结构动力分析中的逐级近似缩聚法

本文基于逐级逼近理论建立了一种动力模型缩聚的逐级近似减缩法（ＳＡＲＴ）．该方法具有协调和非协调格式．本文基于ＳＡＲＴ导出了一般的ｋ级递推减缩公式，其中一级近似和二级近似减缩式就是现有的Ｇｕｙａｎ／Ｉｒｏｎｓ减缩和ＩＲＳ减缩．算例表明，在物理型减缩技术方面，本文的三级近似减缩模型精度最好．

电液位置伺服系统的模糊神经网络控制

针对电液位置伺服系统中的非线性、参数时变性等复杂因素,设计了一种模糊神经网络控制方案。由于常规的模糊神经网络学习算法具有权值调整复杂,收敛速度慢的缺点,因此采用模糊逐级误差逼近方法来调整模糊神经网络的权值。该算法易于实现,网络权值在线学习速度较快,而且计算量小于其他的常规神经网络学习算法。将该方法应用于电液位置伺服控制系统中,在对象参数摄动情况下,进行了仿真研究。仿真结果表明,采用该方法所设计的控制器满足系统对快速性和稳态精确度的要求,系统的鲁棒性增强,验证了方法的有效性。

改进Guyan～递推减缩技术

本文基于广义逆技术和逐级逼近思想，既建立了精度显著提高的改进Guyan减缩法，又提出了“物理型”近似减缩技术方面精度最好的准动态k级速推减缩公式，然而这些方法的执行时间却与其它“同一级”方法大抵相同．因此说，本方为工程界提供了至今综合效果最好的一类准动态模型减缩技术。

周培源湍流理论概述

2022年是周培源先生(1902年8月28日—1993年11月24日)诞辰120周年,为怀念一代宗师,本文对周先生长达半个多世纪的湍流研究历程以及建立的湍流理论进行了概述,内容包括湍流“前模式理论”,涡旋结构的湍流统计理论,相似性理论和逐级逼近方法,最后就周先生对湍流研究做出的贡献进行了总结。

一种用于CMOS图像传感器的10位高速列级ADC

提出了一种适用于高速小尺寸像素的列级ADC,该ADC采用单斜ADC(single-slope ADC,SS ADC)与逐次逼近ADC(successive-approximation ADC,SA ADC)相结合的方式在提高模数转换速度的同时减小了芯片面积.SS ADC实现5位粗量化,SA ADC实现5位细量化,SA ADC中5位分段电容DAC的桥接电容采用单位电容并利用区间交叠方式实现了误差校正.采用GSMC 0.18,μm 1P4M标准CMOS工艺对电路进行设计,仿真结果表明:所提出的列级ADC在167,kHz/s采样率和3.3,V电源电压下,有效位数9.81,每列功耗0.132,mW,速度比传统SS ADC提高了22倍.

模拟退火法快速逼近解求模型参数

针对最小二乘算法对非线性模型进行参数估计时需要求导计算,当函数模型比较复杂时求导比较困难,并且容易产生模型误差的情况,提出用模拟退火法解求模型参数,模拟退火法是一种概率通用算法,基于在一个特定的定义域中进行随机搜索,要准确高效地搜索出结果,就需要尽可能地缩小定义域的范围,提出快速搜索算法,逐级逼近参数的精确值,提高了模型参数估计的效率和准确度,得到了很好的效果。