新建白果沱大桥拱轴系数的确定

原白果沱大桥因当地经济的发展及下游修建水电站的影响，需拆除重建。文章就设计过程中拱轴系数的比选情况进行了说明。     

PMSM的高精度感应电势状态观测器与位置估计

提出了永磁同步电动机考虑参数变化时精确的感应电势关系式新模型,建立了微分型和非微分型两种高精度感应电势观测器,证明了感应电势观测器的稳定性和收敛性,分析了参数变动对位置估计的影响.针对无位置传感器矢量控制系统,以内埋式永磁同步电动机为例进行了仿真实验研究,结果表明设计的感应电势状态观测器具有优良的性能.     

谱聚类的扰动分析

以矩阵的扰动理论为工具对谱聚类（spectral clustering）进行了分析，通过引入图的权矩阵并对权矩阵的谱和特征向量进行分析，得到了权矩阵的谱与聚类的类数、权矩阵特征值的大小与每一类所含点的个数、以及权矩阵的特征向量与聚类之间的关系．据此，设计了一个基于权矩阵的无监督谱聚类算法（unsupervised spectral clustering algorithm based on weightmatrix，简记为USCAWM），并在模拟点集和实际的数据集上进行了实验，实验结果肯定了理论分析的正确性．     

综合孔径微波辐射探测系统仿真平台设计

由于综合孔径微波辐射探测系统在理论分析和大型阵列物理系统构建方面都十分复杂,因而仿真成为十分重要的研究手段。从系统建模、“搭积木”设计、模型/算法库设计、多级仿真设计以及体系架构等方面论述了综合孔径微波辐射探测系统仿真平台的设计,仿真内容涵盖被探测目标、环境、天线阵列、接收机通道和信号处理等。实验结果表明,该平台能正确模拟对远距空中目标的微波辐射探测,可用于综合孔径微波辐射探测理论及系统设计的研究。     

手摇套料钻的理论分析及改进意见

本文揭示了从日本引进的手摇套料钴的工作进给原理为一差动螺旋传动,阐明了它的使用方法,详细分析了它的齿轮传动、螺纹传动、刀具结构及几何角度,并提出了相应的改进意见。     

基于神经网络的无刷直流电机预测控制的仿真研究

在无刷直流电动机高性能速度跟踪系统中，由于PI控制的滞后性，无法根据未来动态行为产生较为理想的PWM波形。针对PWM发生器一无刷直流电动机系统，提出基于神经网络的PWM预测控制方法。采用离线训练和在线修正的方法，通过对PWM发生器-无刷直流电动机系统动态行为的在线估计，建立了系统的神经网络模型。最优控制器根据神经网络模型的输入、输出响应产生合适的PWM波形。在Matlab／Simulink环境建立了模型并进行了仿真，结果表明，较之PI控制器，神经网络预测控制具有更好的动态响应性能。     

铁素体-贝氏体球墨铸铁的初步研究

本文研究了不同比率的铁素体-贝氏体两相组织对球墨铸铁拉伸特性和冲击韧性的影响。当铁素体球墨铸铁在900℃奥氏体化,400℃等温淬火,贝氏体体积分数为54％和93％时,延伸率及断面收缩率均出现两个峰值。实验证明,当铁素体和贝氏体的比率在最佳范围时,能明显提高其强度和韧性。X—射线衍射证实,贝氏体为无碳化物上贝氏体。能获得良好的韧性,主要由于在石墨球周围形成环状组织的无碳化物上贝氏体,可能是这种高强度、高韧性的贝氏体在石墨-贝氏体界面阻止了裂纹萌生的结果。     

基于无监督学习的智能数据中心电力拓扑系统

在任务关键型云计算服务中,构建准确的数据中心电力拓扑结构对于实现快速准确的故障处理,减轻故障事件对云计算服务质量的损害十分重要。但目前数据中心电力拓扑结构的生成过程具有劳动密集型的特点,其准确性难以得到有效评估和保障。该文设计了一种基于无监督学习的智能数据中心电力拓扑系统(intelligent data center power topology system,IPTS),不仅可为电力系统的运行部分自动生成实时变化的电力拓扑结构,而且可利用电力系统的监控数据对人工构建的数据中心电力拓扑结构进行验证。实验结果表明,IPTS可自动生成准确的数据中心电力拓扑结构,一致性比率(CR)可达到0.978,并可有效地定位人工构建的电力拓扑结构中的大多数错误。     

特厚煤层大采高综放开采区段煤柱留设宽度研究

针对特厚煤层大采高综放开采区段煤柱合理留设的问题,以同发东周窑煤矿为工程背景,采用弹性力学极限平衡法求得煤柱合理的理论留设宽度为20.87～24.08 m,利用工程类比法得到该煤矿上区段采空区煤柱侧严重塑性破坏区宽度约为4 m.运用FLAC3D数值分析软件对四种煤柱留设方案下煤柱内部的垂直应力、塑性破坏特征及巷道围岩的变形量进行剖析,以确定该煤矿区段最合理的煤柱留设宽度.结果显示：窄煤柱受大采高综放开采的特厚煤层和下区段回采双向侧向支承压力叠加的影响容易失稳变形破碎.综合考虑,最终确定该煤矿区段煤柱合理留设宽度为24 m.     

基于残差卷积自注意力神经网络的铝电解过热度识别方法

过热度是反映铝电解槽当前生产效率的重要指标,由于过热度难以在线实时测量,本文提出一种基于残差卷积自注意力神经网络的过热度识别方法.针对铝电解生产过程数据为时间序列数据且具有多源异构特性,设计异构数据的同构表示方法.在此基础上建立残差卷积自注意力神经网络模型以提取同构时间序列数据的全局与局部特征.针对过热度数据标签少且类别分布不均匀问题,采用基于自动编码器的无监督预训练方法与加权交叉熵损失函数以提高过热度识别任务的性能.在基准数据集上进行仿真对比实验以验证本文所提方法的有效性,然后在只包含少量不平衡标签的铝电解过热度数据集上进行实验验证,结果表明本文构建的过热度识别模型相较与其他现有模型不仅提高了过热度识别准确率,而且在训练样本较少时保证了模型的泛化能力.