双金属挤压成形的极限参数的计算机辅助设计

本文将有限元数值分析方法和人工神经网络技术结合起来，对多金属挤压成形发生断裂的极限参数进行了求解，并获得了极限参数曲线图，从极限参数图中我们可以直观地区安全区和断裂区，这在实际的生产和应用中可以合理地制订工艺提供重要的参考和依据。     

基于双参数四点细分法的曲面造型

将双参数四点细分曲线方法进行推广，提出了基于双参数四点细分法的曲面造型方法，并对其收敛性进行了分析。该方法通过对两个参数的适当调节能够较容易地控制极限曲面的形状，极限曲面能够达到C4连续，可以应用到对曲面的连续性要求较高的曲面造型中去。在给定初始数据的条件下，可通过对形状参数的适当选择来实现对极限曲面的形状调整和控制，试验表明该算法生成光滑曲面是有效的。     

多层异构式复合材料飞轮的虚拟设计

随着电子计算机技术的不断发展，虚拟设计与虚拟制造在机械制造业中所起的作用不断加重。该文基于美国ANSYS有限元处理软件，对复合材料飞轮转子进行虚拟设计。复合材料飞轮转子在高速旋转时，由于惯性力的作用，会产生较大的径向应力和环向应力。若飞轮转子的形状参数、材料参数给定，则飞轮在工作时发生断裂破坏只取决于其工作转速的大小(不考虑环境因素及其它意外情况)。为了有效地避免飞轮转子因超过其极限转速而发生材料断裂破坏，本文通过利用ANSYS有限元处理软件的优化设计模块，对复合材料飞轮转子的极限转速做初步的预测，并给出飞轮转子在该极限转速下的应力分布情况，同时计算出此种结构的飞轮储能系统的最大储能量。     

基于云量子花朵授粉的极限学习机算法

为了避免花朵授粉算法在极限学习机识别过程中易陷入局部最优，提出了一种基于云量子花朵授粉的极限学习机算法。首先,将云模型和量子系统引入到花朵授粉算法中，增强花朵授粉算法的全局搜索能力，使粒子能在不同状态下进行寻优。然后,采用云量子花朵授粉算法优化极限学习机的参数，提高极限学习机的识别精度和效率。实验中采用6个标准测试函数对多个算法进行仿真对比，对比结果验证了所提云量子花朵授粉算法的性能优于另外3种群智能优化算法。最后，将改进的极限学习机算法应用到油气层识别中，结果表明其识别精度达到98.62%，相较于经典极限学习机，其训练时间缩短了1.680 2 s，该算法具有较高的识别精度和效率，可以广泛应用到实际分类领域中。     

基于四边形网格的可调细分曲面造型方法

提出了一种基于四边形网格的可调细分曲面造型方法。该方法不仅适合闭域拓扑结构，且对初始网格是开域的也能进行处理。细分算法中引入了可调参数，增加了曲面造型的灵活性。在给定初始数据的条件下，曲面造型时可以通过调节参数来控制极限曲面的形状。该方法可以生成C1连续的细分曲面。试验表明该方法生成光滑曲面是有效的。     

基于Hammerstein-Wiener模型的CSTR反应器辨识

针对化工过程中广泛应用的连续搅拌反应釜（CSTR）反应器，提出一种新的基于极限学习机的Hammerstein-Wiener模型的辨识建模方法。其中，Hammerstein-Wiener模型的两个非线性环节采用两个不同的极限学习机逼近，线性环节采用自回归ARX模型。因极限学习机的特殊结构，此模型可以表示成线性回归的形式，最终利用广义最小二乘法求解模型的参数。此方法辨识过程简单，辨识过程的计算量较小。最后对CSTR的辨识结果表明，在相同条件下与基于多项式的Hammerstein模型和ARX-LSSVM Hammerstein模型相比，该方法具有较高辨识精度，表明了该方法的有效性。     

软件动态正确性的形式化描述

软件正确性是一个逐渐改进的过程.通过不断地修改,软件越来越接近于正确.同时软件的执行依赖于环境.为了刻画软件的动态正确性并考虑环境的因素,以参数化互模拟为基础,利用极限的观点,建立软件动态正确性的形式化描述.首先建立参数化互模拟的无限演化理论,给出参数化极限互模拟的定义,并给出几个特殊的参数化极限互模拟实例.其次,建立参数化互模拟极限,给出参数化互模拟极限的规约刻画.最后,证明参数化互模拟极限的唯一性、与参数化互模拟的相容性等代数性质.     

基于SOPC的汽车硬件在回路仿真器的设计

通过采用基于SOPC的软硬件协同开发技术，建立汽车的被控对象数学模型，设计硬件在回路仿真器匹配ECU（ABS电子控制单元）的参数，节省了大量的实践活动，同时也可以对ECU进行各种极限测试。     

基于蝙蝠算法的半监督极限学习机在工业检测中的应用

由于复杂工业过程中关键质量变量的难测性及过程变量的易测性,导致收集到的数据集中含有大量无标记样本,采用传统的有监督极限学习机难以获得理想的回归精度.采用流形正则化框架修正极限学习机的目标函数,将无标记样本和有标记样本共同用于半监督极限学习机的模型训练可以有效提升回归精度.由于模型中含有速率参数a、位移参数b、核宽σ、惩...     

交流电机调速实验系统的PC端监控程序设计

介绍了交流电机调速实验系统中PC端监控软件的设计方法。该监控软件实现了在PC上实时地、可视化地控制电机的运行。它能够通过串口与DSP程序通信。在系统运行前可以设置串口参数及DSP参数，运行中可以接收DSP发送来的实验数据，运行后可以方便地显示和保存实验数据。通过实验测试表明，设计的PC端监控软件功能完备、界面友好、操作方便，并具有一定的通用性。     

插值Doo-Sabin表面形状调节

修改了插值的Doo-Sabin细分表面的初始控制网格，在第一次细分的同时加入了表面调节参数。这个方案具有以下特征：1）满足插值所有顶点或某些顶点的同时可以由参数调节极限表面；增加了对极限表面的调节自由度。2）整个的计算复杂度为O(k),其中k是顶点的数量。在最后也对结果表面的形状处理进行了讨论。     

提高模态参数识别精度的分量分析新算法

为了利用某一系统的输入和输出数据，快速、准确地提取该系统的模态参数，该文介绍了模态参数识别中最基本的一种方法，即分量分析法^[2]，提出了一种提高其模态参数识别精度的新算法。并且，举出一个实例证实了此方法的正确、可靠性。该算法最大优点是原理简单、易懂，方法容易实现，而且，可以不依赖人工操作，利用程序可以直接把需要的参数高精度地识别出来。     

机器人手臂极限距离分析的代数方法

本文介绍了一种新的求解机器人手部中心点与机座坐标系中一定点以及手部参考系中一直线与机座上一直线的极限距离的代数方法,推导出了n自由度机器人手臂的点-点和线-线极限距离的代数方程。应用这些方程式,不但可以方便地求解机器人手臂的极限距离问题,而且也为机器人手臂的结构设计提供了某些依据。     

复映射z←eiπ-2—zw+c构造上半平面分形图及"Escher"极限图

文中提出用复映射z←eiπ-2-zw+c(w=α+iβ,α,β∈R1)在动力平面和参数平面上构造上半平面、方极限和圆极限分形图的简便方法."周期化"动力平面或参数平面,确定基本计算区域,应用同胚仿射变换将基本计算区域自相似地映射到上半平面,进而构造方极限和圆极限分形图.通过指数w及参数c的变化,应用逃逸时间算法,大量构造复映射z←eiπ-2-zw+c在动力平面和参数平面上的周期形式、上半平面形式、方极限和圆极限形式的分形图案.     

复映射z←e~(i(π/2)) c构造上半平面分形图及“Escher”极限图

文中提出用复映射ｚ←ｅｉπ２ ｚｗ ＋ ｃ（ｗ ＝ α＋ ｉβ,α,β∈Ｒ１ ）在动力平面和参数平面上构造上半平面、方极限和圆极限分形图的简便方法．“周期化”动力平面或参数平面,确定基本计算区域,应用同胚仿射变换将基本计算区域自相似地映射到上半平面,进而构造方极限和圆极限分形图．通过指数ｗ 及参数ｃ的变化,应用逃逸时间算法,大量构造复映射ｚ←ｅｉπ２ ｚｗ ＋ ｃ在动力平面和参数平面上的周期形式、上半平面形式、方极限和圆极限形式的分形图案     

基于极限学习机的无监督领域适应分类器

在构建基于极限学习机的无监督自适应分类器时, 隐含层的参数通常都是随机选取的, 而随机选取的参数不具备领域适应能力. 为了增强跨领域极限学习机的知识迁移能力,提出一种新的基于极限学习机的无监督领域适应分类器学习方法, 该方法主要利用自编码极限学习机对源域和目标域数据进行重构学习, 从而可以获得具有领域不变特性的隐含层参数. 进一步, 结合联合概率分布匹配和流形正则的思想, 对输出层权重进行自适应调整. 所提出算法能对极限学习机的两层参数均赋予领域适应能力,在字符数据集和对象识别数据集上的实验结果表明其具有较高的跨领域分类精度.     

蝙蝠算法联合选择特征和分类器参数的入侵检测

针对入侵检测的特征和分类器参数选择问题,采用极限学习机ELM(extreme learning machine)进行构建分类器,提出一种蝙蝠算法(BA)联合选择特征和分类器参数的网络入侵检测模型(BA-ELM)。首先将特征子集和极限学习机参数编码成蝙蝠个体,以入侵检测准确率和特征数加权组成个体适应度函数;然后通过个体和群体更新的规则引导蝙蝠向最优解飞行,从而找到最优的子特征集和极限学习机参数;最后建立最优的入侵检测模型,并通KDD CUP 99数据集进行仿真性能分析。结果表明,BA-ELM较好地解决了入侵检测特征选择与分类器参数不匹配难题,提高了网络入侵检测率和检测效率,更加适合于网络入侵检测的实时要求。     

电网供电系统短期电力负荷预测优化仿真

对电网供电系统短期电力负荷预测模型进行优化,能提升预测结果的准确性和鲁棒性.虽然现有预测模型可以满足预测速度的要求,但预测结果的精确性和稳定性却无法保证.为了得到更加准确和稳定的预测结果,提出了细菌觅食算法优化极限学习机预测模型.首先在电力负荷样本数据中形成训练样本和预测样本集,利用细菌觅食优化算法对极限学习机预测模型中的不确定参数进行优化,然后利用改进后的模型进行电力负荷预测.新模型的优化仿真结果显示,利用细菌觅食算法优化极限学习机预测模型的预测精度和稳定性均优于传统预测模型的预测结果,该算法具有很好地实用性.     

进化贝叶斯优化的核极限学习机分类器

为解决传统核极限学习机算法参数优化困难的问题,提高分类准确度,提出一种改进贝叶斯优化的核极限学习机算法.用樽海鞘群设计贝叶斯优化框架中获取函数的下置信界策略,提高算法的局部搜索能力和寻优能力;用这种改进的贝叶斯优化算法对核极限学习机的参数进行寻优,用最优参数构造核极限学习机分类器.在UCI真实数据集上进行仿真实验,实验...     

双曲极限圆映射广义M集

Chung K.W.等人利用双曲对称群的生成元构造出了具有[p,q] 对称的双曲极限圆迭代映射. 为了进一步研究这个迭代映射,本文构造出它的参数空间的广义M集.提出一个实用、简便的搜索参数组合的方法,解决了在选择构造广义M集的参数断面时的盲目性问题. 按照排列组合方法,将所有参数两两组合,在计算机屏幕上按序构造出所有参数断面的粗略的广义M集块. 从这样的组合图上挑选出对[p,q] 双曲极限圆动力系统影响较大的参数组合,并进一步在这样的参数组合下构造出广义M集.从这种广义M集的不同参数区域挑选参数,成功地构造出了混沌吸引子、充满Julia集形式的双曲极限圆图案,成功地构造出了用同一组参数构造既有混沌吸引子又有充满Julia 集的混合形式的双曲极限圆图案.