疏水改性对粗精煤泥助滤脱水效果的影响研究

为厘清疏水改性对粗精煤泥助滤脱水的影响规律,以临涣选煤厂粗精煤泥为研究对象,基于其矿物组成、粒度组成分析,采用过滤脱水、离心脱水试验研究了十六烷基三甲基氯化铵(1631)、十二烷基三甲基氯化铵(1231)和自研药剂(UTG-1,UTG-2)等四种疏水改性剂对粗精煤泥助滤脱水效果的影响,并分析了疏水改性强化粗精煤泥脱水的作用机理。试验结果表明:粗精煤泥中杂质的主要成分为蒙脱石、高岭石和石英,且这些杂质在细粒级中含量更高,不利于脱水;过滤脱水试验中,UTG-1的效果最佳,体现为用量小(200g/t)、水分降幅大(由15.83%降低至低于8%)、过滤速度也有所提升,同时提高搅拌强度可一定程度上增强疏水改性对粗精煤泥水分的降低效果;离心脱水试验中,1631的降水效果最佳,体现为水分降低幅度较大(约3.61个百分点)且效果更加稳定。机理分析表明:与疏水改性剂作用后,煤样表面更加疏水,从而有利于降低滤饼水分并提高脱水效率。研究结果可为选煤厂降低精煤水分、提高精煤脱水效率提供一定借鉴。

基于神经网络的鲁棒自适应逆飞行控制

提出基于在线神经网络的超机动飞行自适应动态逆鲁棒控制方法.超机动飞行的基本控制律采用非线性动态逆方法设计,对于建模误差或者控制面损伤等因素导致的不确定性逆误差采用神经网络进行自适应补偿.通过动态逆控制律简化计算和飞机控制面故障自适应修复的仿真表明,神经网络通过在线补偿逆误差,能够有效降低非线性动态逆对模型准确性的要求,增强控制系统的鲁棒性.

战斗机非线性飞行控制技术的研究与发展

战斗机非线性飞行控制技术研究综述。首先介绍战斗机技术发展走向,然后对当前主要战斗机飞行控制设计方案进行分析,并重点介绍神经网络在飞行控制中的应用研究。最后指出,基于神经网络的智能控制方案作为飞行控制的重要研究方向,将为未来先进战斗机飞行控制系统设计提供重要的解决方案。

基于神经网络的超机动飞机自适应重构控制

讨论了一种基于神经网络的超机动飞机直接自适应重构控制方法。飞机的基本控制律采用非线性动态逆方法设计 ,对于模型不准确和舵面故障等因素导致的逆误差采用神经网络进行在线补偿。通过仿真表明 ,在飞机发生舵面故障时 ,神经网络通过自适应地补偿逆误差 ,可以快速在线重构控制律 。

静电纺丝法聚酰亚胺纤维膜研究进展

聚酰亚胺(PI)作为一种高性能聚合物,因具有力学性能优异、热稳定性高、耐化学、耐辐射等特性而广泛应用。静电纺丝可连续生产比表面积大、孔隙率高和形貌可控的纳/微米级纤维。综述了静电纺丝法制备的PI纤维膜在油水分离、空气过滤、电池隔膜、树脂增韧、传感器、隔热材料等领域的研究现状和最新研究进展,分析了其应用优势和不足,概述了未来PI纳米纤维膜发展面临的挑战。研究为进一步拓宽静电纺丝法PI纳米纤维膜的应用提供参考。

一种基于神经网络补偿动态逆误差的方法

讨论了一种基于神经网络自适应补偿动态逆误差的方法 ,并应用于超机动飞机控制器设计中。飞机的基本控制律采用非线性动态逆方法进行设计 ,对于模型不准确导致的逆误差采用神经网络进行在线补偿。仿真结果表明 ,采用神经网络补偿逆误差 ,弥补了非线性动态逆要求精确数学模型的缺点 ,而且可以简化动态逆控制律的设计 。

具有伪控制补偿的自适应动态逆控制系统设计与仿真

论述了基于伪控制补偿解决自适应控制中作动器饱和问题的方法。基本控制律采用非线性动态逆方法设计,神经网络用于对逆误差进行重构。伪控制补偿消除作动器和自适应单元之间的交互影响。通过在超机动飞行控制的应用仿真表明,该控制方案弥补了动态逆要求精确数学模型的缺点,消除了作动器饱和对自适应单元的影响,提高了整个控制系统的鲁棒性。

无人机——信息化作战时代的“尖兵之翼”

无人机正在从过去执行一般侦察等简单任务向执行警戒、打击乃至空战等更高级军事任务发展,逐步成长为不可或缺的主要作战装备,并将对未来战争形态、组织、模式等带来深远的革命性影响。在民用领域,无人机也在测绘、勘探、边防、反恐、应急救援等各领域展现出广阔的应用前景。

一种在线神经网络在补偿飞机模型不确定性误差中的应用

讨论了一种基于神经网络动态逆的直接自适应控制方法 ,并应用于超机动飞机的飞行控制中。基本控制律采用非线性动态逆方法进行设计 ,对由于模型不准确导致的逆误差采用单隐层神经网络进行在线补偿。仿真结果表明 ,神经网络通过补偿由于模型不准确引起的逆误差 ,弥补了非线性动态逆要求精确数学模型的缺点 ,提高了整个控制系统的鲁棒性 ,而且可以大大简化动态逆控制律的设计。

蚁群算法理论及应用研究的进展

蚁群算法是优化领域中新出现的一种仿生进化算法.该算法采用分布式并行计算机制,易与其他方法结合,具有较强的鲁棒性;但搜索时间长、易限入局部最优解是其突出的缺点.针对蚁群算法,首先介绍其基本原理;然后讨论了近年来对蚁群算法的若干改进以及在许多新领域中的发展应用;最后评述了蚁群算法未来的研究方向和主要研究内容.

基于蚁群算法的PID参数优化

针对传统的PID控制器参数多采用试验加试凑的方式由人工进行优化,提出了一种新型的基于蚁群算法的PID参数优化策略.蚁群算法是近几年优化领域中新出现的一种仿生进化算法,该算法采用分布式并行计算机制.在简要介绍蚁群算法基本思想的基础上,推导了蚁群算法PID参数优化方法,并给出了新算法的具体实现步骤,最后将该优化方案应用于某型高精度飞行仿真伺服系统.仿真应用研究表明,该PID参数优化策略具有很强的灵活性、适应性和鲁棒性,进而验证了该方案的可行性和有效性.

基于云模型理论的蚁群算法改进研究

近几年优化领域中新出现的蚁群算法采用分布式并行计算机制,易于与其它方法结合,具有较强的鲁棒性,但易限于局部最优解是其最突出的缺点.云模型是一种新的实现定性概念和定量数值之间转换的有力工具,本文在介绍云模型理论的基础上,提出了一种利用云模型来有效限制蚁群算法陷入局部最优解的方法,最后将基于云模型理论的改进蚁群算法与未改进的蚁群算法分别应用于著名的CHC144TSP进行实验.改进后的蚁群算法采用升半正态云规则进行控制,并选取了500个云滴,仿真计算结果证明了该方法的有效性和可行性.

基于ACA的飞行仿真伺服系统LuGre摩擦参数辨识(英文)

针对 Lu Gre摩擦模型的高度非线性问题 ,提出了一种新型的基于 ACA的飞行仿真伺服系统摩擦参数辨识方法。ACA是近几年优化领域中新出现的一种仿生进化算法 ,该算法采用分布式正反馈并行计算机制。在简要介绍Lu Gre摩擦模型的基础上 ,推导了 ACA的 Lu Gre模型静态摩擦参数和动态摩擦参数辨识方法 ,并将该辨识方案应用于某型电动飞行仿真伺服系统。实例仿真验证了本文提出的基于 ACA的 Lu Gre模型摩擦参数辨识方案的可行性和有效性 ,该方案为辨识 Lu

一种改进的蚁群算法用于灰色约束非线性规划问题求解

针对灰色约束非线性规划问题,设计了一种改进蚁群算法.该算法采用了正反馈机制,在对灰色约束非线性规划问题白化处理后,将罚函数方法引入到目标函数中,同时给出了改进蚁群算法的仿真流程.实例应用表明,将改进后的蚁群算法应用于灰色约束非线性规划问题的求解是可行有效的.

大闭环半物理飞行实时仿真系统研究

根据研究课题需要设计了大闭环半物理飞行实时仿真系统。由飞行控制、动力学仿真和视景仿真等分系统组成,基于双余度光传网络高速互连。通过实际仿真测试,验证了容错飞控计算机、光传总线通信协议、两余度作动器等硬件系统的有效性和可行性,并提出该系统的进一步研究方向。

石台煤矿残采工作面优化设计实践

残采工作面设计比一般规则工作面设计更具复杂性、特殊性和灵活性。文章具体介绍了近年来石台煤矿残采工作面优化设计的三大策略9个典型案例,能够有利地指导矿井即将全面开展的残采工作。

基于在线学习误差反传算法的仿真伺服系统设计

针对无人机(UAV)仿真伺服系统的驱动模型,提出了一种将误差反传算法用于UAV仿真伺服系统在线学习设计的新方案。在该算法中采用了BP神经网络的基本思想,设计了两输入、单隐层、两输出在线学习策略,输入层分别为给定指令信号和反馈数字解算后的位置信号;隐含层单元数为12 个;输出层设为2 个输出单元,即经在线学习误差反传算法学习训练后的数字位置和速度,其中位置控制器采用自调节比例积分微分(PID)控制,速度通过数字/模拟(D/A)转换后传送到速度控制器,设定精度误差指标为0.05,训练样本数为30。用研制的UAV仿真伺服系统对UAV光纤陀螺传感器进行含实物半物理实时仿真实验,结果表明,该在线学习误差反传算法控制方案的UAV仿真伺服系统具有收敛性好、动态响应快、鲁棒性强的特点。