基于免疫Agent的液体火箭发动机故障诊断

为解决液体火箭发动机系统非线性导致的故障诊断困难问题,将免疫Agent(IA)技术应用于液体火箭发动机的故障诊断研究.结合可变半径人工识别球(ARB)方法,在学习人类举一反三的机制,采用最大识别概率原则的基础上,构建了免疫Agent实体,并进行了仿真实验.实验结果表明:该方法训练时间短、正确率高、有较强的抗噪能力和自学习能力,可以应用于液体火箭发动机的状态监测与故障诊断.     

基于粒子群优化的非线性系统最小二乘支持向量机预测控制方法

对于非线性系统预测控制问题, 本文提出了一种基于模型学习和粒子群优化(PSO)的单步预测控制算法.该方法使用最小二乘支持向量机(LS-SVM)建立非线性系统模型并预测系统的输出值, 通过输出反馈和偏差校正减少预测误差, 由PSO滚动优化获得非线性系统的控制量. 该方法能在非线性系统数学模型未知的情况下设计出有效的预测控制器. 通过对单变量多变量非线性系统进行仿真, 证明了该预测控制方法是有效的, 且具有良好的自适应能力和鲁棒性.     

基于离子液体的聚丙烯腈/纤维素共混体系溶解与流变性能研究

采用旋转流变仪对以1-乙基-3-甲基咪唑醋酸盐（[EMIM]Ac）为溶剂的聚丙烯腈/纤维素溶液的流变性能进行了研究.结果表明,溶液表观黏度随浓度的升高而增大,但随剪切速率的增加而降低,为典型的切力变稀流体;单组分PAN溶液A黏度最低,单组分纤维素溶液F黏度最大,不同共混比溶液的黏度及对温度的依赖性均介于两纯组分PAN和纤维素Cell之间.     

固体氧化物燃料电池电堆电特性的建模

为了满足固体氧化物燃料电池(solid oxide fuel cell,SOFC)系统快速跟踪外部负载变化的要求,需要对SOFC电堆的输出功率进行合理的控制,因此建立一个面向控制的精确SOFC电堆数学模型来表征SOFC电堆的电特性就显得十分必要。通过对SOFC实验数据的分析发现SOFC电堆中单片电池存在电耦合现象,基于这种现象建立了一种SOFC电堆电特性的电耦合模型,然后设计出一种改进的遗传算法对其进行参数辨识,实验结果显示这种数学模型有较高辨识的精度,证明了该种模型的合理性,为SOFC电堆输出功率的精准调节奠定了良好的基础。     

惯性组合稳定性优选稳健算法

从工程实际出发,对惯性组合稳定性优选问题提出了一种可行稳健的算法;将惯性组合一次标定参数提取为多维特征向量,通过计算特征向量方向余弦值方法来对比稳定性,通过实际惯性组合的标定数据进行了算例验证并分析了算法复杂度,算法简洁且计算耗时少,符合武器使用流程对解决惯性组合稳定性判读问题的可靠性、迅速性要求。     

一种健康、舒适和环保的新型功能纤维

提出了一种健康、舒适和环保的新型功能纤维—锗纤维。锗可以释放负离子,通过前纺纳米添加制备得到锗纤维,并对其纺织品材料进行了负离子浓度检测、抗菌测试和血液循环测试,结果表明：锗纤维纺织品具有良好的保健功能,可以促进血液循环、恢复体能、减缓人体衰老等功能。因此,锗纤维可以广泛的应用到服装、家纺、汽车内饰等领域,具有良好的应用前景。     

小波神经网络在电磁无损检测中的应用

在基于正交小波变换的小波神经网络模型构造的基础上,选取B-小波为小波基提出了一种小波神经网络新算法。通过选取典型训练样本集的方法提高了该小波神经网络诊断的准确性,并运用该小波神经网络对钢丝绳电磁无损检测信号进行了压缩与重构,试验结果证明了小波神经网络能够较为理想地完成缺陷信号的智能化检测,采用小波神经网络算法比传统的断丝识别方法准确率提高了很多。     

浅谈邢台市朱庄水库小水电的开发利用

邢台市朱庄水库是以防洪灌溉为主,并结合灌溉发电的大型水利枢纽工程,调节方式为多年调节。本文介绍了该水库在小水电开发利用上的一些经验。     

基于DDS的惯性器件特性测量转台控制系统设计

设计了一种能够对惯性器件特性进行测量的转台控制系统,该系统采用DDS数字调速系统和伺服电动机组合的方法来实现转台的自动控制;系统软件采用LabVIEW与MATLAB混合编程,完成惯性器件的性能状态评估曲线与转台监控曲线等功能,通过MCGS组态软件技术建立了PLC和上位机之间的通信连接,实现了现场设备的实时监测、数据控制和远程控制.系统运行稳定可靠、适应性强、性价比高,具有广阔的应用前景.     

Prediction of Wing Aerodynamic Performance in Rain Using Neural Net

A new method for prediction of wing aerodynamic performance in rain condition was presented.Three-and four-layer artificial neural networks based on improved algorithm for error Back Propagation(BP)network were respectively built.Detailed approaches to determine the optical parameters for network model were introduced and the specific steps for applying BP network model to predict wing aerodynamic performance in rain were given.On this basis,the established optimal three-and four-layer BP network model was used for this prediction.Results indicate that both of the network models are appropriate for predicting wing aerodynamic performance in rain.The sum of square error level produced by two models is less than 0.2%,and the prediction accuracy by four-layer network model is higher than that of three-layer network.