油气悬架数学建模及仿真研究

建立了双气室油气隔离式油气悬架复杂的非线性数学模型。数学模型中引入了微分的概念,考虑了液压油的可压缩性、液压软管的膨胀和长度以及液压油在管道流动过程中由于截面积突变、管道长度等引起的两种压力损失,使数学模型更真实准确地反映了物理模型。利用MATLAB/S imu link为数学模型编制了仿真程序,以正弦波作为输入信号进行仿真,通过仿真曲线对油气悬架的阻尼特性、刚度特性以及频率特性进行了详细地分析,并研究了影响油气悬架性能的各种因素,为油气悬架的参数优化和匹配奠定了基础。

基于ADAMS的并联机器人运动学和动力学仿真

应用机械系统动力学仿真分析软件ADAMS,建立了Stewart型并联机构的虚拟样机模型,包括对并联机器人各部件的简化方法、在ADAMS中的模型描述及仿真过程控制,并利用该虚拟样机模型对并联机器人进行了运动学和动力学分析。为并联机器人系统的设计、制造和模拟运动作业提供了理论依据和主要参数。实现了在计算机上通过使用CAE仿真软件来对并联机器人的运动和动力性能进行分析,为并联机器人的设计提供了一套有效的分析方法。

北京市人口密度空间分布及其尺度特性研究

利用北京市第六次人口普查数据,在对人口统计数据进行空间化处理的基础上,分析了城市人口密度分布的统计特征及其空间自相关性,充分证明了北京市人口密度分布具有非常强烈的空间自相关性,并已经凸显出城市人口密度多核心分布模型的特征;在对人口统计数据进行格网化处理的基础上,分析了6种不同尺度下北京市人口密度空间分布的统计学特性和空间自相关性,证明了北京市人口密度的空间分布具有尺度特性;本文进一步对尺度特性影响下的人口密度空间分布特性空间自相关性进行了对比研究,从而揭示出空间自相关性与尺度变化间的规律。

基于深度学习的区域生态安全时空模拟与预测

区域作为人类、自然、社会共同作用和互相影响的复杂系统,对区域进行生态量化建模与模拟仿真,是实现区域可持续发展战略的关键。传统机器学习方法对区域生态系统建模取得了一定的成果,但难以确定学习特征和实现时空模拟。深度学习不需事先确定训练特征,具有优异的特征学习能力,能够提高模型预测精度,因此利用深度学习进行建模具有显著优势。本文使用植被净初级生产力(NPP)、气溶胶光学厚度(AOD)和人口格网数据,充分利用深度学习的优点,采用最优深度神经网络时空模拟,得到了河南省2007-2014年3 km分辨率的生态赤字空间分布图和河南省2015-2020年的生态赤字时间预测结果并进行分析,为区域生态的科学管理和建设供科学依据和参考。