夹芯板材用硬质酚醛泡沫性能的研究

对用于夹芯板材的硬质酚醛泡沫的发泡过程进行了研究。讨论了发泡温度、固化剂和发泡剂对泡沫体性能的影响。结果表明:反应温度控制在70℃～80℃,固化剂用量控制在16%～20%,得到的泡沫体均匀细腻,综合性能好。     

夹芯板材用硬质酚醛泡沫性能的研究

对用于夹芯板材的硬质酚醛泡沫体的发泡过程及影响泡沫体性能的因素进行了研究。讨论了发泡温度、固化剂和发泡剂对泡沫体性能的影响。结果表明当发泡温度控制在70～80℃、固化剂质量分数控制在16％～20％时，可制备出综合性能好的泡沫体，不需加任何阻燃剂，泡沫体阻燃效果好。     

废轮胎热解炭黑在天然橡胶中的应用研究

研究废轮胎热解炭黑(CB_P)对天然橡胶(NR)胶料各项性能的影响,并与炭黑N220,N330,N660和N774进行对比。结果表明:CB_P聚集体粒径分布宽,灰分含量远高于普通炭黑;添加CB_P的NR胶料的拉伸强度和撕裂强度很高,100%和300%定伸应力很低,耐磨性能和耐屈挠疲劳性能较差。     

基于多层感知机的无线射频标签数量估计方法

近年来,随着标签价格的下降和供应链物流需求的增长,射频识别技术已经走向全面部署阶段.全面部署意指在所有商品上部署标签,以提升供应链追踪的精度.这种趋势会导致标签数据规模呈指数倍增长,给阅读器的信息读取带来很大的压力.在这个背景下,标签数量估计协议,正因为其时间效率高的特点得到越来越多的关注.现有的方法主要根据时隙状态统计特征进行数量估计.然而,各类型数量估计统计量的精度受到系统参数、标签规模、以及随机噪声的影响,其结果很不稳定.任意单一特征都很难给出精准、稳定的数量估计结果.为此,本文设计了一种基于多层感知机的数量估计方法,通过融合多样化的数量估计特征来提高估计的精度.针对真实时隙状态难以获取,模型难以训练的问题,本文研究了如何通过仿真器生成大量具有不同时隙状态的随机帧来训练我们的网络.针对数量估计网络工作范围较窄的问题,我们设计了一种两阶段基于采样思想的数量估计协议,通过快速的标签数量粗略估计设定合理的采样概率,以确保标签数目位于数量估计网络的工作区间.我们的仿真实验结果表明,本文提出的基于多层感知机的数量估计协议比现有方法能提升至少21%的精度.     

废轮胎热解炭黑在发泡三元乙丙橡胶中的应用

以废轮胎热解炭黑(CB_P)为增强填料,制备了发泡三元乙丙橡胶(EPDM),分析了CB_P的基本性能,研究了CB_P填充EPDM混炼胶的门尼黏度、硫化特性及发泡EPDM的物理机械性能、泡孔形态、压缩特性和能量吸收特性,并分别与牌号为N 660的炭黑、高岭土及碳酸钙填充EPDM进行了对比。结果表明,CB_P的主要成分是碳元素,灰分质量分数高达14.4%,粒径分布宽;在4种填料中,CB_P填充EPDM混炼胶的门尼黏度仅低于N 660填充EPDM混炼胶,焦烧时间和正硫化时间最短;CB_P填充发泡EPDM的拉伸强度和定伸应力优于高岭土和碳酸钙填充发泡EPDM,但发泡倍率小于后两者;CB_P填充发泡EPDM的泡孔大小均匀,泡孔直径为28μm,闭孔结构规则,孔壁光滑完整;在相同应变下,CB_P填充发泡EPDM的吸能能力与高岭土填充发泡EPDM相近。     

基于扰动和摩擦补偿的柔性机械臂系统非奇异快速终端滑模控制

本文针对系统中存在的关节摩擦、动力学参数不确定性和外部负载干扰等因素引起的柔性机械臂系统控制性能下降的问题,提出了一种基于扰动和摩擦补偿的非奇异快速终端滑模控制方法(NFTSMC-DE-FC).首先,设计扰动估计器(DE)对系统未知动态参数和负载干扰进行估计.然后,针对扰动估计器不能精确估计的关节摩擦力矩进行辨识.最后,利用滑模控制技术设计非奇异快速终端滑模控制器,并将扰动估计值和摩擦力辨识值以前馈的方式进行补偿,实现对柔性机械臂系统给定参考轨迹跟踪的准确性以及对外界扰动的鲁棒性.值得注意的是,与传统只使用扰动估计器的方法相比,本文考虑到了摩擦力等非线性因素的影响,并利用辨识技术对摩擦力进行辨识,提高了控制精度.利用Lyapunov稳定性定理从理论上证明了所设计的控制器可以保证闭环系统的稳定性.实验结果表明,相较于非奇异快速终端滑模控制方法(NFTSMC)和基于扰动估计器的非奇异快速终端滑模控制方法(NFTSMC-DE),所提方法提高了柔性机械臂系统的轨迹跟踪性能.     

智能PID参数自整定技术在伺服系统中的应用

针对常规PID控制参数整定困难,且受时变、非线性等因素影响而不能达到预期控制效果的实际情况,提出了RBF网络动态辨识的BP神经网络PID参数自整定算法.此算法可实现PID控制参数的在线自整定和优化;同时,将算法应用于伺服控制系统中,以VC++6.0和Matlab为开发和仿真工具,对动态辨识神经网络智能PID参数自整定方法进行仿真研究.仿真结果表明,控制算法鲁棒性强、响应速度快,可用于控制参数时变的非线性系统.     

基于BP神经网络的PID控制器在伺服系统中的应用研究

针对经典PID控制的参数不能在线调整的缺陷,提出了一种基于BP神经网络的PID控制算法,利用BP神经网络比较强的学习能力实现了PID控制参数的在线调整和优化,并对其在伺服系统中的应用进行了仿真。仿真结果表明该算法优良,加快了系统响应速度,减少了超调量,适应于非线性系统。     

直流降压变换器的降阶扩张状态观测器与滑模控制设计与实现

本文针对直流降压变换器的负载电阻扰动和输入电压变化等系统不确定因素对输出电压的影响,提出了基于降阶扩张状态观测器的滑模控制方法(SMC+RESO).首先设计降阶扩张状态观测器对系统状态,负载电阻扰动和输入电压变化进行估计,然后基于估计值利用滑模控制技术设计控制器,实现对直流降压变换器系统给定电压跟踪的快速性和准确性.值得注意的是,不同于文[1]所提出的基于扩张状态观测器的滑模控制方法(SMC+ESO),本文所提出的方法采用降阶扩张状态观测器,实现简单,且无需电流传感器,减小了实际应用的成本.利用Lyapunov稳定性定理从理论上证明了所设计的控制器可以保证闭环系统的稳定性.仿真和实验结果表明,与已有的基于扩张状态观测器的滑模控制方法相比,所提出的控制方法更好地改善了系统的跟踪性能和对干扰和不确定性的鲁棒性能,且减少了成本,但是牺牲了系统稳态性能.