基于学习进化的机器人同时定位与地图创建

利用学习与进化结合的思想,改善基于粒子滤波的SLAM算法。在对学习与进化的关系深入分析的基础上,针对基于粒子滤波的SLAM算法,提出将滤波过程分成学习和进化两个阶段,分别给出相应算法解决粒子有效性与多样性的问题,缓解二者之间的矛盾,改善了SLAM算法的效果,增强了算法的鲁棒性,也验证了学习与进化的关系。最后,通过多次Monte-Carlo仿真实验结果表明了该算法的有效性。     

几种低沸点工质余热发电系统的热力性能比较

基于低品位余热的有机朗肯循环(ORC)发电系统,以某工业装置排出的流量为3×105 m3/h、温度为120 ℃的低温烟气为研究对象,针对几种高温有机工质,分析工质流量以及汽轮机膨胀比对系统性能的影响.研究结果表明:当工质流量小于15 kg/s时,汽轮机及循环热效率随着工质流量增大而迅速提高;但当工质流量超过15 kg/s时,汽轮机效率及热效率变化不大;工质的沸点越大,汽轮机内效率越高;随着汽轮机膨胀比的增加,系统所需的质量流量减小,而系统的热效率及效率提高;当工质流量或吸热量相同时,几种工质中R123的循环热效率最高,输出功率最大,是系统工质的较好选择.     

铝熔炼炉内电磁搅拌磁场的数值模拟

针对某厂50 t铝熔炼炉与电磁搅拌器,采用ANSYS软件建立三维有限元模型,对熔炼炉内电磁搅拌磁场进行数值模拟。研究结果表明:电磁搅拌器在其周围空间产生交变磁场,其变化周期等于加载的低频交流电周期;磁场向右呈波浪式移动,当加载电流频率为0.4 Hz时,行波移动速度为1.44 m/s;磁感应强度在铝液水平层内由边缘向中部逐渐增大,并沿铝液高度方向迅速衰减;铝液底层的电磁搅拌器垂直投影区域磁感应强度较大,为搅拌作用的核心区域;磁感应强度的仿真结果与实测结果基本吻合。     

基于模糊神经网络的铝电解槽工作状态诊断

针对铝电解槽电压波动信号的频谱特点和工作状态的层次性,将小波理论和模糊逻辑理论引入高阶BP神经网络中,提出了一种基于小波高阶模糊神经网络的铝电解槽工作状态诊断模型,此模型运用串联方式将小波包分析、模糊逻辑和神经网络融合在一起。给出了小波高阶模糊神经网络的结构,确定了各模糊子集上的隶属度函数。并在320KA预焙铝电解槽上进行实验和仿真,理论和实验证明了该诊断方法可行性。     

一种新型综合注浆加固试验系统的研制及应用

针对现有注浆加固试验装置难以平衡高压注浆所需密封效果和多功能试验所需空间结构的缺点,研制了一套新型多功能综合注浆加固试验系统.该试验系统的优点为:(1)尺寸适中、结构合理,既具有布设监测元件的试验空间又具有良好的密封效果;(2)适用范围广,可针对不同岩土体介质开展多类注浆加固试验;(3)具备多元物理信息并行采集功能;(4)可同时满足加固体宏观物理力学性质测试及浆-岩界面微观耦合机制的研究需求.该系统成功应用于断层角砾介质注浆加固室内模拟试验,分别从应力响应-传递特征、加固体强度增长规律及加固模式等方面探究了断层角砾介质的注浆加固机理,提出了角砾介质强度增长的经验公式,揭示了加固过程中注浆压力的传递分配机制.     

转子发动机热力过程数学模型

对转子发动机缸内燃烧过程进行分析,建立转子发动机热力过程数学模型的基本微分方程,并分阶段对方程进行简化,得到压缩期、燃烧期、膨胀期和换气期的质量和能量方程;以Matlab软件的Simulink为平台对单转子发动机热力过程进行仿真模拟,并将仿真结果与J.Abraham等所得结果进行比较.研究结果表明仿真结果与J.Abraham等所得结果有一定偏差且滞后约4°,但最大偏差不超过7%,证明所建立的数学模型可用于模拟仿真转子发动机的运行状况.     

铝电解槽短路母线的电-热特性耦合模拟

以某厂114 kA预焙阳极铝电解槽为研究对象,以ANSYS为计算平台,对阴极短路母线电热平衡时的电-热特性进行模拟计算。通过现场测试和数值模拟相结合的方法,导出母线表面换热系数修正公式,研究母线电流、换热系数以及环境温度对母线电热平衡时最高温度与电压降的影响。研究结果表明:随着母线电流的增大和换热系数的减小,母线温度和电压降均明显增大,而环境温度的影响较小。研究结果可为母线熔断过程分析提供理论依据。     

导流式铝电解槽电-热平衡计算建模与应用

采用经验公式与数值计算相结合的方法建立导流槽电平衡及能量平衡计算模型,针对1台114.5 kA系列槽进行计算,得到槽体电-热场的分布和槽膛内形的相关信息.研究结果表明:在设定的工艺条件下,导流槽的槽极距可降至2.75 cm,体系电压可降至3.312 V,铝电解能量利用率提高到53.63％,体现了导流槽的极大节能潜力.在计算工况下,导流槽也能获得形状规整的槽帮,稳态时槽帮厚度可达12 cm左右.该计算模型和计算结果可为导流槽的设计提供参考.     

学习对进化的影响研究及仿真验证

研究了学习与进化的关系,特别是学习如何影响进化。基于Hinton和Nowlan在学习与进化研究领域的第一个计算模型,验证了学习能够指导进化。相对于Hinton和Nowlan较理想化的结果,得到了一个更加客观的结果。通过分析两个实验结果中需要学习来确定的基因所占比率不同,重新设计了系统新的适应度函数,证明了学习指导下进化的具体发展方向：进化向着完成这种学习能力的基因方向发展,学习到的性状最终按照达尔文的进化机制被遗传。