基于先验知识的强化学习系统

针对强化学习算法收敛速度慢的主要原因为强化学习算法所用模型通常都假设系统参数未知、先验知识未知，由此造成该算法从没有任何基础开始搜索最优策略，搜索范围大的问题，提出将强化学习系统建立在先验知识的基础上，既有效利用了前人的工作成果，又加快了算法的收敛速度．通过解决电梯群控问题验证了所提出系统的合理性和有效性．     

Nonlinear Modeling of a High Precision Servo Injection Molding Machine Including Novel Molding Approach

A nonlinear mathematical model of the injection molding process for electrohydraulic servo injection molding machine (IMM) is developed. It was found necessary to consider the characteristics of asymmetric cylinder for electrohydraulic servo IMM. The model is based on the dynamics of the machine including servo valve, asymmetric cylinder and screw, and the non-Newtonian flow behavior of polymer melt in injection molding is also considered. The performance of the model was evaluated based on novel approach of molding - injection and compress molding, and the results of simulation and experimental data demonstrate the effectiveness of the model.     

非阻塞性颗粒阻尼的离散元法

提出了一种研究颗粒阻尼减振特性的离散元算法,建立了离散元法(DEM)数学模型.通过分析颗粒间以及颗粒与容器壁间的相互作用规律,能较准确地预测颗粒阻尼的减振特性.与实验结果进行了比较.验证了该离散元数学模型的正确性.利用离散元数学模型来研究颗粒阻尼结构属性的改变对其阻尼减振特性的影响,结果表明,质量比和材料密度都对颗粒阻尼的减振特性有影响.     

高速伺服注塑机成型过程预测迭代学习控制

将学习控制应用于高精密快速伺服注塑机成型过程，根据成型过程的特点设计了一个预测迭代学习控制器，并利用先前得到的系统模型对算法进行仿真．控制器由前馈和反馈控制两部分组成，引入滤波器用于增强学习控制器的鲁棒性．将预测学习控制算法在伺服注塑机上进行了实验．实验和仿真结果表明，该预测学习算法对提高成型过程的位置重复精度效果明显．     

WBM法在薄板弯曲振动分析中的应用

研究了薄板结构在点力激励下的弯曲振动响应,基于间接Trefftz法.提出了解决薄板弯曲振动响应的波函数方法(WBM).方法原理是:将振动响应展开成全局波函数和非齐次方程特解的线性叠加,这些波函数精确满足方程的齐次部分,随后利用伽辽金法在边界上进行加权残值计算.得到波函数的常数系数.同有限元法相比,WBM法不再需要划分成很小的单元,有更高的计算效率和收敛速度.可以推广到中频段的计算.以一个周边简支矩形薄板为例进行验证.结果表明方法准确且高效.