关于参量阵声源阵长的讨论

针对目前常用的有效阵长来估算参量阵阵长所得的结果与实际测量得到结果有较大误差的情况,提出了通过KZK(Khokhlov-Zabolotskaya-Kuznetsov)方程的数值计算来得到差频声场的声源级,再由声源级来判断参量阵的形成情况,从而计算得到阵长。针对扩散限制阵的情况进行了仿真,并对计算得到的阵长通过水池实验测量结果验证了数值计算方法的正确性。分析了有效阵长计算结果与实验测量结果间误差太大,但是KZK方程数值计算的结果与测量结果一致的原因。最后对同一换能器在不同发射电压下的参量阵阵长的变化做了对比分析。     

非线性振动系统神经网络自适应控制方法研究

将人工神经网络理论引入振动控制工程领域，并将现代控制理论中的状态反馈理论与人工神经网络理论相结合，提出了一种基于ＢＰ网络的自适应控制方法。给出了该方法的学习算法和网络参数选择原则，分析了它在建模和控制方面所具有的优点，并就典型的非线性振动ＶａｎＤｅｌＰｏｌ和Ｄｕｆｉｎｇ方程进行了辨识和控制，仿真结果表明该方法对于非线性振动系统具有较强的辨识和控制能力。     

求鳞状因子循环矩阵的逆阵及广义逆阵的快速算法

利用多项式快速算法，给出了求鳞状因子循环矩阵的逆阵、自反g-逆、群逆及Moore-Penrose逆的快速算法。该算法避免了一般快速算法中，要计算大量的三角函数等可能带来误差及影响效率的问题。该算法仅用到鳞状因子循环矩阵的第一行元素及对角阵D中的常数d1，d2，…，dn进行计算，在计算机上实现时只有舍入误差。特别地，在有理数域上用计算机求得的结果是精确的。     

聚焦参量阵原频声场抑制方法的研究

在近距离海底底质原位探测中,使用多阵元聚焦技术能弥补参量阵中差频信号能量较低的不足,但也会使得声焦点处的原频信号能量过高,导致接收系统信号波形限幅,引起波形失真,此外在声场测量时也容易造成传感器损坏.基于KZK(Khokhlov-Zabolotskaya-Kuznetsov)方程和Berktay包络自解调理论,以声焦点...     

一种声学参量阵的研究

对参量阵激励信号进行了分析设计,并通过参量阵样品的实际测量,对不同激励信号下参量阵自解调声场的特性进行了验证,结果表明:单边带调幅信号输入时声场的谐波幅度较双边带调幅信号输入时的谐波幅度小,并且差频波声源级高;参量阵在相同激励信号下,差频波声源级随输入功率的增大而迅速增大,但功率太大可能会导致功率放大器产生非线性作用,从而增大谐波幅度。     

反应溅射的PID神经网络控制仿真

在反应溅射工艺中,反应气体流量和沉积速率、反应气体气压、靶电压之间存在迟滞关系.为了保证反应溅射稳定以及保持溅射率高和反应气体利用率高,需要对反应溅射系统进行精确控制.PID神经网络(PIDNN)控制器具有PID控制的快速收敛特点和神经网络的非线性逼近能力,适合对非线性反应溅射系统的控制.本文用PID神经网络(PIDNN)控制器对反应溅射系统进行精确控制.在S.Berg给出的反应溅射系统模型基础上,对反应溅射系统的PIDNN控制进行仿真.仿真结果表明,PIDNN控制器能够稳定反应溅射过程,并且收敛速度较快,输出响应迅速,抗干扰能力强.     

基于模糊神经网络的建筑结构系统辨识

本文提出一种基于模糊神经网络和建筑结构系统辨识方法。利用模糊神经网络强大的非线性映射能力与学习能力以实测的结构动力响应数据建立起结构的动力特性模型。不但可以克服以往传统与智能辨识方法中存在的种种弊病,而且还将土一结构相互作用以及结构自身非线性对结构动力特性的影响考虑在内,使得结构系统辨识更具客观性。具有物理意义明确,可扩展性强,能够用于实时在线控制与健康诊断等优点。     

非线性结构振动控制的神经网络α阶连续逆系统方法

传统的非线性结构控制方法在应用过程中,常采用近似线性化处理,将一些非线性过程在零点附近用切线或割线的线性关系代替,不能得到准确的结果.提出神经网络连续α阶逆系统方法,建立了结构振动控制系统的神经网络连续逆系统模型.并给出了一个仿真实例,控制效果良好,表明用神经网络连续α阶逆系统方法对非线性结构振动进行控制是可行的.     

基于小波神经网络的蒸汽发生器水位辨识与控制仿真

提出一种基于小波神经网络的控制方法，对蒸汽发生器水位进行控制仿真．该方法利用小波神经网络作为控制系统的辨识器和控制器来构成控制系统．小波神经网络辨识器能更准确逼近非线性对象。小波神经网络控制器能自适应产生最佳的控制规律．仿真结果表明，该方案具有响应快、超调量小、较强抑制干扰能力等良好性能．     

不同媒介中的参量阵近场声场研究

在众多描述非线性声波传播的理论模型中,KZK方程能够准确地描述有限振幅声波传播的衍射、吸收及非线性效应,对求解参量阵近场声场有着明显的优势,因而成为描述非线性声场最为精确的方程之一。从KZK方程的频域求解出发,利用二阶对角隐式龙哥库塔法(second-order Diagonal Implicit Runge-Kutta,DIRK2)和Crank-Nicolson有限差分法(Crank-Nicolson Finite Difference,CNFD)相结合的有限差分算法,对在不同媒介中传播的参量阵近场声场特性进行研究,旨在对参量阵能量累积过程有进一步的理解,为参量阵转换效率的提高提供初步的探索,为参量阵的进一步工程应用提供相应的理论指导。     

MR阻尼器的性能测试与逆模式神经网络智能控制方法的研究

自制了内置弹簧蓄能器的新型MR阻尼器,将自制的MR阻尼器在武汉理工大学测试中心完成了性能测试.研究了在不同电流输入下阻尼力-位移、阻尼力-速度之间的关系,提出了MR阻尼器的修正的Bingham力学模型.在此基础上,采用逆模式神经网络来模拟阻尼器的逆向模型,与其它主动控制算法形成了MR阻尼器的智能控制方法.通过对一栋三层剪切型结构进行仿真计算,我们知道通过逆模式神经网络可以得到连续的控制电流,实现阻尼力的连续可调,控制效果将优于半主动控制效果.     

伴随型非线性系统的自适应RBF神经网络补偿控制

为了抵消伴随型非线性系统中的非线性项,可以设计控制器对非线性系统精确线性化.通常由于系统中存在外界不确定性因素导致系统模型的不确定,而不能直接设计控制器.利用"RBF神经网络能以任意精度逼近连续函数"的原理,对系统模型中的不确定项进行自适应辨识,并将辨识结果提供给控制器,从而实现伴随型非线性系统的神经网络自适应补偿控制.将控制器应用于起重机吊重摆角子系统,对摆角进行控制.实验结果表明:吊重摆角及其角速度约在5s后,得到了很好的控制,并且控制器对系统模型的不确定项的逼近误差约在5s时达到0;控制器对系统的不确定性因素和系统参数变化均具有很强的鲁棒性.     

小波神经网络的水电机组自适应逆控制

针对水电机组的非线性和结构参数易变化且具有时变和非最小相位的特点,依据神经网络的自学习特性和小波分析的逼近能力,提出了一种基于小波神经网络(WNN)的水电机组自适应逆控制方法.该方法用小波神经网络逼近被控对象的正、逆模型,通过构造控制加权的广义目标函数,推导出一种对非最小相位系统能实现有效控制的小波神经网络自适应逆控制律,理论分析和对水电机组仿真实验均表明,文中提出的控制策略比采用神经网络控制能更好地改善水电机组的动态性能,证明了该方法的有效性.     

基于参量阵双通道信息的富钴结壳高精度测厚算法

富钴结壳作为一种重要的海底矿产资源,在工业生产中有着重要应用,具有潜在的开采价值,富钴结壳的厚度是评估开采矿区资源量的重要指标.论文基于原位参量探测器测量富钴结壳厚度,探测器向结壳垂直发射调制信号,并接收返回的原频、差频双通道回波信号,分别提取两个回波信号的包络,然后提取回波信号峰值点的到达时刻,采用时延差法测量结壳厚...     

神经网络PID在包装机控制系统中的应用研究

针对常规PID控制方法的缺陷,提出了神经网络应用于高速全自动包装机控制系统的方案,并利用Matlab6.5进行模拟仿真,得出神经网络PID控制方法比常规PID控制性能更佳.     

BP网络智能PID控制在水电机组中的应用

阐述了BP网络智能PID控制的原理和结构,并将其应用于具有非线性、时变、非最小相位且结构参数变化较大的水电机组控制中.仿真试验结果表明,其控制效果优于常规PID控制.     

基于希尔伯特变换的舵机系统间隙参数辨识及试验方法

针对舵机间隙参数辨识问题,设计了间隙可调的试验装置模拟舵机传动机构的间隙,以静载突卸方式使其产生自由振动,应用基于希尔伯特变换的自由振动分析方法得到双折线弹性力曲线并辨识间隙参数。并进一步应用于真实飞行器舵机间隙的辨识中。该试验方法获取的振动数据信噪比良好;辨识结果表明本文方法可更为准确的识别出舵机间隙参数,工程评估结果更为安全,对于小型舵机具有良好的适用性。