一种新的一阶系统自调整模糊控制器

对一类大惯性纯滞后一阶系统的特点进行了数学分析，提出了一种基于目标设定值动态调整基本控制量f0与比例因子kf的方法，并根据控制过程的不同阶段采用不同修正因子α进行自调整模糊控制；采用该方法的模糊控制器具有无超调、非振荡、稳态误差小、控制量变化过程平滑等优良性能，为纯滞后大惯性环节一阶系统的控制提供了一种新思路．通过对变频空调温度模型的仿真，证明了该控制器的有效性．     

TOF电子能谱仪抛物面电子反射镜参数计算

针对TOF电子能谱仪抛物面电子反射镜的参数问题，依据电磁理论和Reflect-Grid模型，通过合理的近似和简化，对抛物面电子反射镜的电场分布和电子收集效率进行了理论计算，对电子在其中的飞行轨迹进行了模拟。结果表明，抛物网有无置电压对电子的收集效率有很大影响，当偏置电压为700V时，电子收集效率比无偏置电压时高60-80倍，理论计算为100倍，二者基本相符，为装置的改造和使用提供了理论指导。     

等宽K型间隙方管节点静力工作性能的研究

焊接矩形管结构设计中的关键问题是节点的受力性能。利用非线性有限元分析方法，采用典型节点分析与较大规模几何参数分析相结合的研究手段，对等宽K型间隙方管节点的静力工作性能进行了研究。不仅跟踪了节点荷载－位移曲线的全过程，而且全面考察了主要参数对节点刚度、极限承载力、变形、失效模式等方面的影响，并将分析结果与CIDECT公式计算结果相比较，得出控制此类节点的失效模式主要是弦杆的整体 剪切失效、“有效宽度”失效、腹板局部承压破坏以及这几种破坏形式的混合模式。     

一类结构适应式自校正预报器及其应用

对MRMAX系统提出了一种线性结构适应式自校正预报器SASTP，它由最优(最小方差)预报器和变结构随机逼近算法组成．通过实例应用，对于一般的自校正预报器的70步跟踪预报，平均相对误差为2．42％。     

顶点数不超过7的A(H)=3图

根据图的直径大小，通过对图H联系数集的分析，证明了顶点数u≤7的A(H)=3图是惟一的，即肯定了满足A(H)=3最小图的惟一性．     

使用遗传算法的自适应Kalman滤波器

基于Magill的Kalman撼波器池结构，设计了使用遗传算法的自适应Kalman滤波器，给出了离线和在线两种实现方案．离线方案以辨识滤波参数为主要目的，进而可以对状态进行较准确的事后估计；在线方案以实时地对状态进行估计为目的．对滤波参数寻优使用具有良好性能的浮点数编码遗传算法，该算法与二进制编码遗传算法相比收敛速度更快、搜索全局最优的能力更强．仿真结果验证了所提出的自适应Kalman滤波器的有效性．     

非线性混沌系统预测模型与仿真研究

主要研究由非线性混沌时序所确定的动力系统的预测方法及其应用，通过改进的最优化方法来估计模型的参数，并在其相空间中对时序的未来值进行预测，实例仿真，发现选取最佳的模型阶数能增加预测的准确程度，且混沌时序不可能进行长期的预测。     

离散实正弦信号参数估计的Cramer Rao方差下限

研究了高斯白噪声背景下根据离散现测值估计实正弦信号的参数问题。分析了实正弦信号幅度、频率和相位估计的方差下限．并讨论了实正弦信号参数的最大似然(ML)估计。给出了观测数据长度N较大时实正弦信号参数估计的Cramer Rao方差下限的计算公式。指出了实正弦信号参数估计方差下限与观测数据长度N、信号频率及初相有关，当N较大时实信号参数估计的方差下限约为对应的复信号的参数估计的方差下限的2倍。在不同的信噪比下进行了计算机模拟．模拟结果与本文分析结果吻合。     

Optimization of cutting conditions during cutting by using neural networks

Optimum selection of cutting conditions importantly contribute to the increase of productivity and the reduction of costs, therefore utmost attention is paid to this problem in this contribution. In this paper, a neural network-based approach to complex optimization of cutting parameters is proposed. It describes the multi-objective technique of optimization of cutting conditions by means of the neural networks taking into consideration the technological, economic and organizational limitations. To reach higher precision of the predicted results, a neural optimization algorithm is developed and presented to ensure simple, fast and efficient optimization of all important turning parameters. The approach is suitable for fast determination of optimum cutting parameters during machining, where there is not enough time for deep analysis. To demonstrate the procedure and performance of the neural network approach, an illustrative example is discussed in detail.     

Outliers, inliers and the generalized least trinuned squares estimator in system identification

The least trimmed squares estimator (LTS) is a well known robust estimator in terms of protecting the estimate from the outliers. Its high computational complexity is however a problem in practice. We show that the LTS estimate can be obtained by a simple algorithm with the complexity O( N In N) for large N, where N is the number of measurements. We also show that though the LTS is robust in terms of the outliers, it is sensitive to the inliers. The concept of the inliers is introduced. Moreover, the Generalized Least Trimmed Squares estimator (GLTS) together with its solution are presented that reduces the effect of both the outliers and the inliers.