利用ANN法预估芳香族多硝基化合物的密度

运用神经网络模型,采用误差反向传播算法,对一系列芳香族多硝基化合物的密度进行了预测.结果表明,芳香族多硝基化合物的密度与其分子结构存在良好的相关性,选用分子结构描述码作为输入特征参数能取得较高的预估精度,预测结果的相对误差一般在±10%以内.     

周向弯叶片对动叶可调轴流风机气动性能影响的数值模拟

为了有效改善轴流风机气动和声学性能,以带后置导叶的OB-84型单级动叶可调轴流风机为对象,利用Fluent软件和Ansys有限元分析模块,对比叶片弯曲前后风机的气动性能和内流特征,分析其静力结构特性并进行了噪声预估。结果表明:叶片弯曲后风机全压提高,大体积流量侧气动性能改善效果明显,设计工况点前弯3.0°性能提升最佳,全压和效率分别提升了3%和0.16%;前弯叶片增大了叶根区轴向速度,延缓了叶根区分离流动的出现,提升了叶片中下部做功能力,减小了叶顶区吸力面与压力面间的压差,有效抑制了叶顶泄漏流的产生;弯曲叶片对降低声功率级影响较小,但可缩小高噪声区分布,从而降低风机噪声。     

基于人工神经网络和专家系统的精炼过程钢水温度预测模型

通过分析影响精炼炉冶炼过程中钢水温度变化的主要因素,利用BP人工神经网络与专家控制相结合方法,建立了精炼过程钢水温度预测模型,并利用C#语言编程实现。应用该模型对精炼炉钢水温度进行预测,对预测结果进行了统计分析。结果表明,该模型对精炼过程钢水温度的预报误差为±5℃,准确率达到85%。     

纯滞后对象基于模型估计控制方法的研究

针对一阶加纯滞后模型(FOPDT)及二阶加纯滞后模型(SOPDT),本文介绍了基于模型估计的内模控制(IMC)、外模补偿控制(EMC)、Smith预估控制这三种对克服对象纯滞后实用有效的控制方法.且对各类控制器提供了详细的设计方案,其特点是结构简单易于实现.文中最后纳入仿真内容进行分析比较.     

金属构件双变量疲劳损伤模型的研究

引入描述双变量损伤条件下的本构关系,进而以热力学原理为基础,引入损伤驱动力,建立损伤演化准则。构建一般情况下的时间型损伤演化方程和循环型损伤演化方程。利用分离变量方法再对损伤演化方程积分,得到光滑试件在恒幅应变交变载荷作用下寿命预估方法。根据损伤力学守恒积分原理,得到有缺口试件在恒幅应变交变载荷作用下寿命预估方法。利用上述寿命预估方法,由KT=1与KT=3的标准试件中值疲劳试验数据确定损伤演化方程中的材质参数。在此基础上给出不同KT下的理论中值疲劳曲线,为采用损伤力学方法来描述构件的疲劳寿命提供一种可行的方法。     

基于模糊控制的Smith预估器的研究和设计

本文介绍了Smith预估控制原理,针对Smith预估器对象模型误差过于敏感的缺点,引入模糊控制代替Smith预估器中的PI控制,Matlab仿真结果表明采用模糊Smith预估控制一定程度上改进了常规PI Smith预估控制和模糊控制的缺点。     

Smith预估器与观测器结合的补偿控制在时滞系统中的应用

在工业过程中,控制的对象通常具有滞后环节。对于大滞后的被控对象而言,Smith预估补偿控制可以提供很好的控制品质,但前提是必须提供精确的数学模型。为了解决模型失配时Smith预估控制效果不理想这一问题,文章提出了Smith预估器与状态观测器结合的补偿控制策略,通过Smith预估器抵消闭环特征方程中出现的时滞项,利用状态观测器提高了系统的响应速度和系统的稳定性,仿真结果表明该方法的有效性。     

基于电气比例减压阀的灰色预估神经网络控制方法研究

针对基于电气比例减压阀的气动压力控制系统具有时延、强非线性、系统参数时变等特点,提出用灰色预估模型对系统输出进行预测,并将此预估值作为系统的反馈量和神经网络辨识器的输入量,通过神经网络对系统进行辨识,最后利用神经网络控制器对系统进行控制.实验结果表明,该方法有效降低了时延对系统的影响,提高了动态响应的快速性和精确性,使系统具有较强的鲁棒性和实用性.     

弧齿锥齿轮箱动态特性分析及辐射噪声预估

以升船机同步系统用弧齿锥齿轮箱为研究对象,综合考虑锥齿轮副刚度激励、误差激励和啮合冲击激励等内部动态激励,建立了包含弧齿锥齿轮副、传动轴、轴承和箱体等的齿轮系统动力有限元模型,采用ANSYS对齿轮系统进行动态响应分析,得到齿轮箱的振动位移、振动速度及振动加速度;以箱体表面节点振动位移为边界激励条件,在SYSNOISE中建立箱体声学边界元模型,采用直接边界元法进行辐射噪声预估,得出箱体表面的声压云图及场点的辐射噪声。结果表明:齿轮箱动态响应及辐射噪声的峰值频率均出现在啮合频率及其倍频处。     

基于分割模板运动预估的相关跟踪算法

为了对常规相关匹配算法实时性能进行提升,提出一种基于分割模板运动预估的相关跟踪算法。采用最小二乘法全区间等距拟合目标运动轨迹,计算出目标当前预估点;将模板图像按块运动估计算法要求分割成宏块;按菱形搜索法在预估点周围区域进行搜索,得到每个宏块的最佳运动矢量;取匹配度最佳的运动矢量对应点为模板的粗匹配点;判断该点所在宏块与搜索区域相对位置关系,决定是否进行精匹配结束搜索,或是按梯度方向建立新的搜索区域。目标跟踪实验证明,该方法比基于全搜索的归一化积相关( NProd)算法其计算时间缩短到3.31倍。