小脑模型神经网络控制器在天线跟踪指向控制中的应用

分析了天线跟踪指向控制系统的特点和影响系统跟踪性能的主要因素,建立了系统数学模型。根据系统特点,给出了小脑模型神经网络控制器(CMAC)和PID相结合的复合自适应控制方法的设计过程,并分析了该算法适用于天线跟踪指向控制系统的优势。该方法利用传统的PID控制,结合CMAC神经网络算法的快速自学习、精确逼近的优点,既满足了天线跟踪指向控制系统快速实时跟踪的要求,又提高了跟踪精度和跟踪平稳性。仿真结果表明,该方法对摩擦力矩有很好的抑制作用,跟踪精度较单独采用PID控制提高一个数量级,且输出稳定,具有较强的鲁棒性。     

概念车身的T型接头模型拓扑优化设计

通过静态刚度对比,验证了概念车身模型的正确性及可行性。考虑到接头刚度对车身刚度的重要影响,将接头模型加入到概念模型中,建立了T型接头与梁结构的混合模型(TJB模型)。通过权衡扭转工况下各接头部位对开口刚度的实际贡献,选择了车顶部位的关键接头作为修改区域。应用变密度法进行了拓扑优化,并根据优化结果及车身结构特点布置了加强板,取得了良好的修改效果。在车身的概念设计阶段采用拓扑优化方法,不仅可以加快设计进程,而且能够得到性能更优、结构更合理的产品。     

基于外贸出口的义乌会展业发展的模型构建

选取义乌这个外贸出口特征明显的会展业城市,选取10国人均GDP作为外部影响因子,并选取义乌人均GDP、自营进出口总额、外贸出口总额等10项数据作为内部影响因子,采用SPSS11.0分析软件进行相关性分析,同时构建了GDP、外贸出口额与会展业发展的关系模型,明确了外贸出口对会展业的影响程度。这将有助于完善会展业现有的理论体系,同时也为会展业化"危机"为"契机",迎来更好、更快地发展提供借鉴。     

缺货惩罚下的损失厌恶报童模型

针对缺货惩罚与损失厌恶的报童模型,在期望效用理论的框架下,引入了单位机会期望缺货惩罚、单位机会期望超量损失两个概念,利用这两个概念分析了最优订购量与损失厌恶系数,证明了最优订购量随着缺货惩罚的增加而增加,但在某些情况下最优订购量随着损失厌恶系数的增加而增加、减少或者不变.     

倒U型泄洪洞水力特性试验研究

雷公洞枢纽是岩溶地区堵塞溶洞形成的水利水电工程,受其特殊的地形地质条件限制,泄洪洞采用了较为罕见的倒U型布置,洞内最大水头140m,下游陡坡泄槽段最大流速高达50m/s左右,各种因素使得本工程泄洪洞水力特性变得十分复杂.通过模型试验研究这种高水头、高流速且布置形式特殊的泄洪洞水力特性:水流流态、压力、流速以及空化情况等,并比选了不同的闸门方案及闸门槽与下游泄槽之间的衔接段体型,给出了泄洪洞体型的优化修改意见,研究成果可为类似工程设计提供参考.     

“数字电子技术”课程教学改革探索与实践

“数字电子技术”是电子信息类专业的重要专业基础课,文章以高职教育培养学生的实际应用能力为目标,对优化教学内容、制作优秀课件、三维立体教学模式、以上岗为目标的实践教学、多元化的考核方式等方面进行了深入探索并实践,收到了较好的效果。     

增加电极位置信息的电子耳蜗听觉仿真模型

为了改进以正弦信号合成的电子耳蜗听觉仿真模型在仿真电子耳蜗植入患者所感知的语音信息的缺陷,建立了增加电极位置信息的正弦信号合成的听觉仿真模型.通过大样本量的不同汉语语言材料的听觉仿真实验,其中包括按元音、辅音、数字、音调和单字词等5种汉语语言材料,研究了基于连续交叉采样算法的不同实验条件下电极位置对言语识别率的影响,得出了汉语元音和单字词对植入深度更加敏感的结论.为进一步将这一仿真模型应用到电子耳蜗研究上奠定了基础.     

基于分层建模技术的CAD/CAPP/CAM集成系统研究

在DM特征建模的基础上,建立了CAD、CAPP、CAM各个阶段的分层模型.分别从特征层和零件层两个层次建立该集成系统全局统一的数据表达.在工艺设计阶段通过引入特征子工艺设计概念与技术,完成子工艺的生成、拓扑排序、组合及编辑,从而完成整个零件的工艺规划.使得系统数据顺利地引入制造模块.该方法在所开发的回转类零件CAD/CAPP/CAM系统中得到了验证.     

基于增广拉格朗日乘子法的水平井射孔密度分布研究

合理的孔眼密度分布能改善水平井入流剖面,有利于延缓水、气锥进。考虑水平井井筒内摩擦损失和加速损失的影响,基于Landman油藏渗流模型,建立了以孔眼位置为优化设计变量、均匀入流剖面为约束条件、水平井产量或生产压差为目标函数的射孔优化模型。采用增广拉格朗日乘子法对有限导流水平井的射孔密度分布进行优化研究。优化结果表明,为获得尽可能均匀的入流剖面,沿水平井跟端向指端方向射孔密度逐渐增加,约在井筒长度的3/5位置附近取得最大值,在趾端处降低;均匀入流剖面下的产量较均匀射孔水平井的产量低。     

一种基于HMM聚类的视频目标轨迹分析方法

针对视觉监控中基于运动轨迹的目标行为分析问题,提出了一种基于隐马尔科夫模型(HMM)聚类的轨迹分布模式提取和异常行为检测算法。首先为每一条运动轨迹训练一个HMM,并通过这些模型来计算轨迹两两之间的距离;然后对该距离矩阵采用主元分析法(PCA)降维并以降维后的每一行作为对应轨迹的特征进行模糊C均值聚类,接着为聚类后的每一类轨迹训练一个HMM作为其分布表达模型;最后利用这些HMM模型来检测给定轨迹所表示的目标行为是否异常。对不同场景的轨迹分析实验表明了方法的有效性。