超音速火焰喷涂WC-10Co4Cr涂层的制备及真空重熔对涂层性能的影响

采用超音速火焰(HVOF)喷涂技术在304不锈钢基体上制备了含有镍基合金过渡层的WC-10Co4Cr涂层,并对涂层进行真空重熔处理.对涂层的组织结构、显微硬度、耐摩擦及耐冲蚀性能进行测试.结果 表明:涂层经真空重熔后,其结构更加致密,涂层和基体交界处由机械结合向冶金结合转变.重熔处理前后涂层的主相都是WC相.重熔处理后...     

YG6硬质合金高速磨削试验研究

采用树脂结合剂金刚石砂轮,对YG6硬质合金进行高速磨削加工,以测量在不同的砂轮线速度、工作台速度和磨削深度对磨削的影响。     

4Cr5MoV1Si钢在力传感器弹性体上的应用研究

分析了国外力传感器中钢质弹性材料的组织结构与性能,研究了国产4Cr5MoVlSii钢的热处理制度与组织、性能之间的关系。结果表明,只要通过适当热处理,4Cr5MoVlSi钢即能达到国外传感器中同类弹性体的性能指标。     

TC4钛合金磨削机理和仿真研究

Ti-6Al-4V(TC4)钛合金属于航空航天构件中广泛应用的难加工的材料,其磨削加工表面质量具有较高的要求,磨具与钛合金表面的接触过程十分复杂.为探索其微观磨粒磨削中的切削力、切削温度、切屑形态等变化,开展TC4钛合金三维单颗磨粒磨削加工机理及仿真技术研究.基于磨削基础理论及钛合金材料性能,分析建立单颗磨粒磨削加工物...     

基于进化BP神经网络的磨削温度预测研究

磨削过程中,过高的磨削温度会对零件产生热损伤等负面影响,为了能够掌握并控制磨削温度,对磨削温度场进行了仿真和预测研究.首先,利用有限元法对磨削温度进行仿真;随后,分别采用BP和遗传算法优化BP神经网络进行仿真结果预测.最后,将两种神经网络预测结果分别与仿真结果进行比较.结果显示,遗传算法优化BP神经网络性能更优,预测值...     

IBMPC处理10MHz高速模拟信号的研究

以ＩＢＭＰＣ为主机，讨论了高速数据采集系统的工作原理与系统组成。本系统用于ＴＦＤＣＣＤ摄象机的数据处理，取得了良好效果并适用于其它高速数据采集系统。     

复合式高速,高分辨力A／D转换器的研究

介绍一种采用多个不同分辨力的A/D转换器实现高速、高分辨力复合式A/D转换器的方法,分析了该转换器的原理和电路结构,设计了用两个12位A/D转换器组成的24位A/D转换器的具体电路。     

高速列车多质点子空间预测控制方法研究

针对列车单质点模型在坡道/曲线段受力存在误差,影响高速列车运行控制器的计算精度,建立多质点高速列车运行模型,提出一种基于子空间辨识的预测控制方法。首先,详细分析在坡道/曲线段高速列车考虑其长度的受力情况;接着,利用子空间从列车运行数据辨识模型参数,构建了列车多质点的状态空间模型;然后,具体给出预测控制器的设计步骤;最后,利用MatLab软件进行速度跟踪仿真对比实验,结果表明本文方法的有效性。     

基于模糊预测控制的高速列车速度控制研究

为了提高高速列车速度控制的跟踪精度,文章在分析了列车牵引制动系统的基础上,以CRH2-300数据为例计算了列车牵引制动的理想运行曲线,并对模糊控制、预测控制,经典的PID控制以及模糊预测控制的阶跃响应作了对比分析,将模糊控制的快速响应能力并能尽快的达到稳态的特点和预测控制能够提前预测的优点相结合设计了适合高速列车的模糊预测控制器,控制高速列车跟踪理想运行曲线;仿真结果表明,该控制器能够很好的跟踪目标曲线,满足误差小、精度高的要求。     

机器人六维力传感器研究概况及发展预测

随着机器人技术的飞速发展，机器人六维力的传感器越来越多的得到广泛的应用。本文对机器人六维力传感器的研究概况及影响因素作了简要概述，并对未来机器人六维力传感器的发展方向作了预测。     

高速列车自动驾驶前馈自适应广义预测控制方法研究

高速列车自动驾驶（ATO）系统本质上是强非线性和不确定性的系统,针对高速列车模型参数非线性和时变性等特点,文章提出了一种前馈自适应广义预测控制（FA-GPC）的方法对ATO系统进行动态优化控制,并设计了一种带约束的多目标预测控制器。首先,基于列车多质点模型,分析附加阻力的改变对列车运行的影响;然后,结合列车运行过程中的速度跟踪精度、停车精度及运行舒适性等关键指标,构建包含控制输入约束的多目标性能指标函数,设计基于多目标函数的前馈广义预测速度跟踪控制算法,解决了由于附加阻力变化导致控制器超调的问题并加快了控制收敛速度。由于列车运行过程中受外界环境、乘客流动等因素影响,阻力变化大,难以建立精确的数学模型,因此采用带约束的变遗忘因子递推最小二乘法来辨识出列车控制系统在不同工况下受控自回归积分滑动平均模型（CARIMA）,进而提高控制系统的鲁棒性。仿真结果表明,相比传统的无前馈GPC和PID控制器,前馈广义控制器在不同线路条件下巡航控速速度跟踪精度在±0.5 km/h范围内,具有良好的跟踪性;在强扰动情况下通过引入自适应改进的前馈广义预测控制算法,具有较强的鲁棒性。     

基于鲁棒预测控制的高速列车节能运行研究

针对高速列车在运行过程中的传统控制策略优化精度差、难以达到理想的节能效果的问题,提出了基于安全、准点、节能等多目标要求的高速列车鲁棒预测控制策略。对列车的运行过程进行受力分析,运用聚类和最小二乘法建立了基于多模型的线性预测模型,考虑高速列车惰行运行及道路条件等情况,合理设计出列车的节能目标曲线。将相应的节能曲线作为输入量,采用鲁棒预测控制算法进行优化,有效地提高了模型的适配性和跟踪性。以CRH3型列车作为研究对象进行仿真,结果表明,鲁棒预测控制能够满足跟踪节能曲线精度的要求,验证了该节能运行方式的可行性和优越性。     

高速列车节能运行的滑模预测控制研究北大核心CSCD

考虑高速列车的安全性、准时性和节能环保的要求,设计列车运行的目标曲线;根据列车运行过程随机性的特点,结合滑模预测控制强鲁棒性的优点设计了ATO的控制器。首先用模糊聚类算法对系统输入输出数据进行快速分类,应用最小二乘法辨识出相应的线性子模型作为预测模型;其次,在考虑准时性的基础上采用节能优化理论设计列车运行目标曲线,作为控制系统的参考输入;最后设计滑模预测控制器,利用极点配置方法设计渐进稳定的滑模面,有效克服抖振现象。以CRH2-300型列车为研究对象进行仿真分析,结果表明,滑模预测控制能有效克服干扰信号,且能实现精确跟随所设计的目标曲线;验证了该算法应用到ATO中的有效性和可行性。     

基于多模型加权的高速弹丸目标落点预测方法研究

针对目前高速弹丸目标海上试验末段弹道外推及落点预测方法单一,模型复杂和适应性差等问题,提出一种基于多模型加权组合的弹道重构及落点计算方法.利用无迹卡尔曼滤波技术对雷达测量数据参数估计,基于多模型理论,采用非线性加权平均最优组合估计方法,将运动学和动力学建模外推弹道加权组合,并对外推弹道及落点计算精度进行了试验验证.试验...     

基于大数据的4G用户流失预测研究

随着移动通信行业的发展,4G时代已来临,行业的发展策略已逐步由"发展新用户"改变为"存量经营",即避免客户流失、提高用户的忠诚度。从某移动运营公司中提取了4G用户的客户信息、数据信息等数据,经过预处理后使用BP神经网络算法实现了用户流失情况的预测,同时,将算法部署在Hadoop平台上,实验表明系统能够较好预测用户的流失情况,为运营商提供决策支持。     

H.264帧内4×4块预测模式选择快速算法研究

在H.264视频编码过程中,编码时间受诸多因素的影响,如帧间/帧内模式选择、运动估计(ME)、率失真优化(RDO)等。为了以较快速度和较好质量进行编码,针对H.264帧内模式选择,提出了一种适用于H.264帧内4×4块预测的模式选择快速算法。该算法利用帧内4×4块最优预测模式与和它相邻的预测模式之间率失真代价(RD Cost)的高相关性,以及绝对变换误差和(SATD)与率失真(RD)性能之间的强相关性,有效地跳过一些不太可能的预测模式,从而使帧内4×4块模式选择过程只需进行4次率失真代价计算即可。实验结果显示,该算法在编码性能和编码速度之间取得了很好的折衷。     

H.264/AVC帧内4×4块预测模式选择算法的研究

在分析H.264帧内预测技术的基础上,提出了一种快速的帧内4×4块预测模式选择算法.该算法计算当前4×4块与空间/时间相邻4×4块之间的相似程度,判断是否跳过其模式选择过程;对未跳过的4×4块,根据变换系数的绝对差值和(SATD)信息及空间/时间相关性,排除一些可能性小的预测模式.实验表明,与JM10.2相比,对于IIII及IPPP编码结构:编码时间平均减少了44.07%和20.49%,码率和Y分量的信号噪声比(SNRY)基本不变.     

H.264帧内4×4块预测模式选择快速算法研究

在H．264视频编码过程中，编码时间受诸多因素的影响，如帧间／帧内模式选择、运动估计（ME）、率失真优化（RDO）等。为了以较快速度和较好质量进行编码，针对H．264帧内模式选择，提出了一种适用于H．264帧内4×4块预测的模式选择快速算法。该算法利用帧内4×4块最优预测模式与和它相邻的预测模式之间率失真代价（RDCost）的高相关性，以及绝对变换误差和（SATD）与率失真（RD）性能之间的强相关性，有效地跳过一些不太可能的预测模式，从而使帧内4×4块模式选择过程只需进行4次率失真代价计算即可。实验结果显示，该算法在编码性能和编码速度之间取得了很好的折衷。     

基于大数据分析的10kV配网停电作业时长预测优化研究

传统的10kV配网作业停电时长预测主要依赖于前期现场勘查和工作负责人经验估算。随着配网作业手段的不断进步及用户供电可靠性、优质服务要求的不断提高,对10kV配网预安排停电预测的精细、准确程度也提出了较高的要求。针对目前停电时长预测与实际完成偏差仍然较大情况,本文提出了一种基于大数据分析的10kV配网停电作业时长预测方法。通过开展近三年配网停电事件分析,归纳整理影响预测准确度的不同因素,从标准化作业时长典型基准库、标准化作业时长优化调整机制、标准化作业时长后评估体系以及综合停电时长预测模型四个方面展开深入研究,优化提升综合停电作业时长准确预测能力,为停电作业预测偏差管控提供一个可参考、易操作的高效辅助工具。生产作业实际应用表明,这种基于大数据分析的10kV配网停电作业计划时长预测方法,可以较好的提升停电作业时长准确预测能力,降低可靠性预测偏差,发挥可靠性目标管控作用,助力停电信息发布等优质服务工作精准开展。