桩周土阻尼系数的研究

通过对武汉某码头2根钢管桩动静载试验研究,探讨了桩周土阻尼系数对波动理论Smith法预测单桩静极限承载力和打桩时桩身最大锤击应力的影响规律.通过对打桩实测最大锤击应力的拟合,推荐了符合本地区地质条件的最佳土阻尼系数和吸着系数,其适用性在相同地质条件下的钢管桩中得到了证实.     

非简并光学参量振荡器中量子态频率上转换

提出一种在光学参量振荡腔中的量子态频率上转换的方案.方案分析了信号传递系数和转换效率随不同泵浦参数的变化情况,并定性和定量地阐述了频率上转换过程的量子性质.研究表明,泵浦参数在阈值以上并接近阈值时,量子态的转换频率可达到最大值.     

机床固定结合面等效刚度系数和阻尼系数的研究

研究了确定机床固定结合面的等效刚度系数和等效阻尼系数的新方法。采用迭代计算和动态测试相结合的方法，在多种不同结合面条件下进行了实验和计算，得到了大量的实用数据，并且建立了机床固定结合面的等效参数通用数据库。     

切削颤振中的阻尼系数分析与计算

通过对摩擦力形成理论的归纳与分析,提出了金属切削力等效于刀具—工件副间摩擦力的新概念,由此导出了计算切削颤振系统阻尼系数的方法及相应结论。     

双塔电压发生器地震反应分析的Rayleigh阻尼矩阵

电压发生器设备因具有长细比大、重心高、阻尼比小等特点,十分不利于抵御水平地震作用或强风作用.为了研究此类结构在地震反应分析中阻尼矩阵的建模问题,以明置于室外地表的某双塔电压发生器为例,分析了结构的动力特性,并计算和讨论了结构在Taft波、El-Centro波和宁河波作用下,采用不同Rayleigh阻尼矩阵建模时的结构动力反应.计算结果表明:不同Rayleigh阻尼矩阵比例系数的选取,对结构的动力反应计算结果的正确性产生很大影响.因此应综合考虑地震波的频谱特性和结构的自振特性选取两阶自振频率,从而使得计算结果更加接近真实解.     

基于小波系数和BP神经网络的电力系统短期负荷预测

提出了一种基于小波系数和BP神经网络相结合的电力系统短期负荷预测新方法。把过去直接对负荷序列的预测替代为对小波系数的预测,并对小波细节系数作分层软阈值处理。详细介绍了小波系数结合BP神经网络进行预测的新方法,并给出算例验证。     

多阻尼系数的全阻尼惯导系统的设计与实现

针对纬度和方位的地球周期振荡误差降低惯导系统导航定位精度的问题,以实际研制的惯性导航系统为对象,引入三阶方位阻尼网络,采用逐次尝试的方法,设计了多阻尼系数的方位阻尼网络,实现了地球周期振荡误差的阻尼,且能适应于载体的多种机动运动状态;在此基础上采用自动补偿技术减小状态切换过程中的超调误差.通过速度误差计算机比对仿真结果可以看出,全阻尼惯导系统方案能实现地球周期的阻尼,自动补偿技术能实现状态切换的平滑切换.     

基于神经网络的襟翼舵升力系数预报

将BP神经网络应用于襟翼舵升力系数预报,分析了BP神经网络的非线性逼近能力.针对BP神经网络在训练中存在的学习速度慢、易于陷入局部最小等缺点,采用变学习率的BP算法加以改进.对襟翼舵升力系数进行预报,结果表明预报值的精度明显高于由近似公式计算所得的值,采用BP神经网络对襟翼舵水动力性能进行预报是可行的,能够满足工程应用的要求.     

基于径向基神经网络的参数协同自适应VSG控制策略

采用虚拟同步发电机（VSG）控制策略的并网逆变器可为分布式能源提供必要的惯性阻尼特性,以支撑电网频率。VSG的动态响应特性与惯量和阻尼的设定密切相关。首先,建立VSG控制模型,分析惯量和阻尼对系统动态响应指标的影响,并给出了VSG参数的计算方法。其次,结合径向基神经网络提出了一种参数协同自适应VSG控制策略,自适应调节惯量和阻尼参数来应对系统功率变化、负荷扰动及频率偏移。最后,通过MATLAB/Simulink仿真,验证所提策略的有效性和优越性。     

对等效间隙模型中两种阻尼系数表达式的剖析

Ｒ．Ｇ．Ｈｅｒｂｅｒｔ［１］和Ｍ．Ａ．Ｖｅｌｕｓｗａｍｌ［２］在研究带有间隙的机械动力系统中，分别提出了间隙中阻尼系数的确定公式，都较成功地分析了由间隙引起振动和碰撞问题，本文经过进一步分析，在相同假设前提下，得出了两个公式近似相等的结论。     

基于神经网络技术的机器翻译模型

介绍了机器翻译系统的模型建立和常用算法,在现代机器翻译技术中引入了神经网络和知识发现,并给出了一个框架和部分算法.     

基于神经网络的板料拉深成形摩擦系数预测

板料拉深成形过程中，摩擦是一个很重要的参数，受很多因素影响，本文利用神经网络建立了板料拉深成形中润滑油、模具表面粗糙度、拉深速度和板料表面粗糙度与摩擦系数的BP神经网络摩擦模型，对板料拉深成形的有限元分析及优化设计具有重要的参考价值．     

基于人工神经网络的脂肪醇闪点预测

建立了一个基于人工神经网络方法的定量结构-性质相关性(QSPR)研究模型,用于预测脂肪醇闪点。根据脂肪醇的分子结构特征,提出一组拓扑指数作为表征脂肪醇分子结构的分子描述符。同时引入具有高度非线性预测能力的误差反向传播人工神经网络方法,以分子结构描述符作为神经网络的输入参数,闪点作为输出,研究脂肪醇的闪点与分子结构之间的相关性。模拟结果表明,闪点预测值与实验值符合良好,优于传统基团贡献法所得结果。该方法不仅能够预测脂肪醇闪点与分子结构之间的定量关系,而且为工程上提供了一种预测有机物闪点的新的有效方法。     

基于神经网络建模的预测控制

预测控制具有多步预测、滚动优化和在线自适应校正等优点。文中提出了用神经网络方法建立预测模型, 将其应用到了润滑油溶剂脱蜡过程并取得了有效的仿真结果     

传感器的神经网络建模

针对传感器受温度影响的复杂的非线性输入输出特性，利用人工神经网络的方法，建立了与之相适应的人工神经网络模型，该模型可同时实现温度补偿和非线性校正．     

基于人工鱼群算法的径向基神经网络的研究

人工鱼群算法是一种新型的寻优策略,将人工鱼群算法用于RBF神经网络的训练过程,建立了相应的优化模型,算法与BP算法、RBF算法进行比较,结果表明人工鱼群算法具有鲁棒性强,全局收敛性好,以及对初值的不敏感等特点。     

基于神经网络的自适应控制

在常规模型参考自适应控制器基础上采用神经网络作为辨识器和控制器，组成模型参考神经网络自适应控制系统。利用神经网络的优点弥补传统自适应方法的不足，使系统具有更强的鲁棒性。仿真结果表明，该系统比传统模型参考自适应系统具有更好的稳定性和更快的响应速度。     

基于神经网络的建筑工程造价估计

提出了建筑工程造价估计的神经网络方法，应用ＢＰ模型，讨论了网络结构的设计、学习算法等问题，计算实例表明，应用神经网络估计工程造价具有方便、准确等特点。     

基于进化遗传算法的神经网络优化

遗传算法能有效解决神经网络优化设计存在的问题,但古典的遗传算法有一定的弊端。本文对遗传算法的操作算子进行改进,对结点和连接权采用两种不同的交叉规则,使子代结点个数在两父代之间,而子代个体的权值在较好的父代个体两侧;并增加一个变异概率,增大网络的结构进行突变的几率,这样既加快了搜索进程,在精度上也收到了很好的效果。