基于人工神经网络烟度计有效光路的算法

为准确计算烟度计的有效光路，基于人工神经网络提出了对QN-1型全流消光式烟度计有效光路的计算方法．该方法利用烟度计有效光路的关键影响因素即空气扫气压力和发动机的转速为输入，构造了一种反向传播神经网络，并利用试验数据进行训练，然后仿真烟度计的有效光路．试验表明，仿真数据与试验数据偏差在-0．0399～0．0486之间．由此可见，利用人工神经网络计算烟度计的有效光路准确实用．     

壳聚糖/聚乙交酯三维编织物的力学性能

选择合适的生物材料和适宜的制备方法是实现组织修复、重建的重要环节．采用三维四步圆型编织方法,由壳聚糖和聚乙交酯(PGA)纤维制备绳索状三维编织物,研究其拉伸力学特性．研究结果表明：壳聚糖三维编织物的拉伸曲线与天然肌腱相似；直径为3．5mm的壳聚糖三维编织物在湿态下的最大拉伸载荷为50～85N,远低于其干态下值(140～225N),添加轴向纱对其无显著影响；在编织纱中掺入PGA纤维,可显著提高三维编织物的最大拉伸裁荷；PGA含量较高的壳聚糖/PGA三维编织物预期可以用作人工肌腱材料．     

隧道人工冻土帷幕边界雷达探测试验分析

在分析冻结法施工过程中冻土帷幕边界的传统判定方法优缺点，以及比较冻结土体与天然土体电性差异的基础上，结合上海复兴东路隧道联络通道的施工，开展了采用探地雷达方法对人工冻土帷幕边界进行判定的试验．通过正演模型试验了解了冻土边界的雷达反射波波形、振幅及相位特征；对实测雷达剖面进行非线性滤波处理，以消除隧道内的电磁干扰，并通过追踪同相轴判定冻土边界．雷达剖面解释结果与由测温孔监测资料推算出的温度场分布所反映的冻土边界能够较好地吻合，可以弥补测温法中测温孔数量少、元件损伤而导致数据丢失的缺陷．     

多目标遗传繁衍样本策略的应用研究

提出了以最小误差平方和作为样本相似度,结合制约条件经验公式的多目标遗传算法进行样本繁衍的策略,并探讨了使用多目标遗传算法对样本进行重复繁衍,从而得到符合真实条件并与原始样本非常接近的仿真样本,以便与原始样本一起进行训练得到可用神经网络的方法。作为对该方法的验证,笔者使用这种方法在仅能获得43个样本的基础上,建立了一个用于预测爆炸密实法地表沉降量的神经网络模型,获得了良好的效果。     

翅片管换热器仿真软件精度自适应校正方法

提出了一种自动修正翅片管换热器仿真精度的方法.根据用户所能提供实验数据的数量,采用不同的策略,实验数据较少时采用简单的多项式回归的形式来建立管外空气侧换热系数修正因子的修正多项式;实验数据较多时采用人工神经网络的方式来得到管外空气侧换热系数修正因子的神经网络关联模型.用于实际的仿真计算时,修正前的换热量误差最大28.96%,平均为11.12%;采用多项式修正后误差最大15.33%,平均5.38%;采用神经网络修正后误差最大4.9%,平均1.0%.     

对抗环境下足球机器人路径规划

在RoboCup中型组足球机器人比赛环境下,实现机器人实时、有效的路径规划是赢得比赛的重要前提.充分考虑到足球机器人比赛中实时性和对抗性的特点,采用具有实时性优势的人工势场法,并综合考虑障碍物、目标点以及机器人之间相对位置和相对速度的关系,提出一种相对威胁系数的概念.该系数能够反映比赛中双方机器人实际对抗的强弱程度.将相对威胁系数应用到传统的人工势场中,形成一种新的改进型人工势场法,较好地解决了对抗环境下机器人路径规划中一些实时性、有效性的问题.仿真实验验证了所提出算法在足球机器人比赛系统中具有可行性.将该算法应用于交龙足球机器人上,在实际比赛中取得了较好的成绩.     

基于综合导向的车式移动机器人轨迹跟踪控制

分析了具有不确定性和非完整约束的车式移动机器人系统的轨迹跟踪问题.基于运动学模型分析,提出一种自适应的轨迹跟踪控制方法.通过引入状态微分反馈实现系统的镇定.同时引入人工场,使其和位姿误差一起作用于控制系统,从而改善了对车式移动机器人的导航控制.运用Lyapunov稳定性理论证明了控制器的稳定性.直线和圆周两种轨迹跟踪的仿真实验表明,该控制方法能够使四轮车式移动机器人在导航中具有理想的跟踪轨迹.     

驱动单个原子制备纠缠相干态

提出一种利用经典场驱动单个原子与一个多模腔场相互作用制备腔场的多模纠缠相干态的方案.交替调整原子的跃迁频率,使原子与经典场及多模腔场交替作用,通过对原子的选态测量使多模腔场塌缩为多模纠缠相干态.     

动态环境下基于势场原理的避障方法

在保留传统人工势场法原理简单、易于实现优点的基础上，对其应用在具有移动障碍物的动态环境中所表现出的缺陷进行了改进，用碰撞时间参数代替相对位置参数并辅以碰撞角度约束来消除无渭的避碰运动，同时又引入障碍物作用于机器人、方向指向目标点的分力和局部波动函数，较好地解决了因局部最小以及障碍物与目标点相距太近造成的不能成功到达目标点的问题．仿真结果表明此方法能够使机器人在具有静态和移动障碍物的复杂环境中安全避障．     

混合动力汽车能量管理控制器参数优化

设计了一种新的基于人工免疫网络优化的模糊神经混合动力汽车能量管理控制器．该控制器结合模糊控制和神经网络的优点，利用神经网络的自学习能力，自动生成模糊规则和隶属函数，并不断优化隶属函数的参数，直到达到设计要求．为了避免神经网络的学习过程陷入局部极值点，采用人工免疫网络优化神经网络的参数．仿真结果显示，经过参数优化的模糊神经能量管理控制器的性能比普通能量管理控制器好，能进一步降低HEV的油耗．