铸造充型过程控制参数的智能选择

在压力铸造生产中,很多时候因为浇铸口、排气口位置及压铸力等控制参数选择不合理导致缩孔、冷隔或者气孔等缺陷。浇铸口和排气口位置等工艺参数经过优化计算后可以大大减少这些缺陷。文章利用铸造充型过程数值仿真软件,通过数值计算获得一些有关控制参数的实验结果;然后将数值实验结果作为样本数据,运用Levenberg-Marquardt算法训练神经网络,建立起输入参数(各个工艺参数)和输出值(充型时间和充型结束时型腔内最高温度与最低温度之差)之间的函数关系;再使用遗传算法对该问题寻优。从而得到最合适的浇铸参数。     

一种基于传感器的测量目标运动参数方法研究

光电经纬仪跟踪过程中,为高精度地跟踪目标,必须提高目标运动参数的测量精度.结合工程中遇到的实际问题,提出了采用单站、双站交会综合测量目标空间坐标的方法,利用三次样条插值方法拟合目标的运动轨迹,确定目标在各时间点的方位坐标和运动参数.经实验验证:在激光测距仪测距精度为0.2m、编码器测角精度为20″时,测速精度可以提高0.351 m/s.与传统方法相比,该方法具有数据利用率高、计算方法简单、实时性好等优点.     

基于DXF文件格式的三次参数样条曲线的生成

介绍了三次参数样条曲线的研究现状和AutoCAD软件接口,提出了以DXF文件格式为桥梁实现AutoCAD三次样条图形与VC++之间的数据交换.运用VC++编程提取出该文件中各个三次样条曲线的起始端点和终止端点切向、型值点总数和各型值点坐标,运用给出的三次参数样条曲线生成原理和方法,VC++编程实现了三次参数样条曲线的参数化绘制.     

高精度三次参数样条曲线的构造

构造参数样条曲线的关键是选取节点，该文讨论了GC^2三次参数样条曲线需满足的连续性方程，提出了构造GC^2三次参数样条曲线的新方法，在讨论了平面有序五点确定一组三次多项式函数曲线，平面有序六点唯一确定一条三次多项式函数曲线的基础上，提出了计算相邻两区间上的节点的算法，构造的插值曲线具有三次多项式函数精,该文还以实例对新方法与其它方法构造的插值曲线的精度进行了比较。     

带参数的四次Hermite插值样条

为了克服标准三次Hermite插值样条的不足,给出了一种带参数的四次Hermite插值样条,具有标准三次Hermite插值样条完全相同的性质。在插值条件给定时,四次Hermite插值样条的形状可通过改变参数的取值进行调控。通过选择合适的参数,四次Hermite曲线能达到C2连续,而且其整体逼近效果要好于标准三次Hermite插值样条。所提出的新样条进一步丰富了Hermite插值样条理论,也为工程中插值曲线曲面的构造提供了一种新方法。     

参数样条曲线OFFSETR的BP算法

本文提出了用ＢＰ神经网络计算参数样条曲线的ＯＦＦＳＥＴ的曲线新方法。并以Ｂ样条曲线为例，给出了计算机实例，结果表明，该算法可行，稳定，具有实际应用价值。     

带形状参数的三次三角Hermite插值样条曲线

给出了一种带形状参数的三次三角Hermite插值样条曲线,具有标准三次Hermite插值样条曲线完全相同的性质。给定插值条件时,样条曲线的形状可通过改变形状参数的取值进行调控。在适当条件下,该样条曲线对应的Ferguson曲线可精确表示椭圆、抛物线等工程曲线。通过选择合适的形状参数,该插值样条曲线能达到[C2]连续,而且其整体逼近效果要好于标准三次Hermite插值样条曲线。     

面向对象的三次参数样条曲线技术

本文利用Ｃ＋＋面向对象的特征，对三次参数样条曲线的定义和生成过程进行封装，从而极大地简化了三次参数样条曲线的定义和绘制过程     

两种带形状参数的曲线

本文构造了两种带参数的三角样条基,基于这两组基定义了两种三角样条曲线。与二次B样条曲线类似,这两种曲线的每一段都由相继的三个控制顶点生成。这两种曲线具有许多与二次B样条曲线类似的性质,但它们的连续性都比二次B样条曲线更好。对于等距节点,在一般情况下,这两种曲线都整体C3连续,在特殊条件下,它们都可达C5连续。两种曲线中的形状参数均有明确的几何意义,参数越大,曲线越靠近控制多边形。另外,当形状参数满足一定条件时,这两种曲线都具有比二次B样条曲线更好的对控制多边形的逼近性。运用张量积方法,将这两种曲线推广后所得到的曲面也具有较好的连续性。     

非均匀三次参数样条曲线的能量最优光顺算法

1996年,Poliakoff提出了一种具有广泛应用背景的的光顺算法,该算法将Kjellander算法推广到非均匀三次参数样条曲线的情形,但忽视了对坏点切向量的修改,而坏点切向量有时会严重影响光顺效果．据此,提出了同时修改坏点位置和切向量算法,导出了光顺算法的显式公式,并且证明了该算法是能量最优的;还指出Poliakoff算法是文中算法的一种特例．大量的数值例子表明,文中算法具有很好的光顺效果,具有良好的应用前景．     

基于Matlab的发酵过程平台软件设计

设计了一套优化软件,将先进的智能控制理论运用到发酵过程控制领域中。针对非线性、时变的发酵过程利用神经网络非线性预测控制方法,建立了发酵过程神经网络模型进行菌体浓度、基质糖浓度、产物浓度的在线估计。由于缺乏发酵过程精确的数学模型,采用神经网络非线性预测控制方法结合遗传算法寻优技术确定发酵过程控制参数的最佳值,使整个发酵过程始终处于最优化状态,优化结果可提供给工艺工程师加以修正,再应用于生产,从而提高生产率。     

基于三次样条滚动优化多步预测算法的网络学习控制

对于网络延时给基于网络学习的控制带来的不利影响，提出了基于三次样条滚动优化多步预测模型和神经网络在线调节的复合控制，并对令牌网上的复杂、时变、非线性及有外部干扰的被控对象进行了跟踪控制仿真．仿真结果表明：采用本文的复合控制策略，能够较好地克服网络延时对复杂对象控制所产生的不利影响，具有很好的快速性和跟踪精度．     

高维三次样条插值法在气动参数计算中的应用

根据一维三次样条插值算法能够达到二阶连续的光滑程度,将其扩展到高维插值,应用到由多自变量决定的气动参数计算。相对于高维线性插值算法,提高了插值精度,同时又避免了高次拉格朗日插值中的失真现象。并针对于高维三次样条插值算法,提出一种改进的边界条件,能够提高插值精度,简便工程应用。通过标准函数的数值试验,证明该高维插值方法及其改进边界条件对气动参数计算精度的提高是明显的。     

一种有效的最优序参量重构方法

针对模式识别中协同方法存在的问题,提出了一种协同神经网络中序参量重构的方法,该方法是利用遗传算法的全局最优搜索能力,通过对训练样本集的学习,然后再通过在序参量的构建参数空间进行全局搜索来获得最优重构参数。利用实际采样得到的样本对新算法进行的测试表明,新方法确定能找到一组序参量重构参数,并能使识别性能有较大提高。     

Understanding the Difference Between Robust Control and Optimal Control in a Linear Discrete-Time System with Time-Varying Parameters

Robust control has been a very popular area of research in the last two decades. The goal of this paper is to investigate the assumptions implicit in the “nonprobabilistic nature” of the a priori information used to derive the linear-quadratic robust control in discrete-time. This is done by comparing robust control with the optimal control for a linear system with time-varying parameters. First the theoretical differences between the two approaches are discussed. Then they are used in two numerical examples: a simple model with one control, one state and a time horizon of two periods, which is suitable for hand calculations, and the permanent income model. The main conclusion is that the decision maker applying robust control is indeed assuming a very restricted class of true, unknown models. JEL classification: C61     

基于ANFIS的机械手运动学逆解的求取

提出一种基于自适应神经模糊推理系统（ANFIS）求取机械手运动学逆解的方法。本文以SCARA（Selective Compliance Assembly Robot Arm）型四自由度机械手为研究对象,研究SCARA机械手末端执行器笛卡儿空间坐标与机械手关节空间关节变量之间的对应关系。首先根据笛卡儿运动轨迹选取起点、终点和中间点,并求得与之对应的关节变量值序列。然后利用插值方法求得关节空间的角度变化曲线,最后在关节曲线上随机选取样本点,进而利用得到的数据训练并验证自适应神经模糊推理系统求解逆解的正确性和精确性。与传统基于BP神经网络求取运动学逆解的方法进行仿真对比分析,结果表明ANFIS在运动学逆解的求取精度和运算时间上均优于BP神经网络。     

基于BP神经网络的土壤水力学参数预测

为了获取区域土壤水分和溶质运移模拟所需的土壤水力学参数,利用黄淮海平原曲周县的试验资料建立基于BP神经网络的土壤转换函数模型。本文采用土壤粒径分布、容重、有机质含量等土壤基本理化性质,来预测土壤饱和导水率Ks、饱和含水量sθ、残余含水量θr、以及van Genuchten公式参数α、n的对数形式ln(α)和ln(n),并与多元线性逐步回归方法进行比较。t检验结果表明,BP神经网络训练和预测得到的模拟值与实测值之间吻合很好,该方法具有较高的预测精度。通过对平均相对误差的比较,得出在粒径分布的基础上增加容重、有机质含量等输入项目,可以提高部分土壤水力学参数的预测精度,而有些参数的预测精度反而降低。以误差平方和为标准的比较结果表明,BP神经网络模型的预测效果总的来看要优于多元线性回归法。     

基于MRF和神经网络的三维运动参数估计

为解决非刚体三维运动中运动参数估计的问题,结合了马尔科夫随机场(MRF)和神经网络的方法。其中,MRF用于建立各个特征点的局部运动相关性模型,求出各个特征点的三维坐标;神经网络方法用于对特征点进行聚类,并求出运动参数;最后根据求出的运动参数修正各个特征点的邻域系,实验结果表明该算法能够正确估计出非刚体的运动参数。     

气体传感器阵列中特征参数的提取与优化

用一组厚膜金属氧化锡气体传感器阵列对气味进行分析和识别 ,其中最重要、最难的因素是传感器特征提取技术和特征参数的优化 ,使所用的传感器阵列能快速准确地识别不同气味。然而 ,目前尚无令人满意的方法。本文中研制了适用于传感器阵列反应的试验装置 ,在获得传感器与食醋挥发气体反应的整个过程的数据的基础上 ,提取了传感器与食醋散发的气体反应的特征值。利用分辨率来提取 ,以确定所提取的特征参数是否最优 ,从而决定该特征值在以后模式识别中是否有用。再对那些分辨率指数大的特征参数进行主成分分析和神经网络分析 ,主成分分析结果表明不同醋之间区分得比较开 ,神经网络的识别正确率达到 10 0 %。显然这一方法也可用于解决其它形式传感器阵列问题。