递阶模糊逻辑系统研究及其在列车自动化中的应用

针对复杂分层问题,提出了后件驱动的递阶模糊逻辑系统,给出该系统的结构和设计准则。基于模糊函数的表示形式,导出了该系统的自适应参数修正递推公式。在列车制动调速预测控制的应用中,取得了满意的效果     

一个多维次成分并行提取算法及其收敛性分析

次成分分析是信号处理领域内一项重要的分析工具.目前,多维次成分并行提取算法数量稀少,而且现有的算法在应用时还存在很多限制条件.针对上述问题,在分析研究OJAm次子空间跟踪算法的基础上,采用加权矩阵法提出了一种多维次成分提取算法,并采用递归最小二乘法对所提算法进行了简化,最后采用李雅普诺夫函数法确定了所提算法的全局收敛域.相比现有算法,所提算法对信号的特征值大小没有要求,也不需要在迭代过程中进行模值归一化操作,同时算法具有较低的计算复杂度.仿真实验表明:所提算法能够并行提取多维次成分,而且收敛速度要优于现有同类型算法.     

多维广义次成分提取准则及自适应算法

针对广义次成分在信号处理中没有与之相对应的信息准则,而且只能提取单维广义次成分,提出一种多维广义次成分提取准则,并通过矩阵微分法证明了所提出信息准则只有唯一的全局极大值.基于该信息准则,采用梯度上升法导出一种多维广义次成分提取算法,并采用李雅普诺夫函数法对所提出算法的全局收敛性进行证明.与其他现有算法不同,所提出算法可以并行提取多维次成分,而并不需要模值归一化.仿真实验表明,所提出算法相比一些现有算法具有收敛速度快和估计精度高的优点.     

Al-Zn-Mg-Cu系超高强度铝合金的研究进展

Al-Zn-Mg-Cu系超高强度铝合金具有低密度、高比强度、高韧性和良好的抗腐蚀性能的特点,广泛应用于航空航天、交通运输和兵器领域。本文主要介绍近年来国内外Al-Zn-Mg-Cu系超高强度铝合金的最新研究进展。超高强度铝合金基体上分布着纳米级的晶内时效析出相、亚微米级的高温析出相、微米级的结晶析出相和晶界析出相,这些相的形态、数量、尺寸和分布对合金的综合力学性能和抗腐蚀性能有直接的影响;主元素成分含量对超高强度铝合金综合力学性能有影响,合金的综合力学性能随Zn/Mg和Cu/Mg比值的变化而变化;微量元素能够提高超高强度铝合金的综合力学性能。微量元素对铝合金的影响主要体现在提高沉淀相的过饱和度,改变沉淀析出过程,促进或抑制沉淀相的析出和促进新相的沉淀析出。新制备技术能够显著细化晶粒、抑制偏析、析出相均匀分布和提高各种元素的过饱和度,从而改善超高强度铝合金的综合力学性能。强化固溶处理能够提高时效析出程度,从而提高铝合金的力学性能。三级时效处理后的超高强度铝合金具有峰值时效T6态的强度和优异的抗腐蚀性能。     

城乡共生的发展区带

灾后重建实际上是一个复兴,去反思我们以前城市的建造方式有没有问题,去探索先进和可持续的城市建造体系。体系包括选址,为城市选址找到安全的位置,包括城市的安全结构、用地标准还有避难系统,材料结构的方式以及产业等等。我们提出工作方法要有国际视野和历史眼光。都江堰的灾后重建是一张准白纸,它不是纯白纸,现状里面交织着很多矛盾,我们必须梳理出线索。     

浅析电梯层门系统常见故障及解决方法

电梯是垂直方向的运输设备,是高层建筑中不可缺少的交通运输设备。电梯层门系统开关门是保障乘客安全的重要部件,又是使电梯启动运行必要条件之一。本文针对电梯层门系统开关门的机械及电气系统进行了分析。     

基于FX_2-PLC的打包机电气控制改造

介绍了某一典型打包机电气控制的PLC控制系统。结合自动打包工艺流程要求,提出基于PLC的自动控制方案,阐述了该控制系统的基本设计思路和工作原理,确定了输入输出端口的分配,给出了该控制系统的I/O接线图,运行结果证明该系统稳定可靠。     

一种蛙跳和差分进化混合算法

混洗蛙跳算法（SFLA）具有算法简单、控制参数少、易于实现等优点,但在高维难优化问题中算法容易早熟收敛且求解精度不高。导致该缺陷的主要原因是在进化后期种群多样性迅速下降,且缺乏局部细化搜索能力。借鉴差分进化算法（DE）中DE/best/1/bin版本具有全局搜索能力较强、种群多样性较好的优点,将SFLA与DE有机融合,形成混合优化算法（SFL-DE）,以克服SFLA容易早熟收敛的缺陷。给出了6个30维benchmark问题数值对比实验,结果表明,在给定的较小进化代数内,SFL-DE的寻优效率、计算精度、鲁棒性等性能优于SFLA和基本DE（DE/best/1/bin和DE/rand/1/bin）,不足之处是其耗时更长。     

双种群差分进化规划算法

标准差分进化算法（SDE）具有算法简单,控制参数少,易于实现等优点。但在难优化问题中,算法存在收敛速度较慢和容易早熟等缺陷。为克服此缺点,提出一种改进算法--双种群差分进化规划算法（BGDEP）。该算法将种群划分为两个子群独立进化,分别采用DE/rand/1/bin和DE/best/2/bin版本生成变异个体。每隔δt（取5~10）代,将两个子群合并为一个种群,再应用混沌重组算子将之划分为两个子群,以实现子群间的信息交流。在双种群协同差分进化的同时,应用非均匀变异算子对其最优个体执行进化规划操作,使得算法具有较快的收敛速度和较强的全局寻优能力。为测试BGDEP的性能,给出了4个30维benchmark函数优化问题的对比数值实验。结果表明,BGDEP的求解精度、收敛速度、鲁棒性等性能优于SDE、双种群差分进化（BGDE）和非均匀变异进化规划（NUMEP）等4种算法。