含氢硅油制备SiC晶须的研究

以高含氢硅油为原料,在石墨基体上生长出SiC晶须。主要研究石墨基体的表面状态和加热温度对SiC晶须生长的影响,探究SiC晶须形成过程。影响SiC晶须形核和生长的主要因素为热处理温度,随着热处理温度的升高,SiC晶须的结晶产量也相应增高。石墨基体的表面状态对SiC晶须的形成也有一定的影响,随着石墨基体缺陷提供形核点的增多,SiC晶须的结晶产量提高,并且出现相互搭接的现象。SiC晶须的形成过程分为形核和生长两个部分,低温形核,高温生长,遵循VLS(气-液-固)生长机理。     

安时-卡尔曼交叉运行的电池荷电状态估算策略及其微控制器在环验证

为了提高电池管理系统(BMS)的性能,研究了电池荷电状态(SOC)的估算方法,并根据SOC估算算法精度和系统实时性要求,提出了安时(AH)积分算法-卡尔曼(Kalman)算法(AH-Kalman)交叉运行的SOC估算策略。该策略用开路电压(OCV)法确定SOC初值,以实时性较强的AH积分法为主,采用间歇运行的Kalman滤波法修正安时计量法积分误差。建立了系统仿真模型,验证了卡尔曼滤波算法对安时积分法积累误差的修正作用。将控制算法生成C代码下载到目标控制器,搭建微控制器在环测试验证(PILS)平台,进行了与传统卡尔曼滤波算法的复杂度对比分析。结果表明,所提出AHKalman交叉运行的SOC估算策略在保证了SOC估算精度的同时也具有较好的实时性,便于实际应用。     

隐马尔科夫模型的改进及其在金融预测中的应用

隐马尔科夫模型(Hidden Markov Model)在诸多领域都有广泛应用.本文从不同角度对现有的HMM进行改进并应用于金融预测.首先,我们采取固定K-means方法的初始点,使得K-means的聚类结果更加稳定,由此为Baum-Welch算法确定更好的初始迭代值.其次,为更进一步提升预测效果,与已有方法不同,我们将由BaumWelch算法所得到的模型参数值作为Vertibi算法的输入来确定隐状态的最优取值序列,由此重新划分观测向量,进而得到各个隐状态对应的观测向量的集合;基于Vertibi算法的输出结果,我们重新计算不同类观测向量的均值与方差,将新的均值向量和协方差矩阵作为Baum-Welch算法初始迭代值,最终确定HMM最优的模型参数.最后,代替现有方法仅在历史区间中简单寻求相似走势的做法,我们不仅导出了预测值发生的多步条件概率的精细表达式,而且通过极大化该条件概率的值来得到更佳的预测值.基于中国证券市场具体数据的实证结果表明了本文所提出改进HMM的优越性.     

一类非线性切换系统鲁棒H∞可靠控制

为了克服扰动与执行器故障对控制系统的影响，使系统具有抗干扰性和可靠性，针对一类不确定非线性切换系统，研究了在任意切换规则下鲁棒H∞可靠控制问题．首先，系统所有矩阵同时含有参数不确定性，并且系统也存在未知非线性扰动．当执行器存在故障时，基于线性矩阵不等式技术以及公共李亚普诺夫函数方法得到鲁棒H∞可靠控制器，使切换系统在任意切换律下全局二次稳定并且满足H∞性能指标．最后，通过求解凸优化问题得到了鲁棒H∞最优可靠控制器．仿真结果表明控制器在任意切换规则下是可行和有效的．     

一种视频运动目标精确分割新算法

针对视频图像中单个运动目标的分割问题,提出了一种基于Kirsch边缘算子的视频运动目标分割算法,该算法将Kirsch算子检测到的边缘作为主分割信息,运动矢量场作为次要分割信息;首先利用双重尺度的运动矢量场进行累加和滤波处理来获得辅助分割信息;然后将Kirsch算子的模板分解为差值模板和公共模板以提高边缘的抗噪性;最后用自适应状态标记的方法将边缘信息和运动矢量信息相融合来准确地分割运动目标;实验结果表明该方法分割比较精确。     

基于MMFD-FCM的退化状态识别方法及其应用研究

为了有效地对机械设备运行状态进行监测,进而对其性能退化状态进行识别,提出一种基于形态多重分形维数(MMFD)与模糊C均值聚类(FCM)的性能退化状态识别方法;该方法首先计算机械设备振动信号的形态多重分形维数,以此作为性能退化特征指标;该特征指标能够有效反映峰值在振动信号中概率分布的不均匀程度,从而定量描述振动信号的性能退化状态,并且与多重形态分形维数相比,利用数学形态学计算的MMFD精度更高,计算速度更快;在此基础上,鉴于不同退化状态之间的模糊性,针对性地采用模糊C均值聚类方法对特征指标进行模糊聚类,从而有效识别性能退化状态;将该方法应用于滚动轴承全寿命周期振动信号中,分析结果验证了该方法的有效性。     

基于回声状态网络的BOD在线软测量模型

针对污水处理过程的BOD建模问题,提出了一种基于回声状态网络的BOD在线软测量方法;基于梯度下降规则对回声状态网络的在线学习算法进行了研究;为保证学习算法的收敛性,基于Lyapunov理论对学习率范围进行了确定;实验表明,基于回声状态网络的在线BOD预测方法较常规神经网络预测精度提高约两个数量级,模型的适应性也大幅提高。     

基于模糊K均值聚类和Sarsa(λ)算法的自适应爬壁机器人路径规划

针对现有爬壁机器人规划算法难以实现在线自适应高效规划的问题,设计了一种基于模糊K-Means算法和经典Sarsa(λ)算法自适应爬壁机器人规划算法;首先,对爬壁机器人的动力学模型进行了建模和分析,然后,对爬壁机器人规划中的状态进行自适应聚集从而实现值函数的近似,设计了K值可变的改进模糊K均值聚类算法对状态进行自适应地在线聚类,将聚类中心对应的值函数作为整个聚类所有数据对象的值函数的近似值,最后,对基于模糊K均值聚类算法和Sarsa(λ)算法的爬壁机器人在线规划算法进行了定义和描述,在MATLAB环境下对简单障碍物场景和复杂障碍物场景分别仿真实验,实验结果表明文中方法能有效地进行路径规划,随着情节数的增加,规划结果逐渐收敛到最优值,同时在环境变化时,收敛效果不受影响,具有较好的稳定性,是一种高效地实现爬壁机器人在线规划的方法。     

非线性状态估计法在风电齿轮箱故障预警中的应用

针对现阶段在齿轮箱的状态监测方法中遇到的问题,提出一种以易于采集的油温信号来对齿轮箱故障进行预警的分析方法;通过非线性状态估计法(nonlinear state estimate technology)建立齿轮箱的温度预测模型,之后根据统计温度预测残差的变化趋势,然后与通过验证集合确定出的残差均值和标准差的故障阈值进行对比,以实现及早发现齿轮箱的潜在故障,优化运行的效果;并且与神经网络预测方法进行对比分析,结果表明非线性状态估计法对风电齿轮箱进行故障预警有着较好的效果。     

封装因素对PVDF压力计测量性能的影响EI北大核心CSCD

采用覆铜聚酰亚胺膜和聚合物导电带封装制备了两种聚偏氟乙烯(polyvinylidene fluoride, PVDF)薄膜压力计柔性覆铜聚酰亚胺薄膜(flexible copper-clad polyimide film, FCP)和聚合物导电带(conductive polymer tap, CPT),基于分离式霍普金森压杆标定试验和细观数值模拟研究了两种压力计的几何和材料因素对传感器测量性能的影响。结果表明,在20~320 MPa压力内,FCP和CPT的拟合灵敏度分别为(33.1±0.3)pC/N和(35.1±0.6)pC/N,50 MPa压力范围内CPT测量稳定性优于FCP,但较大的封装厚度和聚合物电极导致应力脉冲幅值衰减、脉宽增大。CPT冲击压缩时存在明显的应变率效应,而FCP由于胶层和电极层材料失效,应力应变曲线存在显著的非线性分段特征。数值模拟结果表明,压力计芯层和敏感元件间的厚度和材料性质失谐会对敏感元件上的应力脉冲产生较大影响,其中芯层突出造成的误差最大。封装厚度越小、加载强度越高,压力计越趋向于三向受压的一维应变状态,电荷输出由三向应力状态和压电系数矩阵共同决定。试验标定灵敏度与元件应力状态、封装材料力学性质失配、层间几何缺陷以及材料应变率效应等因素相关,压力计使用时需根据测量环境和应力脉冲特征进行封装和标定。