基于系统辩识算法的齿轮传动动态性能研究

将系统辩识方法正确地应用于实际工郊下齿轮传动动态性能的研究,通过研究齿轮箱中直齿圆柱齿轮传动周向振动和噪块之间的关系,建立了系统辨识差分方程模型。此模型能够比较准确地描述齿轮传动系统的动态特性,有利于将齿轮传动动态性能的研究成果在实践中推广实用。     

基于RNN的神经网络辨识液气联合工作液压作动器模型

建立了一种回归神经网络辨识非线性液压作动器系统数学模型的辨识方法,研究了基于回归神经网络内部状态反馈的辨识算法,利用辩识实验获得的过程输入／输出数据动态调整神经网络权值。仿真结果辨明：回归神经网络描述的液压作动器系统数学模型具有较高精度,算法全局逼近能力良好。     

基于小波神经网络的非线性动态系统辩识

采用一种新型小波神经网络对非线性动态系统进行辨识。通过优化组合小波基元激励函数 ,大大减小了小波神经网络的规模 ,改善了网络学习特性。仿真结果表明 ,该网络结构及其学习算法简单有效 ,逼近精度高     

基于高精度性能模型的轴流通风机喘振故障预报方法

提出了一种基于高精度性能模型的轴流通风机喘振故障预报方法，以实现动(静)叶调节轴流通风机喘振故障的预报。仿真实例表明该方法是可行的。     

基于人工神经网络的大型机械系统的剩余寿命预报模型

在评述和分析的几种常用的剩余寿命的预报方法的基础上，提出了相对劣化度的概念，并以此建立基于人工神经网络的大型机械系统剩余寿命预报模型。该模型能考虑多全因素剩余寿命的影响，并能实现多步预报。     

公路桥梁抗震性能评估研究

综述公路桥梁抗震性能评估研究现状,归纳了地震灾害中桥梁的破坏模式,总结 了振动评估方案及实施中的主要问题,包括评估模型的组成及评估过程中的抗震验 算。众多因素影响桥梁的抗震性能,借助专家系统综合考虑抗震验算和专家知识,给 出评估结论。     

基于多项式插值方法的FIR模型辩识

采用多项式插值方法辩识FIR模型 ,通过插值方法引入一转换矩阵W ,实现从FIR模型参数序列 {hi}到压缩FIR模型参数序列 {cj} 之间的转换 ,从而减少了脉冲响应待辨识参数 ,简化了辨识过程 ,提高计算速度。仿真实验表明该算法快速、简洁和准确     

区间模型在高速电子包装称上的应用

本文以高速电子包装称建模为背景，阐述了建立在利用区间数学和数据处理理论基础上的区间模型，即采用假设对系统产生影响的噪声、干扰、输入／输出测量误差等产生不确定性的幅值为有限的，用区间来描述具有不确定性系统模型的方法。     

钢筋网水泥砂浆加固砖房的抗震性能研究

本文通过对试件ＺＦ（未加固的砖砌体房屋模型）试件ＪＺＦ（用“夹板墙”加固砖砌体房屋模型）的对比试验，利用模态分析方法，对试件ＪＺＦ、试件ＺＦ试验结果的动力特性进行了分析。分析和试验的结果表明：用夹板墙加板固的确定能够起到抗震加固的作用。     

基于扩展卡尔曼滤波的回声状态网络在线训练算法

针对在线应用中回声状态网络(echo state network,ESN)的储备池适应性和训练算法效率问题,文中提出一种基于扩展卡尔曼滤波(extended kalman filter,EKF)的ESN在线训练算法。该算法以ESN的储备池参数以及输出连接权矩阵为目标参数,利用EKF对其进行联合训练提高储备池适应性,并能够有效地克服交叉验证参数选择导致的ESN训练效率下降问题。Lorenz混沌时间序列以及移动通信话务量时间序列预测实验证明,新方法可显著提升ESN算法的总体计算效率。     

基于支持向量机的钢淬透性预测研究

支持向量机是建立在统计学理论之上的强有力的机器学习技术。本文提出了基于支持向量机模型预测钢淬透性的方法，并分析了核函数的选择对支持向量机建模的影响。以江阴兴澄钢铁公司的实际数据进行实验，结果表明，支持向量机方法有着良好的泛化能力，优于人工神经网络建模方法。     

智能方法在高炉铁水质量预报中的应用研究

将遗传算法与BP神经网络相结合,建立预报高炉铁水质量的神经网络模型。通过将遗传算法引入BP神经网络,提高了网络模型的预报精度,结果表明,此网络模型提高了训练速度和泛化能力,对高炉铁水质量预报具有较好的适用性。     

二手棒材生产线自动化系统技术改造初探

介绍了宝钢集团南通钢铁有限公司全连轧棒材线自动控制系统的基本结构,包括系统通信及基本控制原理。同时介绍了PLC的系统配置和应用软件的功能。该系统运行稳定,取得了较好的经济效益。     

钢筋的调质处理生产线

根据建筑用钢材的标准,对普通圆钢的机械性能进行分析,设计了一套钢筋调质处理生产线,对普通圆钢进行调质处理,以遮到建筑用钢材的要求标准。首先对普通圆钢进行淬火处理,采用超高频感应加热,将其加热至920℃左右,保温,再清水淬冷。然后及时进行回火处理,通过中频感应加热,使其在420℃左右保温,再冷却。经过加热、保温、冷却等一系列的操作,使钢的组织结构发生变化,获得所要求的钢材的综合机械性能。经过反复试验,发现在淬火处理和回火处理之间设一个充气装置至关重要,它不仅加快了冷却速度,而且能破坏淬火加热时在钢筋表面形成的氧化铁皮。实践证明,用该套设备对圆铜进行调质处理,提高了钢材的综合机械性能,使其迭到了要求的标准,且又形成了流水生产线,提高了生产效率。     

基于BP神经网络的冷轧带钢表面质量检测研究

针对传统的方法在冷轧带钢表面缺陷图像模式识别中存在的问题,在小波变换提取特征的基础上,提出了基于BP神经网络的非线性模式识别方法.结合国内实例,对5种典型冷轧带钢表面缺陷图像进行了实验研究,实验结果表明,该方法能够对冷轧带钢表面缺陷图像进行有效识别,具有更好的适应性.     

基于神经网络的电火花线切割机床可靠性预计

针对电火花线切割机床可靠性数据较少、传统可靠性预计方法无法进行可靠性预计或预计误差较大的问题,提出了基于神经网络进行电火花线切割机床可靠性预计的方法。将可靠度与对应的时间序列相结合,采用时间序列法对其进行统计分析,然后应用神经网络向外推测,从而得出电火花线切割机床可靠度的预计结果。通过实例证明,应用该方法对电火花线切割机床可靠度预计结果的最大误差为0．0082,远远高于其它方法的预计精度。     

一种网格并行任务执行时间预测算法

广泛研究了网格环境中并行任务执行时间的预测方法,提出了一种基于案例和人工神经网络的预测算法.该算法充分利用了历史有效信息,尤其是对于同一个任务的多次求解而获得的相似记录,通过建立任务特征模板,将历史任务,即案例进行分类,并利用指数平均值或者线性回归方法进行预测.但是由于网格环境的复杂性,以及有限元求解器在求解问题时的复杂性,导致相似性很难定义,在无法根据模板找到相似性案例的时候,利用人工神经网络预测方法进行预测.该算法在面向多学科应用的模拟与可视化环境中进行了实验,证明该方法具有较好的预测性能.     

压电振动系统的神经网络建模和预测研究

本文应用MATALB／XPC实时仿真工具测量了贴有压电元件的复合材料薄壁结构的振动响应。并对其进行神经网络的离线建模和预测。比较了几种网络的优缺点。选择了引进外部反馈的前向BP网络作为非线性系统建模的方法，有望推广用于智能结构的健康监测和振动主动控制。     

基于累积损伤的渗碳齿轮钢疲劳寿命预测模型构建

采用轴向高频疲劳试验机进行超高周疲劳实验,研究了不同应力比(R=0和R=0.3)下渗碳齿轮钢疲劳特性。结果表明：在应力比为0和0.3时,渗碳齿轮钢的失效形式分为表面失效和内部失效。内部失效过程分为疲劳裂纹萌生阶段(夹杂-细颗粒区(fine granular area, FGA))、稳定扩展阶段(FGA-鱼眼)和瞬间断裂(鱼眼之外)。基于累积损伤法,建立了内部裂纹萌生和扩展阶段的疲劳寿命预测模型;最终建立了渗碳齿轮钢多应力比下的全寿命预测模型,预测精度较高。