强度传输方程和神经网络融合的三维重构算法

针对原有强度传输方程法所恢复的相位精度不够精确的缺点,提出强度传输方程和神经网络融合的三维重构算法. 利用强度传输方程求解出物体不同角度的初始相位,利用神经网络算法进行优化,根据不同角度的最终恢复相位结合乘法技术重构出三维体信息. 该算法具有精度高的特点,可以为三维成像技术的应用提供参考. 对于实验中的示例图像,该算法将强度传输方程得到的相位误差从21.40%降低为5.26%,重构三维物体与模拟真实物体的相关程度为显著相关.     

多孔纤维型重整微反应器的等效电阻网络建模

针对应用于重整制氢微反应器的复杂多孔金属纤维载体（PFS）的流速场高效分析难题,建立载体中随机微通道的等效电阻网络分析模型. 基于复杂随机纤维结构的统计网络模型,将纤维载体中三维联通的随机微通道结构及与之相连的进出口腔简化为规则的网络通道结构.借鉴基尔霍夫定律,建立纤维载体的等效电阻网络模型,并确定求解方法. 纤维载体流速场实例分析的结果表明,基于等效电阻网络模型求解的纤维载体流速场与计算流体力学(CFD)方法的结果之间的皮尔森相关系数约为98%,且求解效率约为CFD方法的2.9×10⁴倍. 研究成果为多孔纤维型重整制氢微反应器的设计制造提供了新的支撑方案.     

工业设计决策网络构建及其动态演化仿真

针对工业设计过程多阶段方案决策的意见演化问题,融合复杂网络理论建立工业设计决策网络模型,通过意见动力学进行决策意见动态演化仿真.基于图论建立设计决策有权无向网络,以网络效率变化确定决策者权重,借助意见距离识别设计决策网络节点信任集合,利用加权平均意见驱动设计决策网络更新与演化. 提出工业设计决策网络的演化仿真流程,结合产品设计方案决策数据进行动态仿真分析,结果表明：信任阈值决定设计决策网络拓扑构成,随着网络演化的进行,决策个体间意见差异逐步缩小并最终达成共识;设计决策网络分析能够析出噪声节点及其意见变化,在实际产品设计决策中应重点关注;意见演化能够辅助确定工业设计方案决策轮次,明确方案在各指标上的表现并识别设计改进方向;仿真分析有助于发现设计决策中的关键因素和意见演化规律.     

5G时代下的移动自组织网络探讨

移动自组织网络在高带宽低延时的5G下,赋予更多的技术优势,使其综合性、应用性以及系统性都得到有效的提高,本文从基于5G移动自组织网络展开探讨,论述移动自组织mesh的网络架构技术及其应用前景和未来趋势。     

基于行车轨迹通信算法

随着城市中汽车数量的大增,汽车与汽车之间的通信系统显得尤为重要。因此互联网在行车过程中起到了重要的作用,其中的车载网便扮演着物物通信的功能。本文提出行车过程中复杂特性的分发算法,首先对多个城市中的汽车进行汽车行动路线的统计与分析,其中包含了通信车辆之间的距离、所连车辆的数量分布以及聚集指标,从结论分析得到车与车之间联系的数量呈现一定的指数分布;并且在小范围内,聚集指标比较高。根据上述特性分,推算出一种车辆行进轨迹数据的分发算法,以便于进行车辆与车辆的实时通信,这样就能大大提高车辆行驶的有效性和降低车祸之间的发生。     

基于Rough集的磨削参数决策系统

本文介绍了5层模糊神经网络的优缺点，提出了基于Rough集构造模糊神经网络的方法，并应用于多传感器的磨削参数决策系统，达到控制磨削加工质量的目的。     

基于单片机和DSP的数字化IGBT逆变焊机研究

主要讨论了在IGBT逆变焊机数字化改造中如何用单片机来实现面板事务管理，用DSP来实现焊接动态过程的控制问题，阐述了其硬件与软件的设计方法，论述了DSP和单片机之间通信的有关问题。     

虚拟环境下机床主传动系统故障诊断的仿真实现

本文介绍了用AutoCAD完成机床主传动系统三维实体造型，用VisualC 、Visual LISP等工具完成主轴箱轴承、齿轮、轴等部位在运行中出现故障时的立体动画。经压电晶体加速度传感器实时检测机床的振动信号，对这些信号进行分析(统计处理、频谱分析等)提取出故障特征，经人工神经网络、模糊决策及专家系统等手段进行决策，判定故障部位和程度，可在微机上直观地观察主轴箱在运行过程中，各故障具体部位及损伤程度的虚拟现实情况。     

Neural network-based control for the fiber placement composite manufacturing process

At McDonnell Douglas Aerospace (MDA), an artificial neural network-based control system has been developed and implemented to control laser heating for the fiber placement composite manufacturing process. This neurocontroller learns the inverse model of the process on-line to provide performance that improves with experience and exceeds that of conventional feedback control techniques. When untrained, the control system behaves as a proportional-integral (PI) controller. However, after learning from experience, the neural network feedforward control module provides control signals that greatly improve temperature tracking performance. Faster convergence to new temperature set points and reduced temperature deviation due to changing feed rate have been demonstrated on the machine. A cerebellar model articulation controller (CMAC) network is used for inverse modeling because of its rapid learning performance. This control system is implemented in an IBM-compatible 386 PC with an A/D board interface to the machine. Work supported by the McDonnell Douglas Independent Research and Development Program Export Authority: 22CFR 125.4(b)(13)     

神经网络在线自学习跟踪控制及其在伺服系统中的应用

针对传统自适应和自校正控制中存在的问题，提出一种基于神经网络的在线自学习控制方法，既做到了对象模型的在线辨识和控制器的在线设计，又避免了神经网络控制方法通常存在的实时控制的困难，使复杂系统的在线学习控制成为可能。仿真表明该方法具有良好的鲁棒性和控制精度。