基于PSO磁悬浮球系统自适应灰预测控制

目的 针对磁悬浮球系统非线性不稳定和滞后性的问题,提出一种基于粒子群优化的自适应灰色预测 PID (Proportion Integration Differentiation)复合控制策略。 方法 通过在 PID 控制模块的反馈环中引入具有等维新息特征的灰色预测器,对系统误差进行及时反馈修正,以提高控制系统的响应速度和鲁棒性;同时,融合粒子群智能算 法对控制器参数迭代优化,以提高控制系统控制精度和抗干扰能力;最后,在 MATLAB / Simulink 环境下搭建仿真 平台进行对比实验。 结果 验证基于粒子群优化的自适应灰预测控制系统模型的超调量、峰值时间、调节时间显著 改善。 结论 证实该策略可以有效抑制系统滞后性,具有良好的稳定性和鲁棒性。     

西昌人工与自动酸雨观测记录差异规律研究

利用西昌国家基本气象站2021年人工和自动的酸雨观测数据,对TCYII 1型酸雨自动观测系统和人工系统的降水采样偏差及完整性、测量数据的准确性和一致性、设备硬件及软件通讯的故障率进行了对比分析。结果表明：正常情况下,2套系统数据的完整性、准确性、一致性较好。酸雨自动观测系统在采样方式及样品保存方面具备一定优势,能够保证观测数据更接近于自然雨水的数值,更贴近真实情况。自动观测系统面临单轨运行,它的手动操作设置、部分配件需厂家优化改进。上级主管部门对自动系统测量阈值的设定、采样中出现的漏采、空采、多采等特殊情况,仍需进一步明确处理办法。     

汽车座椅调节参数对体压分布的影响分析

针对汽车座椅调节参数对体压分布的影响,选择靠背角度、座椅高度、滑轨位置3个参数作为因子,设计三因子五水平的正交试验,开展对95百分位、50百分位人体以及人体假人模型装置（H-Point Machine,HPM）在不同调节参数下的体压分布采集试验. 对采集的体压数据进行去噪处理和提取体压指标,采用灰色关联度分析方法,分析与体压分布指标关联度较大的因子;对与体压指标关联度较大的因子进行单因子试验,描述各体压指标在单因子动态调整下的变化情况. 结果表明,靠背角度和滑轨位置对体压分布影响较大. 当靠背角度增大时,不同百分位驾驶员的靠背体压指标增大,坐垫整体体压指标略微变小. 当滑轨位置增大时,95百分位人体靠背体压指标变小,坐垫接触面积变小;50百分位人体靠背体压指标变化较小,坐垫接触面积变小.     

ATS资源选择与配置的灰色局势决策模型

ATS研制的日益复杂精细化趋势使得测试资源的优化选择和配置问题也日益突出。针对传统方法存在不足,基于灰色理论和多目标多属性决策理论提出了一种快速、有效的资源选型决策方法:首先综合分析资源选择与配置的重要因素及测试属性,构建了灰色局势资源决策模型;然后通过对多个配置目标加权合成求解该模型,并利用属性权重进行二次决策,最后获得最优的资源选择与配置方案。工程实例分析表明,该方法科学可靠、可操作性强,能够有效解决ATS硬件集成中的测试资源选择与配置问题。     

区间Lurie型控制系统的鲁棒绝对稳定性

研究了区间Ｌｕｒｉｅ型直接控制系统和间接控制系统的鲁棒绝对稳定性,给出了系统鲁棒绝对稳定的充分条件,应用的例子说明所得的结果简单实用并且得到了较大的鲁棒度。     

玛纳斯河年径流的灰色拓扑预测

运用灰色系统理论中的拓扑预测法,提出一种较适合于水文实测资料缺乏情况下的中长期预报方法,并利用玛纳斯河水文站的实测资料序列对该方法进行成功地验证。     

由L.逐项积分定理所诱发的思考

本文将Lebesgue积分理论中的非负可测函数项级数逐项积分定理,推到一类特殊的一般可测函数项级数上。     

用灰色模型预测同系物的液相色谱保留值

利用灰色理论的ＧＭ（１,１）模型研究了５－二甲胺萘－１－磺基胺盐酸盐的同第少在不同组成流动相的反相高效液相色谱中的保留值与取代基碳原子数的关系。根据不同色谱条件下所建立的数学模型,计算和预测了６Ｄｎｓ胺同系物在６种不同流动相组成色谱系统中的保留值ｋ‘,并用相同的方法计算和预测了烷基取代苯和氨基苯甲酸酯系列物的液相色谱保留值。计算和预测值的相对偏差小于３％,误差率高,预测精度比献的预测结果好。     

关于凸过程的有界性和可测性*

设Ｘ是实序列完备的局部凸拓扑向量空间,Ｙ是拓扑向量空间．设Ｔ：Ｘ→２Ｙ是凸过程（ＣｏｎｖｅｘＰｒｏｃｅｓｓ）,且它的定义域Ｄｏｍ（Ｔ）是Ｘ的闭子空间．本文证明了若对Ｘ上的每一可分子空间Ｍ,Ｔ在Ｍ上的限制是绝对可测的,则Ｔ是有界的．     

用组合模型预测油田产油量

时间序列分析是统计学的一个重要分支,灰色系统理论是一种动态趋势预测理论。将时间序列分析与灰色系统理论相结合用于油田产量预测是一个非常有益的探索。先采用灰色建模或逐步回归方法,从数据中得到趋势项的数学模型,然后对剔除趋势项之后的数据进行时间序列分析,建立了ＡＲ模型或ＡＲＭＡ模型。将以上两个模型结合起来构成组合模型,用于预测油田产油量。应用实例证明,该方法具有容易实现、预测准确的优点,是一种非常有效的