广义动态测量精度模型及不确定度研究

对采用数学方法逼近动态测量系统传输特性的传统理论所存在的问题进行了分析 .基于全面考虑动态测量系统各误差因素的影响 ,提出包含所有误差对动态系统精度影响的广义动态测量精度模型的理论与建模方法 。

基于广义动态模糊神经网络的光伏电池MPPT控制

依照最大功率点跟踪(MPPT)的原理,在综合考虑各种不同的控制方法优缺点的基础上,提出了一种新的基于椭圆基的广义动态模糊神经网络(GD-FNN)的光伏电池的智能控制方法。通过GD-FNN算法调节PWM的占空比来控制光伏电池的输出电压,实现阻抗匹配,达到能量的最优化。仿真结果表明,这种控制方法能够有效地跟踪到电池的最大功率,并且具有较好的稳定性。

基于广义动态模糊神经网络的短时车站进站客流量预测

针对轨道交通车站短时进站客流的不均衡性、高度非线性和时变性特点,结合逻辑推理能力强的模糊技术与自学习能力强的神经网络,提出一种基于广义动态模糊神经网络(GD-FNN)的短时进站客流量预测方法。以北京轨道交通各车站的进站客流量数据为例,分析轨道交通车站的进站客流特征,确定影响短时客流分布的主要因素;然后采用GD-FNN方法构建车站短时进站量的预测模型,实现对北京轨道交通系统若干车站进站量的预测。预测结果表明:该方法与传统的神经网络相比,预测效果更准确(最大相对误差小于8%),稳定性好。

基于广义动态模糊神经网络的电厂锅炉燃烧优化建模

针对电厂锅炉燃烧系统的非线性、大延时、时变、干扰频繁等特点,采用模糊神经网络对其建立数学模型。通过所建数学模型研究燃烧效率和氮氧化物排放量之间的关系,从而对锅炉燃烧系统进行优化,以提高锅炉效率和减少污染物排放。仿真结果表明,利用改进的广义动态模糊神经网络对电站锅炉燃烧过程建模能够精准地逼近实际数据,且性能优于其它神经网络。

基于广义动态信息模型的机床结合部动刚度参与因子辨识方法

针对在广义刚度场中研究结合部对机床动态特性的影响以及动力学参数优化设计的需要,提出一种基于机床广义动态信息模型的结合部动刚度参与因子的概念和辨识计算方法。采用响应面方法(Response surface methodology,RSM)建立描述广义刚度场中机床轴端动刚度与结合部动力学参数关系的广义动态信息模型;以结合部动刚度单位变化值为广义动态信息模型的输入量,计算轴端动刚度变化值作为结合部动刚度参与因子的辨识依据。以精密卧式加工中心为对象,将该方法应用于立柱-主轴系统的导轨、滚珠丝杠结合部动刚度参与因子辨识和试验验证。结果表明,该方法可以有效地识别出对机床动态特性影响较大的关键结合部,从而为结合部动力学参数的定量优化设计提供一种技术上支持。

沥青混合料永久变形特性对结合料广义动态剪切模量的响应

通过动态应力扫描测试获取各结合料60℃时峰值剪应力及相应剪应变的数据,采用BoxLucas模型拟合剪切应力-应变基本方程,并据此计算结合料在线粘弹区的广义剪切模量(GDSM)。研究表明,60℃时,结合料的GDSM与混合料的永久变形间具有良好的相关性,GDSM适合作为评价、区分结合料永久变形性能的指标。

适用于直升机俯仰与滚转机动分析的广义动态尾迹模型

现有的直升机操纵响应计算方法,给出的他轴耦合响应往往与飞行实测结果符号相反,这是由于仿真模型未计入机动时的尾迹弯曲。本文建立了尾迹弯曲的模型,推导出角速率与一次谐波入流分量之间的关系,据此对旋翼的广义动态入流模型进行了增广和修正;以某机型为算例,分析了直升机俯仰或滚转运动对他轴耦合响应的影响。本增广模型为通用模型,适用于任意机型,无需依赖特定机型的经验公式,即可正确计算直升机的他轴响应。

基于仿真的广义动态约束网络建模技术

提出了支持复杂产品并行协同设计的广义动态约束网络(GDCN)的概念,并给出了GD-CN的数学模型.对GDCN的建模技术进行分析后,提出了基于仿真分析和元模型技术的领域级约束建模的有效方法.最后以某型号V 6发动机曲柄连杆机构的设计为例,说明了支持复杂产品并行协同设计的GDCN建模技术的准确性和有效性.

基于广义动态尾迹倾转旋翼飞行器数学建模

为了进一步提高倾转旋翼飞行器的建模精度,采用广义动态尾迹理论建立旋翼的诱导速度模型,进而建立了旋翼气动力计算模型;考虑旋翼尾流对机翼的影响,建立了机翼气动力模型;考虑旋翼和机翼对其他升力面的气动干扰,建立相应的气动力计算模型;最后以XV-15倾转旋翼飞行器为例,对建立的模型进行验证。仿真结果表明:建立的飞行动力学模型可以很好地反映飞行器的物理特性,适用于倾转飞行器的飞行动力学研究。

基于广义动态模糊神经网络的算法研究

在D-FNN算法基础上,提出了一种新的基于椭圆基函数的广义动态模糊神经网络方法。该方法不仅可以用于系统建模、辨识和控制,而且还可以用于模糊规则的自动生成或抽取。提出了一种模糊-完备性作为在线参数分配机制,避免初始化选择的随机性,同时,该算法不仅能对模糊规则而且能对输入变量的重要性作出评估,从而使每条规则的输入变量的宽度可以根据它对系统性能贡献的大小实施在线自适应调整。开发了相关的算法程序,最后针对实际案例进行了仿真分析,表明了该算法的有效性和高效性。

广义动态模糊神经网络及其在热工辨识中的应用

针对热工过程难以建立精确数学模型的特点,将广义动态模糊神经网络应用于热工复杂系统的辨识。该算法以模糊完备性作为高斯函数宽度的确定准则,避免初始化选择的随机性。同时,该算法不仅能对模糊规则而且能对输入变量的重要性做出评价,从而使得每个输入变量和模糊规则都可以根据误差减少率进行修正。通过对某电厂一次风量和平均床温实测数据的仿真实验结果表明,该方法具有较高的辨识精度和效率。

具有状态观测器的广义动态矩阵控制在板带轧机位置伺服系统中的应用

板带轧机的构成是复杂的,其控制系统日益精密化和智能化,但是目前广泛应用于现场的比例积分微分(PID)控制策略,由于鲁棒性较差,难以满足进一步提高板带轧机控制精度的要求。针对板带轧机位置伺服系统,应用广义动态矩阵控制理论,设计预测控制器,并采用滚动优化、反馈校正的控制策略。构造状态观测器,使控制系统具有带观测器的状态反馈形式,不断地修正预测模型,增强了系统的鲁棒性。所研究控制算法基于系统的阶跃响应,具有较强的稳定性和鲁棒性。提出上述控制策略的计算机控制实现方法,仿真研究结果表明该方法远比目前带钢生产中广为采用的PID控制策略优越,具有智能性且易于实现。

一种快速广义动态约简算法

为解决传统算法计算广义动态约简耗时的问题,提出在约简有效性约束条件下的快速算法。通过稳定度阈值的限制,减少F族中需要计算出所有约简的子表的数量,并利用最优稳定度系数过滤掉不可能成为广义动态约简的子表约筒。理论分析和实验表明,快速算法在效率上较传统算法具有显著提高。

广义动态约束满足问题的一种双层组合启发式求解算法

为了求解并行协同设计过程中诸多制约关系形成的约束网络,研究动态约束满足问题,提出一种基于模糊物元分析和改进微粒群算法的双层组合启发式求解算法。将模糊物元分析理论作为算法的第一层,建立广义动态约束满足问题的可拓关系元形式化模型,并应用模糊关系元优化方法完成从求解空间到寻优空间的转换;将改进微粒群算法作为第二层,在基本微粒群算法基础上,引入柔性变异概率及动态更新响应方式提高算法对复杂动态系统环境变化的适应性,追踪协同设计进程中动态约束带来的系统极值的最新变化。通过设计实例验证所提算法的有效性。面向广义动态约束网络的双层组合优化算法为协同设计过程中的约束建模和求解提供了一种形式化和动态的研究方法。

基于广义动态模糊神经网络的电液伺服系统控制

针对电液伺服系统这一复杂的非线性系统,提出一种广义动态模糊神经网络学习算法,并设计控制器。该算法以模糊ε-完备性作为高斯函数宽度的确定准则;同时对模糊规则和输入变量的重要性作出评价,并以此来调整每个输入变量和模糊规则。使用AMESim软件搭建了系统的模型,并利用AMESim的接口技术实现了与Simulink的联合仿真。仿真结果表明,该控制器具有较强的鲁棒性。

基于广义动态约束满足的产品应用服务构件模型研究

为提高产品应用服务系统的构建效率和服务设计的复用性能,提出可配置的产品应用服务构件模型及其配置实现机制。首先,给出了产品应用服务服务要素及其相互关系的描述,针对应用服务构成要素的特点,提出可配置的产品应用服务构件模型;然后,根据产品应用服务构件模型中的特征变量、接口变量、属性变量和约束关系的特点,提出了产品应用服务构件模型的广义动态约束满足转换的概念,通过变量集和约束集对构件模型进行描述,并采用双层组合启发式求解算法实现构件性能的综合最优化,生成一簇具有较高复用价值和复用性能的产品应用服务构件。最后通过实例,验证了所提模型的实用性和有效性。

广义动态系统的微分算子矩阵方法

本文用微分算子矩阵方法讨论了一类广义动态系统的结构性质,并且用微分算子多项式矩阵的系数阵,给出了各类动态系统能控(观)性的直接判据。它是用微分算子矩阵方法研究广义动态系统的开端。

广义动态模糊神经网络对软件质量的预测

软件质量预测是软件质量评价体系中的关键技术,针对软件质量预测过程中难以建立精确数学模型的特点,提出了将广义动态模糊神经网络应用于软件质量预测模型中。以模糊?的完备性作为高斯函数宽度的确定准则,避免了初始化过程中选择的随机性,同时,能对模糊规则和输入变量的重要性作出评价,从而使每条规则的输入变量的宽度可以根据它对系统性能贡献的大小实施在线自适应调整。通过对软件可靠性的仿真实验结果证明,广义动态模糊神经网络不仅适合模糊规则抽取也可用于系统建模,而且具有较高的辨识精度和效率。

广义动态系统观测器的参数化

通过使用受限等价变换,研究了广义动态系统观测器的构造问题,提出了观测器参数化新的表达形式,并分析了其结构机理,最后给出了一个数值例子.得到的观测器参数化结果可用于解决广义动态系统最优H2/H∞滤波问题以及鲁棒观测器的设计问题.已知的正常系统的相应结果可以作为本文结果的特殊形式.

广义动态模糊神经网络焊接接头力学性能预测

建立广义动态模糊神经网络模型,用来预测焊接接头力学性能.模型结构不再是建模时预设,而是在对逐个样本的学习过程中动态自适应调整.引入椭圆基函数扩大函数的接收域,利用系统误差和模糊规则ε完备性作为模糊规则增加的依据,并将模糊规则ε完备性作为径向基单元的宽度确定准则.以误差减少率评价模糊规则的重要性,并以此为依据对模型的模糊规则进行修剪.采用三种不同厚度、不同工艺TC4钛合金TIG焊接试验,获得17组训练样本和5组仿真样本数据,建模并仿真.结果表明,该模型能够对焊接接头力学性能进行较为准确的预测.