硫化天然橡胶物理松驰速率的探讨

讨采用松驰速率（ＶＳＲ）的概念描述硫化天然胶物理松驰行为。结果表明，用ＶＳＲ＝∑Ａｉ／τｉｅ（－ｔ／ιｉ）速率方程，能较好地反映材料的应力松驰现象以及温度对松 影响，并认为ＶＳＲ描述硫化天然胶物理松驰行为交为科学。     

惯量松弛因子对Simple算法收敛性能的影响研究

通过实例系统地研究了惯量松弛因子对Simple算法收敛性能的影响,找到了影响Simple算法收敛性能的适宜的惯量(松弛)参数.研究表明,带惯量松弛的Simple算法是一种较有效的方法,可推广应用于气流数值计算及环境模拟中.     

一类无限维非线性发展系统的最优控制与松驰化

研究一类主算子是紧Ｃ０半群生成元的非线性发展系统的最优控制与松驰化，在合理假设下，证明了原始解轨道与原始最优控制的存在性，引入松驰化方法，研究了松驰化解轨道的性质，证明了一个松驰化定理 。     

平面五杆并联机器人动力学分析

用拉格朗日法推导出平面五杆并联机器人的动力学模型,得出驱动力矩的表达式.通过对平面五杆并联机器人模型的分析,得出了平面五杆并联机器人的主动关节等效惯量、耦合惯量和驱动力矩的变化规律.结果表明,对于给定的运动规律,机构的位形对系统的主动关节等效惯量、耦合惯量和驱动力矩的影响较大.     

转动惯量分布对电力系统频率稳定性的影响

针对大规模新能源机组集中并网将导致系统惯量降低,使电网缺乏可靠的惯性响应,系统的频率抗扰动能力下降的情况,根据电力网络拓扑耦合关系与复杂网络动态特性,构建了小干扰稳定模型,并将扰动信号进行模态分解,分析各节点在对应模态下对扰动的响应情况,得到系统频率稳定性对于节点惯量变化的敏感程度,分析惯量分布对系统频率稳定性的影响。通过PSASP软件仿真,验证了不同节点惯量改变相同比例的情况下,系统频率稳定性对于节点惯量变化的敏感度不同。在系统总体惯量有限的情况下,为不同惯量机组的位置配置提供参考,以提高系统频率稳定性。     

基于电惯量的汽车惯性式制动试验系统的设计

传统的汽车惯性式制动试验系统采用机械惯量盘模拟汽车运动惯量,这种系统体积大、惯量调整困难、自动化程度不高,针对这些问题,提出了基于电惯量的汽车惯性式制动试验系统的设计思想.该设计通过对机械惯量数学模型的分析,提出了用控制算法控制电动机,使它的输出惯量能模拟机械式惯量盘的惯量,即用"电惯量"代替"机械惯量".文中用MATLAB软件对系统性能进行了仿真研究并作了可行性的分析,研究结果表明设计是可行的.     

尼龙1010／6共聚物动态力学性能研究

用动态力学方法研究发现尼龙１０１０／６共聚物在测试温度范围内有三个松驰峰，分别为α、β、γ松驰峰。在温度谱中，１＃、２＃、６＃样品的α松驰峰较宽，３＃、４＃、５＃样品的α松驰峰较窄，各样品的β、γ松驰峰峰形较小，相差不大。其中２＃样品的α松驰峰最高，动态模量最大；４＃样品的α松驰峰最低，模量最小。     

考虑小干扰稳定和频率稳定的虚拟惯量配置分析

新能源发电占比的提高使得系统惯量下降,虚拟同步机可为系统提供惯量支撑。目前,虚拟惯量的配置主要是从小干扰稳定和频率稳定两者之一的角度进行分析的,鲜有研究同时考虑这2个因素。并且,虚拟惯量配置的研究主要针对电压源型虚拟同步机,很少针对电流源型虚拟同步机。为此,该文通过建立电压源型和电流源型虚拟同步机的同步主导回路模型,分析了虚拟惯量参数对2种稳定性的影响。研究表明,虚拟惯量的减小会提高系统的小干扰稳定性;然而,在功率扰动下,电流源型虚拟同步机的输出频率会叠加受虚拟惯量主导的V_q暂态分量从而产生超调,虚拟惯量过小会导致频率超调过大,不满足并网运行标准。因此,为了使系统具有良好的小干扰稳定性和频率稳定性,虚拟惯量的配置需要同时考虑这2种稳定性的约束。最后,在单机无穷大系统和孤岛两机系统的虚拟惯量配置仿真中验证了该结论。     

基于二次调频的孤岛微网自适应旋转惯量控制策略

传统的虚拟同步发电机(VSG)控制策略中引入同步发电机(SG)的旋转惯量和阻尼系数,解决了大规模分布式能源接入微网时缺少惯性的问题,然而固定的旋转惯量无法兼顾负荷扰动下功率振荡及频率波动.针对这一问题,提出一种基于二次调频的旋转惯量自适应控制策略,增强系统惯性,实现功率和频率的实时动态调节.首先,借鉴SG的外特性建立VSG的数学模型,分析孤岛模式下不同旋转惯量对系统动态响应的影响;然后,在旋转惯量控制中引入角频率偏移量和变化率形成自适应惯量控制,减少系统在负荷扰动时的超调量和振荡时间,并分析重要参数对系统稳定性的影响;最后,通过Matlab/Simulink仿真软件,将其与传统VSG控制策略进行对比分析,验证了所提新型VSG控制策略的可行性和优越性.     

惯性张量及其特征值

在研究刚体定点转动中，若能求出刚体的主惯量及惯量主轴方向，将使求解大大简化，本文就如何求惯量主轴及主惯量介绍了这两种方法。     

惯性权值和学习因子对标准PSO算法性能的影响

基于标准PSO算法,通过分析惯性权值和学习因子2类参数不同的取值策略对常用测试函数优化结果的影响,来探究2类参数对算法性能的影响.实验结果表明,2类参数恰当的动态改变不仅能明显提高单峰函数的寻优精度和收敛速度,而且能提高双峰和多峰函数的寻优概率;惯性权值主要影响算法的收敛速度,随着惯性权值的递增,算法收敛速度逐渐加快;学习因子主要影响算法的寻优精度,当反映粒子的自我学习能力和向群体最优粒子学习的能力的学习因子同增同减变化时,寻优精度提高;惯性权值递增结合2种学习因子的同增同减变化,或惯性权值递减结合2种学习因子的一增一减变化,均可使标准PSO算法性能得到显著提高.     

基于改进粒子群算法的码书设计方法

基本的矢量量化码书设计方法的性能易受到初始码书的影响,采用群体优化的粒子群算法是克服这一缺陷的有效手段。在粒子群算法中,惯性权重因子的大小决定了粒子的搜索能力。为了权衡粒子群算法中全局搜索能力与局部搜索能力,提出了一种非线性递减的惯性权重粒子群优化算法。该算法能够自适应地调整惯性权重因子的大小,从而有效地改善粒子的全局搜索能力。     

动量插值的一种简单有效的修正

针对动量插值数学上的不足,提出一种简单的修正格式,采用与原始的SIMPLE算法非常相似的推导过程,得到不可压流体流动的一种简单的同位网格SIMPLE算法。利用有限数值算例证明新提出的同位网格算法的有效性。结果表明,所有界面速度均采用算术平均值,具有编程简单、内存占用少的优点,同时有效地克服了计算结果与松弛因子有关的的缺点,并克服了同位网格上用动量插值计算界面速度的数学上的缺陷。     

求解函数优化问题的自适应粒子群算法

本文提出了一种新的自适应粒子群优化算法(ASPO)。该算法利用种群多样性信息对惯性权重进行非线性的调整,并在算法的后期引入速度变异算子和位置交叉算子,使算法摆脱后期易于陷入局部最优点的束缚。将其应用于函数优化问题中,仿真结果表明APSO算法能有效的解决函数优化问题。     

考虑压力边界条件的SIMPLE算法

本文提出了一种能够考虑压力边界条件的ＳＩＭＰＬＥ－Ｐ（Ｐｒｅｓｓｕｅ）算法．该算法对已知压力未知流量的情况，计算性能大大优于ＳＩＭＰＬＥ算法．文中指出，一个完整的压力边界条件实现必须同时考虑到边界内部控制体的影响．算例表明，本文提出的方法是切实有效的．     

基于PSO的PID参数整定仿真与研究

针对工业控制过程中经验PID整定耗时耗力、精度低且稳定性能差等问题进行研究,提出采用标准粒子群算法可实现对PID控制器参数的快速优化且收敛效果明显;通过重点分析PSO算法中的不同惯性权重以及学习因子分别对被控对象系统控制优化性能的影响,深入研究算法参数各部分的作用及其设置范围,使基于PSO算法的PID整定方法能够获得最优的控制效果及更广阔的应用前景;最后,应用Matlab软件平台,并结合Simulink系统进行算例数字仿真分析:通过对比不同惯性权重及学习因子情况下的仿真结果,证明方法的鲁棒性强;通过对比传统Z-N方法和遗传算法整定,证明了方法的优越性。     

惯性权自适应调整的量子粒子群优化算法

针对量子粒子群的惯性权值β线性递减不能适应复杂的非线性优化搜索过程的问题,提出了一种惯性权自适应调整的量子粒子群优化(DCWQPSO)算法.在该算法中,引入了量子粒子群进化速度因子sd和聚集度因子jd,并将惯性因子β表示为sd,jd2个参数的函数.在每次迭代时,算法可根据当前量子粒子群进化速度因子和聚集度因子动态地调整惯性权值,从而使算法具有动态自适应性.对典型的标准函数的测试结果表明,与量子粒子群算法相比,改进后的量子粒子群优化算法的收敛速度明显提高.     

一种动态改变惯性权的自适应粒子群算法

针对惯性权值线性递减粒子群算法(LDW)不能适应复杂的非线性优化搜索过程的问题,提出了一种动态改变惯性权的自适应粒子群算法(DCW).在该算法中引入了参数粒子群进化速度因子和聚集度因子,并根据这2个参数对粒子群算法搜索能力的影响,将惯性因子表示为粒子群进化速度因子和聚集度因子的函数.在每次迭代时算法可根据当前粒子群进化速度因子和聚集度因子动态地改变惯性权值,从而使算法具有动态自适应性.对几种典型函数的测试结果表明,DCW算法的收敛速度明显优于LDW算法,收敛精度也有所提高.     

R-收敛因子和σ-收敛因子之间的关系

收敛速度是衡量一个最优化算法好坏的重要指标．1970年Ortega和Rheinboldt给出了两种度量一个迭代过程收敛快慢的精确标志．笔者证明了当收敛阶p＝1时，R—收敛因子和σ—收敛因子是相等的，从而可以用两种度量标志中的任何一种进行度量．