基于神经网络的多孔泡沫金属磁流变液阻尼器模型

多孔泡沫金属磁流变液阻尼器是采用泡沫金属储存磁流变液的新型阻尼器。通过磁流变阻尼器的性能试验研究,得到了阻尼力与电流之间的关系,采用BP神经网络,建立了磁流变阻尼器正向模型。结果显示,神经网络模型能准确地预测磁流变阻尼器的阻尼力和控制电流,证明了该方法的有效性,与已有的模型相比,具有精度高,计算简便等特点。     

基于向量空间模型的路径相似度蚁群算法研究

针对如何根据用户的检索状况来提高信息检索的反应速度及查询的准确性的问题,利用向量空间模型信息检索与路径相似度蚁群算法中利用同一方式——相似度来决定下一步方向的共同特点,提出将一种基于路径相似度的蚁群算法应用于信息检索的方法。采用这种算法在性能和收敛性速度上优于常规算法。     

基于粗集理论的属性约简算法

结合高压输电线路远程监测系统,在参考粗糙集理论的基础上,结合粗糙熵相关知识,针对复杂系统故障影响因子的特点,提出了一种属性约简算法,最后得出相应的算法规则,解决了复杂信息数据简化的问题。实例证明,该算法是可行的。     

基于模糊控制的磁流变减振器半主动悬架系统仿真分析

汽车悬架是汽车车身与车轮间连接的装置,它能够有效减少路面不平坦带来的振动。为了改善汽车行驶时的平顺性和操作系统的稳定性,针对汽车1/4半主动悬架模型,采用模糊控制方法,利用MATLAB/Simulink研究了不同车速及路面等级对控制系统的影响。结果表明:模糊控制能够减小路面不平坦引起的汽车悬架振动,提高行驶安全性、驾驶稳定性和乘坐舒适性。     

基于连续投影算法和最小二乘支持向量机的污水中NH3 N近红外光谱建模

通过扫描不同NH_3-N含量污水的近红外光谱,建立了水样中NH_3-N的定量分析模型。考虑到全谱高维数据建模较大的计算负担,采用连续投影算法(SPA)对水样光谱全谱进行特征波长筛选,将筛选后的特征变量采用最小二乘支持向量机(LS-SVM)进行建模;所建立的SPA和LS-SVM分析模型对污水中NH_3-N分析的预测均方根误差为3.210 8,相关系数为0.984 4,相对分析误差5.681 2;与全谱LS-SVM模型和全谱部分最小二乘(PLS)模型相比,此处的建模方法将全谱模型的512维数据压缩为28维特征光谱数据(计算量占全谱的5.47%),但模型分析精度与全谱LS-SVM模型相近,且高于全谱PLS模型;该方法对实现水样NH_3-N的快速检测以及低维度变量建模具有指导意义。     

基于CNN-Transformer的锂离子电池健康状态估计

目的 健康状态是评估锂离子电池状态的关键参数,对锂离子电池的安全使用有着十分重要的意义,为了获得准确可靠的健康状态估计结果,建立基于卷积神经网络和Transformer的锂离子电池健康状态估计方法,利用不同模型的数据挖掘特性,将健康指标的深层信息和随循环周期增加的时序信息并行提取。方法 从锂离子电池放电过程中的部分电压和温度曲线中提取3个与健康状态相关性较强的健康指标作为模型输入,利用卷积神经网络强大的特征提取能力挖掘健康指标的局部特征,利用Transformer的顺序处理能力挖掘健康指标的时序特征,将健康指标的局部特征和时序特征进行特征融合,通过卷积和全局平均池化层输出健康状态估计值。结果 本研究使用MIT数据集进行实验验证,并与卷积神经网络和长短时记忆神经网络进行对比分析,所提出的方法的均方根误差和平均绝对误差是最低的,为0.11和0.08,最小相对误差为0.61%。结论 所提出的CNN-Transformer健康状态估计采用不同模型挖掘健康指标不同的特征信息,能够充分利用锂离子电池放电数据,且具有良好的估计效果。     

基于Speedgoat的半主动悬架模糊PID控制研究

作为半主动悬架最为核心的运行组件,磁流变液阻尼器的阻力性能可结合外界电流变化连续控 制。 对于该阻尼器为半主动悬架的控制,本文搭建了汽车半主动悬架系统仿真模型,给出了一类以 Speedgoat 为基础的半主动悬架模糊 PID 控制器,并通过模糊推理求解 PID 参数的调整系数,运行了基于 Matlab / Simulink 的模糊 PID 控制器的联合半实物仿真,利用 Speedgoat 在不同路面等级、不同速度下进行了 仿真试验。 试验表明:设计的基于 Speedgoat 的半主动悬架模糊 PID 控制器比起经典 PID 控制器有更优良的 控制性能,从而提高了车辆行驶平顺性和乘坐舒适性。