸显优秀个体,使优化值更接近最优解。仿真结果表明,与基于模拟退火的人工鱼群算法(SA-AFSA)和AFSA相比,DESA-AFSA在收敛速度、寻优精度和跳出局部极值的能力方面都有所改善,证明了DESA-AFSA的有效性。     

基于信息公理的设计方案模糊评价方法研究

针对现有模糊信息公理方案评价方法在指标确定和隶属函数选择方面存在的不足,提出了一种改进的设计方案评价方法. 首先根据公理设计原理,建立了目标域与指标域间之字形映射模型,确定了产品设计方案综合评价指标体系;其次根据指标值与设计范围的关系不同,将评价指标划分为不同类型,并采用正态模糊分布曲线描述各自隶属度,提出了相应的指标信息量计算方法;最后给出了基于信息公理设计方案模糊评价方法流程. 通过机械式停车设备的方案评价验证了该方法的可行性和有效性.     

聚氨酯适配器本体泡沫在导弹系统中的寿命分析及预测

聚氨酯（PU）适配器本体泡沫作为导弹系统中的重要组成部分，长期受弹体的挤压。研究PU适配器本体泡沫满足全备弹周期储存条件不小于10年具有一定意义。文章主要研究了PU适配器本体泡沫的常温长期压缩蠕变性能。根据高分子材料的蠕变行为及使用工况，选用“时间强化模型”和自行设计的实验工装，分别对不同密度、加载应力的A型、B型和C型PU适配器本体泡沫进行了常温长期压缩蠕变实验。通过软件拟合出相应参数，分析并预测了3种PU适配器本体泡沫的压缩蠕变寿命。通过“时间强化模型”计算的理论蠕变量与实际蠕变量偏差率小于5%。说明蠕变模型有效，A型、B型和C型PU适配器本体泡沫满足使用寿命10年的要求，为高分子材料常温蠕变性能的研究和寿命预测提供思路。